使用大顶堆、小顶堆解决LeetCode295. 数据流的中位数

题目：

中位数是有序列表中间的数。如果列表长度是偶数，中位数则是中间两个数的平均值。

例如，
[2,3,4] 的中位数是 3
[2,3] 的中位数是 (2 + 3) / 2 = 2.5

设计一个支持以下两种操作的数据结构：

void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。

---

思路：

定义大顶堆和小顶堆，大顶堆的最大值始终比小顶堆的最小值要小，两个堆的长度要么相同，要么之间相差一个。
这样当大小顶堆的长度相同时，两个堆顶即为数组中间的两位数字，直接取两个堆的堆顶再除2即可得到中位数，当大小不同时，取长度大的堆的堆顶即可。

---

代码实现如下

class MedianFinder {
    PriorityQueue<Double> maxHeap ;
    PriorityQueue<Double> minHeap;

    public MedianFinder() {
    //大顶堆
        maxHeap= new PriorityQueue<Double>(new Comparator<Double>()
        {
            public int compare(Double o1, Double o2)
            {
                return o2.compareTo(o1);         //表示降序
            }
        });
        //默认小顶堆
        minHeap=new PriorityQueue<Double>();  
    }
    public void addNum(int num) {
        double n=num*1.0;
        if(maxHeap.isEmpty()){
            maxHeap.offer(n);
            return;
        }
        //长度相同时 只要比大顶堆大即加入到小顶堆
        if(maxHeap.size()==minHeap.size()){
            if(n<maxHeap.peek()){
                maxHeap.offer(n);
            }
            else{
                minHeap.offer(n);
            }
        }
        //大顶堆长度大时  如果加入的值比大顶堆的值小时 将大顶堆的堆顶加入小顶堆 再把加入的数加进大顶堆
        else if(minHeap.size()<maxHeap.size()){
            if(n>maxHeap.peek()){
                minHeap.offer(n);
            }
            else{
                minHeap.offer(maxHeap.peek());
                maxHeap.poll();
                maxHeap.offer(n);
            }
        }
        //与上面相反
        else if(minHeap.size()>maxHeap.size()){
            if(n<minHeap.peek()){
                maxHeap.offer(n);
            }
            else{
                maxHeap.offer(minHeap.peek());
                minHeap.poll();
                minHeap.offer(n);
            }
        }
    }
    //取中位数
    public double findMedian() {
        if((maxHeap.size()+minHeap.size())%2==0){
            return ((maxHeap.peek()+minHeap.peek())/2.0);
        }
        else {
            if(maxHeap.size()>minHeap.size()){
                return maxHeap.peek();
            }
            else{
                return minHeap.peek();
            }
        }
    }
}