数据流的中位数 python 双堆

思路
要取得中位数，所以只要关注前一半数字的最小值和后一段数字的最大值，采用堆来进行维护
https://leetcode-cn.com/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof/solution/jian-zhi-41shu-ju-liu-zhong-wei-shu-shua-w7yh/
# 奇数时向小根堆添加，但是确保向小根堆中添加元素比大根堆元素大，故先加入大根堆，将大根堆堆顶弹出给小根堆
#偶数时向左边大根堆添加，但是确保向大根堆添加元素均比小根堆元素小，故先加入小根堆，将小根堆堆顶弹出给大根堆
#注意，python中只有小根堆，故大根堆采用小根堆+取反操作实现
# 插入负数到小根堆中，越大的数字插入的负数就越小，所以这样就相当于做了大根堆，注意弹出时再取反得到正数即可

class MedianFinder:

    def __init__(self):
        """
        initialize your data structure here.
        """
        self.A = []#小根堆
        self.B = []#大根堆
##注意新生先入普通班（大顶堆），此时可能会失去平衡了！
    def addNum(self, num):
        if len(self.A) != len(self.B):
            heapq.heappush(self.A , num)
            heapq.heappush(self.B , -heapq.heappop(self.A))
        else:
            heapq.heappush(self.B , -num)
            heapq.heappush(self.A , -heapq.heappop(self.B))

    def findMedian(self):
        return self.A[0] if len(self.A) != len(self.B) else (self.A[0] - self.B[0])/2.0

用大顶堆+小顶堆方法，可以看作大顶堆是普通班，小顶堆是实验班。数量上时刻保持 小顶-大顶<=1（两堆相等或者小顶比大顶多一个）。

新学生先入普通班（大顶堆），此时可能会失去平衡了，于是取大顶堆的第一个（班里最好的学生）加入实验班（小顶堆），判断若数量过多（不是等于或多一个），取第一个（实验班里最差的学生）到普通班（大顶堆）里。 取中位数的时候，若两堆数量相等，则各取堆顶取平均，若小顶比大顶多一，则多的那一个就是中位数。

利用堆排序，构造两个堆，一个小顶堆big用来存储数据流中比较大的数，一个大顶堆small用来存储数据流中比较小的数，另外必须保证两个堆的大小相差不能超过1，这样一来，如果数据流总数是偶数，那么结果就是两个堆的堆顶元素之和除以2，如果是奇数，哪个堆的数据元素多，就返回哪个堆的堆顶。

1.为什么这个思路是对的？

从这个角度来看，如果把数据从小到大排列，把数据分成两组，左边的数比右边的数都小，如果数据总量是奇数，那么一定返回的是中间的数，这个中间的数对于较小的数据（大顶堆）来说是最大的数（堆顶），对于较大的数据来说（小顶堆）是最小的数（堆顶），所以哪个堆的元素多，就返回哪个堆的堆顶。

如果数据流是偶数，那么结果就是中间的两个数的和再除以2，那么也就是说一个数是较小数据的最大值，一个数是较大数据的最小值，结果就是两个堆的堆顶元素之和除以2。

进一步地，也就是说，不需要对数进行精确排序，我只要能保证一个堆里都是较小的数，一个堆里都是较大的数，也就是大致分个组，并且保证两个堆的尺寸相差不超过1即可。

2.问题来了，如何保证把数据能够大致分组？

这样做，如果small堆（放较小的数）为空，优先把数放到这里。接着，来了一个数据，如果这个数据比small.top()小，那我就把插入small里面，如果比它大，就放到big里面，

如果small.size()-big.size()==2，就把small的堆顶元素弹出放到big里面，因为small的堆顶元素是较小数据里面最大的那个，放到big里面，可保证big里面的数都是偏大的。

如果big.size()-small.size()==2，就把big的堆顶元素弹出放到small里面，因为big的堆顶元素是较大数据里面最小的那个，放到small里面，可保证small里面的数都是偏小的。