剑指offer54. 数据流中的中位数

参考：https://www.acwing.com/
如何得到一个数据流中的中位数？
如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。

如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。

样例：
输入：1, 2, 3, 4
输出：1,1.5,2,2.5

解释：每当数据流读入一个数据，就进行一次判断并输出当前的中位数。

思路：维护一个大根堆和一个小根堆，大根堆保存较小的那一半，小根堆保存较大的那一半。每次默认向大根堆里push元素。若插入元素逆序，则对换大，小根堆的堆顶元素保证递增。当大根堆元素个数超过小根堆的个数+1时，弹出大根堆堆顶元素，将该元素push到小根堆里。

//维护一个大根堆和小根堆，堆顶为中间的元素
class Solution {
public:
    priority_queue<int> max_heap;
    priority_queue<int, vector<int>, greater<int>> min_heap;
    void insert(int num){
        max_heap.push(num);
        if(min_heap.size() && max_heap.top() > min_heap.top())//小顶堆非空且大顶堆顶部元素逆序，则交换两个堆堆顶元素
        {
            auto maxv = max_heap.top(), minv = min_heap.top();
            max_heap.pop(), min_heap.pop();
            max_heap.push(minv), min_heap.push(maxv);
        }
        if(max_heap.size() > min_heap.size() + 1){
            auto maxv = max_heap.top();
            max_heap.pop();
            min_heap.push(maxv);
        }
    }

    double getMedian(){
        if(max_heap.size() + min_heap.size() & 1) return max_heap.top(); //末位与1，若为奇则判断为true
        else
            return (max_heap.top() + min_heap.top())/2.0;
    }
};