剑值offer之41题数据流中最小的中位数（效率问题）

41.数据流中的中位数
题目：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。
    我们使用Insert()方法读取数据流，使用GetMedian()方法获取当前读取数据的中位数。
思路：
   数据结构   插入的时间复杂度       得到中位数的时间复杂度
没有排序的数组    O(1)    O(n)
排序的数组    O(n)    O(1)
排序的链表    O(n)    O(1)
二叉搜索树    平均O(logn),最差O(n)    平均O(logn),最差O(n)
AVL树    O(logn)    O(1)
最大堆和最小堆    O(logn)    O(1)
 

#include<iostream>
#include<vector>
using namespace std;

template<typename T>class DynamicArray{
public:
	void Insert(T num){
		//当min和max都为null时 
		if(((min.size()+max.size())&1)==0){
			//对max判空处理  如果新插入的数小于max第0个数 
			if(max.size()>0&&num<max[0]){
				//把这个数插入 
				max.push_back(num);
				//维护一个最大堆 
				push_heap(max.begin(),max.end(),less<T>());
				//获取堆顶元素 
				num=max[0];
				//把元素出堆 再维护这个最大堆 
				pop_heap(max.begin(),max.end(),less<T>());
				//把这个数出max 
				max.pop_back();
				//把max[0]给最小堆 
				min.push_back(num);
				//维护最小堆 
				push_heap(min.begin(),min.end(),greater<T>());
			}
			//当新插入的元素大于等于max[0]的元素时，把这个元素插入最小堆 
			else{
				//插入最小堆 
				min.push_back(num);
				//维护最小堆 
				push_heap(min.begin(),min.end(),greater<T>());
			} 
			
		}
		//当min和max至少有一个不为null时 
		else{
			//堆min进行判空处理  如果新插入的元素大于min[0]时 直接插入最小堆 
			if(min.size()>0&&min[0]<num){
				min.push_back(num);
				push_heap(min.begin(),min.end(),greater<T>());
				
				num=min[0];
				
				pop_heap(min.begin(),min.end(),greater<T>());
				min.pop_back(); 
				//把min[0]元素给最大堆 
				max.push_back(num);
				//维护最大堆 
				push_heap(max.begin(),max.end(),less<T>());
			}
			 //如果新插入的元素小于等于min[0]时 直接插入最大堆 
			else{
				max.push_back(num);
				push_heap(max.begin(),max.end(),less<T>());
			} 
			
		}
	}
	T GetMedian(){
		
		int size=min.size()+max.size();
		if(size==0)
			throw exception("No numbers are available");
		T median=0;
		if((size&1)==1)
			median=min[0];
		else
			median=(min[0]+max[0])/2;
		return median;
	}
	private:
		vector<T> min;
		vector<T> max;
}