LeetCode刷题记录 295. 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：
遇到这种求中位数的就可以用最大堆和最小堆来解决。

为什么要用最大堆和最小堆呢？
因为我们可以利用把数据分成两份，小的那一份放在最大堆，大的部分放在最小堆，如图所示：

将数据存入最大堆和最小堆中，中位数可通过最大堆和最小堆堆顶来求得。

接下来就是如何存储的问题。
由于我们是动态存储的，所以得考虑一下以下情况：
情况1：
当最小堆和最大堆元素相同时，当添加新元素2时，需要与最大堆的堆顶比较，如果新元素小于最大堆的堆顶，则插入最大堆内。

如果新元素大于最大堆的堆顶，则插入最小堆内。

情况2：
当最大堆比最小堆多一个元素时，
如果新元素小于最大堆的堆顶，则需要将最大堆的堆顶push进最小堆内，再将最大堆的堆顶弹出，最后再将新元素加入最大堆内，具体步骤为：

如果新元素大于最大堆的堆顶，则将新元素之间插入最小堆。

情况3：
最小堆比最大堆多一个元素时，
如果新元素大于最小堆的堆顶，则需要将最小堆的堆顶push进最大堆内，再将最小堆的堆顶弹出，最后再将新元素加入最小堆内。

如果新元素小于最小堆的堆顶，则直接将新元素插入最大堆内。

求中位数问题
①当最小堆和最大堆元素相同时，返回 两堆顶和 的二分之一
②当最小堆和最大堆元素相同时，返回元素个数多的堆顶

代码：

class MedianFinder {
public:
    /** initialize your data structure here. */
priority_queue<int, vector<int>, less<int>> maxQueue;//定义一个最大堆
priority_queue<int, vector<int>, greater<int>> minQueue;//定义一个最小堆

    MedianFinder() {

    }
    
    void addNum(int num) {
        if(maxQueue.empty())//这里要考虑数据为空的情况
        {
            maxQueue.push(num);
            return;
        }
        //当最大堆和最小堆元素个数相同时
        if(maxQueue.size()==minQueue.size()){
            if(maxQueue.top()>num){//均是直接插入新元素
                maxQueue.push(num);
            }
            else{
                minQueue.push(num);
            }
        }
        else if(maxQueue.size()>minQueue.size())//当最大堆元素个数大于最小堆元素个数时
        {
            if(num>maxQueue.top()){//当新元素大于最大堆时，之间插入新元素
                minQueue.push(num);
            }
            else{
                minQueue.push(maxQueue.top());//将最大堆的堆顶插入最小堆内
                maxQueue.pop();//弹出最大堆的堆顶
                maxQueue.push(num);//将新元素放进最大堆内
            }
        }
        else if(maxQueue.size()<minQueue.size())//当最大堆元素个数小于最小堆元素个数时
        {
            if(num<minQueue.top()){//当新元素小于最小堆的堆顶时,直接插入元素
                maxQueue.push(num);
            }
            else{
                maxQueue.push(minQueue.top());//将最小堆的堆顶插入最大堆内
                minQueue.pop();//弹出最小堆的堆顶
                minQueue.push(num);//将新元素放进最小堆内
            }
        }
    }
    
    double findMedian() {
        if(maxQueue.size()==minQueue.size()){//元素个数相等时，返回堆顶和再除以2
            return (maxQueue.top()+minQueue.top())/2.0;
        }
        else if(maxQueue.size()>minQueue.size()){//元素个数不相同时返回元素个数多的堆顶
            return maxQueue.top();
        }
        return minQueue.top();
    }
};

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder* obj = new MedianFinder();
 * obj->addNum(num);
 * double param_2 = obj->findMedian();
 */