力扣 剑指 Offer 41. 数据流中的中位数

用一个最大堆，一个最小堆分别维护排序后的数据流的左右两部分，插入时如果两个堆中元素数量一样，那么我们规定始终往最大堆中添加元素（最小堆也行），但添加前我们要把该元素加入最小堆中，再从最小堆中取出堆顶元素加入最大堆中。插入时如果最大堆多一，就以相同的方法把元素加入到最小堆中
主要分析一下这种方法与单纯维护一个列表来说有什么优势
取中位数都是一样的O(1)
插入元素，在列表中需要O(logn)（列表是有序的）来寻找插入的下标，再O(n)来插入元素。而对于堆来说只需要O(logn)即可完成插入元素
ps：第一次困难题秒解，思路还和题解一样

class MedianFinder {
    Queue<Integer> q1, q2;
    /** initialize your data structure here. */
    public MedianFinder() {
        q1 = new PriorityQueue<>((o1,o2) -> o1 - o2);
        q2 = new PriorityQueue<>((o1,o2) -> o2 - o1);
    }
    
    public void addNum(int num) {
        if(q1.size() == q2.size()){
            q2.add(num);
            q1.add(q2.poll());
        }else{
            q1.add(num);
            q2.add(q1.poll());
        }
    }
    
    public double findMedian() {
        if(q1.size() == q2.size()){
            return ((double)q1.peek() + q2.peek()) / 2;
        }else{
            return (double)q1.peek();
        }
    }
}