用python写一段代码实现海量数据找中位数

可以使用快速选择算法来实现。这是一种在线算法，意味着它可以处理海量数据而无需将数据完全加载到内存中。

以下是一个例子，它使用了 Python 的 heapq 库来实现快速选择算法：

import heapq

def find_median(numbers):
    # 将数字加入小根堆和大根堆
    min_heap = []  # 存储较大的一半数字
    max_heap = []  # 存储较小的一半数字
    for number in numbers:
        heapq.heappush(max_heap, -heapq.heappushpop(min_heap, number))
        if len(max_heap) > len(min_heap):
            heapq.heappush(min_heap, -heapq.heappop(max_heap))
    
    # 如果数字总数为奇数，则中位数为小根堆堆顶
    if len(numbers) % 2 == 1:
        return min_heap[0]
    
    # 如果数字总数为偶数，则中位数为两个堆顶的平均数
    return (min_heap[0] - max_heap[0]) / 2

这段代码的时间复杂度是 O(n * log n)，其中 n 是数字的数量。

需要注意的是，这段代码无法处理负数。如果数据集中有负数，则需要对代码进行修改，才能处理负数。