数据流中的中位数

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。

数据范围：数据流中数个数满足  ，大小满足 

进阶： 空间复杂度  ， 时间复杂度 

示例1
输入
[5,2,3,4,1,6,7,0,8]
返回值
"5.00 3.50 3.00 3.50 3.00 3.50 4.00 3.50 4.00"说明
数据流里面不断吐出的是5,2,3…，则得到的平均数分别为5,(5+2)/2,3...
示例2
输入
[1,1,1]
返回值
"1.00 1.00 1.00"

import heapq

class MedianFinder:
    def __init__(self):
        # 大顶堆，存储较小的一半元素
        self.max_heap = []
        # 小顶堆，存储较大的一半元素
        self.min_heap = []

    def insert(self, num):
        if not self.max_heap or num <= -self.max_heap[0]:
            heapq.heappush(self.max_heap, -num)
        else:
            heapq.heappush(self.min_heap, num)

        # 保持两个堆的大小平衡
        if len(self.max_heap) > len(self.min_heap) + 1:
            heapq.heappush(self.min_heap, -heapq.heappop(self.max_heap))
        elif len(self.min_heap) > len(self.max_heap):
            heapq.heappush(self.max_heap, -heapq.heappop(self.min_heap))

    def get_median(self):
        if len(self.max_heap) == len(self.min_heap):
            return (-self.max_heap[0] + self.min_heap[0]) / 2.0
        else:
            return -self.max_heap[0]/1.0

def get_medians(nums):
    finder = MedianFinder()
    medians = []
    for num in nums:
        finder.insert(num)
        medians.append(finder.get_median())
    return medians

# 示例
nums = [5, 2, 3, 4, 1, 6, 7, 0, 8]
print(get_medians(nums))