day36： 数据流中的中位数（大根堆小根堆）

问题描述：
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。
样例

• 输入：1, 2, 3, 4
• 输出：1,1.5,2,2.5
  解释：每当数据流读入一个数据，就进行一次判断并输出当前的中位数。

使用大根堆维护序列的前半部分，使用小根堆维护序列的后半部分。序列是指的从小到大排列。首先向大根堆里面加入元素，如果加入元素不满足条件，那么再进行下一步操作，其中条件是：1）大根堆里面的元素最多只能比小根堆的元素多1个，如果多两个的话，就需要将大根堆的元素弹出来放到小根堆里面去，2）如果大根堆里面的堆顶元素大于小根堆里面的堆顶元素，那么这样的序列不是有序的，则需要交换这两个元素使得大的部分在小根堆里，小的部分在大根堆里。

class Solution {
public:
    priority_queue<int> max_heap;
    priority_queue<int,vector<int>,greater<int>> min_heap;
    void insert(int num){
        max_heap.push(num);
        if(min_heap.size()&&max_heap.top()>min_heap.top())
        {
            auto maxv=max_heap.top(),minv=min_heap.top();
            max_heap.pop(),min_heap.pop();
            max_heap.push(minv),min_heap.push(maxv);
        }
        if(max_heap.size()>min_heap.size()+1)//不可以添加min_heap.size()这一条件，否则在min_heap为空的条件下无法放入
        {
            min_heap.push(max_heap.top());
            max_heap.pop();
        }
    }

    double getMedian(){
        if(max_heap.size() + min_heap.size() & 1) return max_heap.top();
        return (max_heap.top()+min_heap.top())/2.0;
    }
};