剑指Offer 数据流中的中位数

解题步骤：
看到该题首先想到的是采用插入排序的方式，Insert（）方法每读取一个数据，就将该数据插入到数组中对应的位置。但是由于数组的长度未知，如果用arraylist来实现插入排序会比较繁琐。

换一种思路：
我们分别用两个优先队列来存储较大的数和较小的数

（1）对于存储较小的数的优先队列为min，其排序是按重大到小排序的，所以需要实现comparator接口。

（2）对于存储较大的数的优先队列为max，其排序是按默认的重小到大排序的

GetMedian()方法的实现
（3）如果输入的数据流长度为偶数，min和max中的元素个数相同，我们直接取min和max栈顶元素的平均值就是中位数

（4）如果输入数据流长度为奇数，min中的元素个数比max多一个，所以直接取min中的栈顶元素作为中位数

Insert()方法的实现
（5）对于新进来的元素num，如果使元素总数为奇数，就需要插入一个数到min队列；如果num小于max的栈顶元素，直接插入到min中；如果num大于max的栈顶元素，先插入到max中，再将此时的max.poll插入到min中，以此来维护min中比max多一个元素

（6）对于新进来的元素num，如果使元素总数为偶数，就需要插入一个元素到max队列。如果num大于min的栈顶元素，直接插入到max中；如果num不大于min的栈顶元素，先将num插入min队列，再将min.poll插入到max中。以此来保证min与max元素个数相同

代码：

static PriorityQueue<Integer> min = new PriorityQueue<Integer>(new Comparator<Integer>() {
  public int compare(Integer i1,Integer i2) {
   return i2-i1;
  }
 });
 static PriorityQueue<Integer> max = new PriorityQueue<Integer>();
 int count = 0;
 public void Insert(Integer num) {
     count ++;
     //加入到小顶堆
     if(count%2==1) {
      //与大顶堆的peek进行比较,保持小顶堆比大顶堆多一个元素
      if(!max.isEmpty()) {
          if(num > max.peek()) {
           max.add(num);
           min.add(max.poll());
           return ;
          }
      }
      min.add(num);
     }
     //加入到大顶堆中
     else {
      //与小顶堆的peek进行比较
      if(num > min.peek()) {
       max.add(num);
      }
      else {
       min.add(num);
       max.add(min.poll());
      } 
     }
    }
    public Double GetMedian() {
        if(count%2==1) {
         return min.peek()*1.0;
        }
        else
         return (min.peek()+max.peek())/2.0;
    }