数据流中的中位数——两个优先队列解决得到一个数据流中的中位数。若为奇数，那么中位数就是所有数排序之后位于中间的值；若为偶

题目：

得到一个数据流中的中位数。若为奇数，那么中位数就是所有数排序之后位于中间的值；若为偶数，那么中位数就是所有数值排序之后中间两个数的平均数。 [2,3,4] 返回3；[2,3]返回2.5 要求实现两个函数：

void addNum(int num) - 从数据流中添加一个整数到数据结构
double findMedian() - 返回目前所有元素的中位数

思路：

先用java集合PriorityQueue设置一个大顶堆，一个小顶堆(默认是小顶堆，也就是数字从小到大排序，小的先出队列)
大顶堆用来存较小的数，按从大到小的顺序排列；小顶堆存较大的数，按从小到大的顺序排列
这样，小顶堆里的所有数均大于等于大顶堆中的数。这样中位数就是大顶堆队首和小顶堆队首的平均值了。
每次进队列的时候，不是直接进，而是先进队列，然后poll出一个数，进另一个队列
count用于记录当前两个队列里数字个数之和
当count为偶数时，说明插入这个数字之后一共有奇数个数字，此时的中位数就是一个数。我们先让它进大顶堆，然后将大顶堆中的最大值(大顶堆中的最大值)弹出插入小顶堆中。最后的中位数就是小顶堆的队首元素。
当count为奇数时，说明插入这个数字之后是偶数个数字，此时的中位数就是两个数之和。原本为奇数，其实是小顶堆里的数字个数多一个，所以这个新插入的数字需要进大顶堆。所以我们先把数字插入小顶堆中，再将小顶堆中的根节点(小顶堆中的最小值)插入到大顶堆中。

举例：

传入数据为：[5,2,3,4,1,6,7,0,8]应该输出为[5 3.5 3 3.5 3 3.5 4 3.5 4] min表示小顶堆，max表示大顶堆

count=0；5进大顶堆，大顶堆中弹出最大值进小顶堆，结果为小顶堆的队首元素 min=[5] max=[] res=[5.00]
count=1;2进小顶堆，小顶堆弹出最小值进大顶堆，结果为两个顶堆队首元素的平均值 min=[5] max=[2] res=[3.50]
count=2;3进大顶堆，大顶堆中弹出最大值进小顶堆，结果为小顶堆的队首元素 min=[3，5] max=[2], res=[3.00]
以此类推

注意点

需要重写优先队列的迭代器，默认是小顶堆，大顶堆需要重写：

PriorityQueue<Integer> max = new PriorityQueue<>(15, new Comparator<Integer>(){
    public int compare(Integer o1, Integer o2) {
        return o2 - o1;
    }
});

Double类型的使用：

new Double((min.peek() + max.peek()))/2和 new Double((min.peek() + max.peek())/2)是两个不同的结果，我们需要的是第一种

代码

class MedianFinder {
    PriorityQueue<Integer> min;
    PriorityQueue<Integer> max;
    int count = 0;
    /** initialize your data structure here. */
    public MedianFinder() {
        min = new PriorityQueue<>();
        max = new PriorityQueue<>(15, new Comparator<Integer>() {
            public int compare(Integer o1, Integer o2) {
                return o2 - o1;
            }
        }); 
    }
    
    public void addNum(int num) {
        if (count % 2 == 0) {
            max.offer(num);
            min.offer(max.poll());
        } else {
            min.offer(num);
            max.offer(min.poll());
        }
        count++;
    }
    
    public double findMedian() {
        if (count % 2 == 1) {
            return new Double(min.peek());
        } else {
            return new Double((min.peek() + max.peek())) / 2;
        }
    }
}

使用如下：

MedianFinder obj = new MedianFinder();
obj.addNum(num);
double param_2 = obj.findMedian();