劍指offer：數據流中的中位數（小頂堆+大頂堆）

1. 題目描述

/**
    如何獲得一個數據流中的中位數？
    若是從數據流中讀出奇數個數值，那麼中位數就是全部數值排序以後位於中間的數值。
    若是從數據流中讀出偶數個數值，那麼中位數就是全部數值排序以後中間兩個數的平均值。
    咱們使用 Insert()方法讀取數據流，使用 GetMedian()方法獲取當前讀取數據的中位數。
*/

2. 思路

　　/**  最大堆和最小堆
      * 每次插入小頂堆的是當前大頂堆中最大的數
      * 每次插入大頂堆的是當前小頂堆中最小的數
      * 這樣保證小頂堆中的數永遠大於等於大頂堆中的數（值）
      * 中位數就能夠方便地從二者的根結點中獲取了
      * 奇數的話 小根堆中的元素數 大於 大根堆中的元素數（數量）
      */

3. 代碼

import java.util.PriorityQueue;
import java.util.Comparator;
public class Solution {
    //小頂堆
    private PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>();
    //大頂堆
    private PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(new Comparator<Integer>() {
        @Override
        public int compare(Integer o1, Integer o2) {
            return o2 - o1;
        }
    });
     
    //記錄元素個數偶數個仍是奇數個
    int count = 0;
    public void Insert(Integer num) {
        /**個數爲偶數的話，則先插入到大頂堆，而後將大頂堆中最大的數插入小頂堆中*/
        //保證了先放入小根堆，在放入大根堆
        if(count % 2 == 0){
            maxHeap.offer(num);
            int max = maxHeap.poll();
            minHeap.offer(max);
        }else{
            /**個數爲奇數的話，則先插入到小頂堆，而後將小頂堆中最小的數插入大頂堆中*/
            minHeap.offer(num);
            int min = minHeap.poll();
            maxHeap.offer(min);
        }
        /**插入一個，數量增長一個*/
        count++;
    }
    public Double GetMedian() {
        if(count % 2 == 0){
            /**當前爲偶數個，則取小頂堆和大頂堆的堆頂元素求平均*/
            return new Double(minHeap.peek() + maxHeap.peek())/2;
        }else{
            /**當前爲奇數個，則直接從小頂堆中取元素便可*/
            return new Double(minHeap.peek());
        }
    }
}