数据流中的中位数

题目：

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。

解答：

 1 public class Solution {
 2 
 3     private ArrayList<Integer> res = new ArrayList<>();
 4 
 5     public void Insert(Integer num) {
 6         res.add(num);
 7         Collections.sort(res);
 8     }
 9 
10     public Double getMedian() {
11         int size = res.size();
12         if(size % 2 == 0) {
13             return Double.valueOf((res.get(n/2) + res.get(n/2-1)) / 2.0);
14         } else {
15             return Double.valueOf(res.get(n/2));
16         }
17     }
18 }

方法2

根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最小者的堆称为小根堆。
根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最大者，称为大根堆。

 1 //解法二：使用大堆和小堆的特性
 2 import java.util.Comparator;
 3 import java.util.PriorityQueue;
 4 public class Solution {
 5 
 6     private int count = 0;
 7     private PriorityQueue<Integer> minHeap = new PriorityQueue<>();
 8 
 9     private PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(15, new Comparator<Integer>() {
10         public int compare(Integer o1, Integer o2) {
11             return o2 - o1;
12         }
13     });
14 
15     public void Insert(Integer num) {
16         if (count %2 == 0) {
17             //当数据总数为偶数时，新加入的元素，应当进入小根堆
18 
19             //（注意不是直接进入小根堆，而是经大根堆筛选后取大根堆中最大元素进入小根堆）
20             //1.新加入的元素先入到大根堆，由大根堆筛选出堆中最大的元素
21             maxHeap.offer(num);
22             int filteredMaxNum = maxHeap.poll();
23              //2.筛选后的【大根堆中的最大元素】进入小根堆
24              minHeap.offer(filteredMaxNum);
25         } else {
26             //当数据总数为奇数时，新加入的元素，应当进入大根堆
27             
28             //（注意不是直接进入大根堆，而是经小根堆筛选后取小根堆中最大元素进入大根堆）
29             //1.新加入的元素先入到小根堆，由小根堆筛选出堆中最小的元素
30             minHeap.offer(num);
31             int filteredMinNum = minHeap.poll();
32              //2.筛选后的【小根堆中的最小元素】进入大根堆
33              maxHeap.offer(filteredMinNum);
34         }
35         count++;
36     }
37 
38 
39     public Double GetMedian() {
40         if (count %2 == 0) {
41             return new Double((minHeap.peek() + maxHeap.peek())) / 2;
42          } else {
43             return new Double(minHeap.peek());
44         }
45     }
46 }