OJ_4_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。

思路：

可以参考链接  数据流中的中位数：https://www.jianshu.com/p/f7e2ed52052d

#include <iostream>
#include <vector>
#include <queue>

using namespace std;

//数据流的中位数
class Solution {
private:
    int count = 0;
    priority_queue<int,vector<int>> max_heap;  //最大堆
    priority_queue<int,vector<int>,greater<int>> min_heap;  //最小堆

public:
    void Insert(int num)
    {
        count++;
        //第偶数个->插入最小堆;
        if((count & 1)==0){   //偶数 判断偶数的高效写法
            min_heap.push(num);
            if(!max_heap.empty() && max_heap.top()>num)   //如果要插入的新元素比最大堆的堆顶要小
            {
                min_heap.pop();

                int temp = max_heap.top();
                max_heap.pop();
                min_heap.push(temp);    //最大堆的堆顶插入最小堆

                max_heap.push(num);     //新元素插入最大堆
            }
        }
        //第奇数个->插入最大堆；
        else{
            max_heap.push(num);
            if(!min_heap.empty() && min_heap.top() < num){   //如果要插入的新元素比最小堆的堆顶要大
                max_heap.pop();

                int temp = min_heap.top();
                min_heap.pop();
                max_heap.push(temp);    //最小堆的堆顶插入最大堆

                min_heap.push(num);     //新元素插入最小堆
            }
        }
        //以上的方式可以一直维持中位数在最小堆和最大堆的堆顶，如果个数为偶数，则为两堆堆顶的平均数，如果个数为奇数，则为最大堆堆顶；
    }

    double GetMedian()
    {
        double res;
        if((count &1) == 0){  //偶数
            res = ((double)max_heap.top()+(double)min_heap.top())/2;
        }
        else{
            res = max_heap.top();
        }

        return res;
    }

};

int main()
{
    Solution sol;
    vector<int> nums={5,2,3,4,1,6,7,0,8,5};
    for(int i =0; i<nums.size();i++){
        sol.Insert(nums[i]);
    }
    cout<<sol.GetMedian()<<endl;
}