随机生成一些数字并传入某个方法。编写一个程序，每当收到新字符数字时，找出并记录中位数。

相似：设计一个数据结构，包括两个函数，插入数据和得到中位数

解法：

一种解法是使用两个优先级堆：一个大根堆，存放小于中位数的值，以及一个小根堆存放大于中位数的值。这会将全部元素大体分为两半，中间的两个元素位于两个堆的堆顶。这样一来，要找到中位数就是小事一桩。

不过，“大体分为两半”又是什么意思呢？“大体”的意思是，若是有奇数个值，其中一个堆就会多一个值。经观察可知，如下两点为真。

若是maxHeap.size()>minHeap.size(),则maxHeap.top为中位数。

若是maxHeap.size()==minHeap.size()，则maxHeap.top()和minHeap.top()的平均值为中位数。

当要从新平衡这两个堆时，咱们会确保maxHeap必定会多一个元素。

//老是保证大根堆的元素大于等于小根堆的
void addNewNumber(int randomNumber)
{
//当大根堆的元素和小根堆的元素相等时
    if(maxHeap.size()==minHeap.size())
    {
        if((minHeap.peek()!=NULL&&randomNumber>minHeap.peek())//此时应该将元素插入小根堆，可是要保证大根堆的元素大于等于小根堆，因此将小根堆这最小的元素插入大根堆，而后将该元素插入小根堆
                maxHeap.offer(minHeap.poll());
                minHeap.offer(randomNumber);
            }
            else
            {
                maxHeap.offer(randomNumber);
            }
    }
    else //大根堆的元素大于小根堆，直接将元素插入小根堆
    {
        if(randomNumber<maxHeap.peek())
        {
            minHeap.offer(maxHeap.poll());
            maxHeap.offer(randomNumber);
        }
        else
        {
            minHeap.offer(randomNumber);
        }
    }
}

double getMedian()
{
    if(maxHeap.isEmpty())
    {
        return 0;
    }
    if(maxHeap.size()==minHeap.size())
    {
        return (double)(minHeap.peek()+maxHeap.peek())/2;
    }
    else
        return maxHeap.peek();
}