代码实现找出超出内存的数据流中位数，不能使用硬盘

在不使用硬盘的情况下，我们可以使用堆来找出数据流的中位数。

我们可以使用两个堆来实现：一个最大堆和一个最小堆。最大堆存储小于等于中位数的数，最小堆存储大于中位数的数。这样，当数据流的数据量为奇数时，最大堆的堆顶元素就是中位数；当数据流的数据量为偶数时，中位数就是最大堆的堆顶元素与最小堆的堆顶元素的平均值。

下面是用 Python 实现的代码示例：

import heapq

class MedianFinder:
    def __init__(self):
        self.max_heap = []  # 存储小于等于中位数的数
        self.min_heap = []  # 存储大于中位数的数

    def add_num(self, num):
        # 将 num 插入到合适的堆中
        if len(self.max_heap) == len(self.min_heap):
            # 如果两个堆的数量相等，就插入到最大堆中
            heapq.heappush(self.max_heap, -num)
        else:
            # 否则插入到最小堆中
            heapq.heappush(self.min_heap, num)

        # 维护两个堆的平衡
        if self.min_heap and self.min_heap[0] < -self.max_heap[0]:
            # 如果最小堆的堆顶元素小于最大堆的堆顶元素，就交换两个堆的堆顶元素
            max_top = -heapq.heappop(self.max_heap)
            min_top = heapq.heappop(self.min_heap)