有一组元素，它们不断地被动态加入和删除，但是我们需要随时找出当前所以元素的中位数，为此，请设计一个数据结构，以支持对数时间的插入，删除和常数时间的找出中位数，提示:利用两个堆来实现该数据结构，写出完整伪代码并解析

为了实现这样的数据结构，我们可以采用两个大小相同的最小堆（小顶堆）和一个最大堆（大顶堆）。这个设计被称为“双堆”或者“平衡二叉堆”的变种，其中一个堆存储较小的一半元素，另一个堆存储较大的一半元素，并保持它们的中位数位于两者之间。

**伪代码**：

class MedianFinder:
    def __init__(self):
        self.min_heap = []  # 最小堆，存放较小元素
        self.max_heap = []  # 最大堆，存放较大元素

    def addNum(self, num):
        # 插入操作
        if not self.min_heap or num < self.min_heap[0]:
            self.min_heap.append(num)
            self.max_heap.insert(0, -num)  # 对负数进行操作，保持两个堆大小一致
        else:
            self.min_heap.insert(0, num)
            self.max_heap.pop()  # 移除最大堆顶部元素，保持大小平衡
            self.max_heap.append(-num)

    def findMedian(self):
        # 查找中位数操作
        if len(self.min_heap) == len(self.max_heap):  # 两堆大小相等，中位是两者根节点平均值
            return (self.min_heap[0] - self.max_heap[0]) / 2.0
        else:
            return self.min_heap[0]  # 当前堆大，中位是堆顶元素

# 使用示例
mf = MedianFinder()
mf.addNum(1)
mf.addNum(2)
print(mf.findMedian())  # 输出: 1.5
mf.addNum(3)
print(mf.findMedian())  # 输出: 2

**解析**：
- 在添加元素时，如果新元素小于最小堆的根元素，就直接添加到最小堆；否则，将其添加到最小堆并从最大堆移除相应元素，以保持两个堆大小一致。
- 查找中位数时，如果两个堆的大小相等，则中位数是两个堆顶元素的平均值；若有一个堆大于另一个堆，中位数就是那个大堆的堆顶元素。

这个数据结构使得插入操作在对数时间内完成，查找中位数则始终在常数时间内完成。