python 使用堆求中位数的代码

以下是使用堆求中位数的 Python 代码：

import heapq

class MedianFinder:
    def __init__(self):
        """
        initialize your data structure here.
        """
        self.min_heap = []
        self.max_heap = []

    def addNum(self, num: int) -> None:
        heapq.heappush(self.max_heap, -heapq.heappushpop(self.min_heap, num))
        if len(self.max_heap) > len(self.min_heap):
            heapq.heappush(self.min_heap, -heapq.heappop(self.max_heap))

    def findMedian(self) -> float:
        if len(self.min_heap) > len(self.max_heap):
            return float(self.min_heap[0])
        else:
            return (self.min_heap[0] - self.max_heap[0]) / 2.0

首先我们创建两个堆，一个小根堆 `min_heap` 和一个大根堆 `max_heap`。`min_heap` 用于存放较大的一半数字，`max_heap` 用于存放较小的一半数字。

当我们需要添加一个新数字时，我们首先将它加到 `min_heap` 中。然后将 `min_heap` 中的最小数字（也就是中位数右边的第一个数字）弹出，并将其加入 `max_heap` 中。这样就保证了 `max_heap` 中的数字都小于等于 `min_heap` 中的数字。如果此时 `max_heap` 的长度比 `min_heap` 的长度大了 1，为了保持平衡，我们就将 `max_heap` 中的最大数字弹出，并将其加入 `min_heap` 中。

当需要求中位数时，我们只需要判断 `min_heap` 和 `max_heap` 的长度，如果 `min_heap` 的长度比 `max_heap` 大，那么中位数就是 `min_heap` 的最小数字。否则，我们将 `min_heap` 的最小数字和 `max_heap` 的最大数字相加，并除以 2，即可得到中位数。

需要注意的是，如果 `min_heap` 或 `max_heap` 为空，那么我们不能直接访问他们的最小或最大数字，需要先进行判断。