Priority queue(优先队列的常见用法)和算法题（数据流中的中位数）

一、Priority queue底层构建的结构是完全二叉树，默认构建的是小顶堆。

二、Lambda表达式法书写比较器接口：

小顶堆基本语法的默认表达形式：

PriorityQueue<Integer> heap = new PriorityQueue<Integer>((u1,u2)->u1-u2);

 需要大顶堆时，做微调：将u1-u2换成u2-u1即可

PriorityQueue<Integer> heap = new PriorityQueue<Integer>((u1,u2)->u2-u1);

三、Lambda表达式的条件可根据实际情况调整：

如算法案例题：

数据流中的中位数

题目内容：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。

例如，

[2,3,4] 的中位数是 3

[2,3] 的中位数是 (2 + 3) / 2 = 2.5

设计一个支持以下两种操作的数据结构：

void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。
示例 1：

输入：
["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]

来源：力扣（LeetCode）
链接：https://leetcode.cn/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

代码：

    PriorityQueue left;
    PriorityQueue right;
   
    /** initialize your data structure here. */
    public MedianFinder() {
       left = new PriorityQueue<>((n1,n2)->n2-n1);/*大顶堆*/
       right = new PriorityQueue<>(); /*小顶堆*/
    }/*大顶堆的开口接着小顶堆的开口，数据在两个堆里排列，相当于从小到大顺序排*/
    
    public void addNum(int num) {
        left.add(num);
        right.add(left.poll());
        if(left.size()+1/*如果右边太多了，就拉到左边*/
            left.add(right.poll());/*右边数目要不等于左边，要不比左边多一个*/
        }
    }
    
    public double findMedian() {
       if(right.size()>left.size()){
           return right.peek();
       }
       return (double)(left.peek()+right.peek())/2;
    }