中位数是有序列表中间的数。如果列表长度是偶数，中位数则是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：

addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3)
findMedian() -> 2
进阶:

如果数据流中所有整数都在 0 到 100 范围内，你将如何优化你的算法？
如果数据流中 99% 的整数都在 0 到 100 范围内，你将如何优化你的算法？

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/find-median-from-data-stream

class MedianFinder {
    PriorityQueue<Integer> maxQueue;
    PriorityQueue<Integer> minQueue;

    /** initialize your data structure here. */
    public MedianFinder() {
        maxQueue=new PriorityQueue(Collections.reverseOrder());
        minQueue=new PriorityQueue();
    }
    
    public void addNum(int num) {
        if(maxQueue.size()==0 && minQueue.size()==0) minQueue.offer(num);
        else if(num<=minQueue.peek()){
            if(maxQueue.size()>minQueue.size()){
                int maxTop=maxQueue.poll();
                maxQueue.offer(Math.min(num,maxTop));
                minQueue.offer(Math.max(num,maxTop));
            }
            else
                maxQueue.offer(num);
        }
        else{
            if(maxQueue.size()<minQueue.size())
                maxQueue.offer(minQueue.poll());
            minQueue.offer(num);
        }
    }
    
    public double findMedian() {
        if(minQueue.size()==maxQueue.size())
            return (minQueue.peek()+maxQueue.peek())/2.0;
        else if(minQueue.size()>maxQueue.size())
            return minQueue.peek().doubleValue();
        else return maxQueue.peek().doubleValue(); 
    }
}

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder obj = new MedianFinder();
 * obj.addNum(num);
 * double param_2 = obj.findMedian();
 */