职场最恶心的就是这种老员工 让他带新人的时候，重点，细节全部不说，结果转头就去找领导那嚼舌根，告你

最烦的真不是活多，是碰上那种带新人专业户。嘴上答应得挺好，真到教的时候，关键步骤全靠你猜，细节一问就拉脸，跟欠他年终奖似的。

你自己摸索着做吧，他又跑去领导那边开小会：这新人不行，学不会，还不懂尊重前辈。

评论区有人说，这种人不是不会带，是太会算了。还有人更直接：他怕的不是你犯错，是你真学会。

这话我信。很多老员工压根不是经验值高，是信息差捂得紧。表面一副“我也是为你好”，背地里全是小动作。新人最惨，问也挨骂，不问也背锅，活像进了什么职场狼人杀。碰上这种人，别急着内耗，先留痕，少掏心窝子，HR看完这种戏码估计都得翻白眼。

算法题：数据流的中位数

堆里两个数一比，代码看着没毛病，结果一上数据流就开始发飘：前半段越来越大，后半段越来越小，中位数一算还不对。 这种题我一般不先想“怎么求中位数”，我先想一件更实际的事：数据是一条一条进来的，你没法每来一个数就全量排序一遍，那不是算法题，那是拿时间复杂度硬扛。

这题的手感，其实就在两个堆上。

一个大顶堆，专门放“较小的一半”；一个小顶堆，专门放“较大的一半”。这样中位数就很好取了：

• 如果总数是奇数，让大顶堆多一个元素，中位数就是它的堆顶。
• 如果总数是偶数，中位数就是两个堆顶的平均值。

这地方我第一眼会先盯住两个约束，不然后面一定乱：

1. 两个堆的元素数量差不能超过 1
2. 大顶堆里的值，必须都小于等于小顶堆里的值

Python 里没有现成的大顶堆，heapq 默认是小顶堆，所以通常把数值取反来模拟。

代码直接看，比讲一堆概念省事：

import heapq


classMedianFinder:

def__init__(self):
        self.left = []   # 大顶堆，存较小的一半，实际存负数
        self.right = []  # 小顶堆，存较大的一半

defaddNum(self, num: int) -> None:
ifnot self.left or num <= -self.left[0]:
            heapq.heappush(self.left, -num)
else:
            heapq.heappush(self.right, num)

# 平衡两个堆
if len(self.left) > len(self.right) + 1:
            heapq.heappush(self.right, -heapq.heappop(self.left))
elif len(self.right) > len(self.left):
            heapq.heappush(self.left, -heapq.heappop(self.right))

deffindMedian(self) -> float:
if len(self.left) > len(self.right):
return float(-self.left[0])
return (-self.left[0] + self.right[0]) / 2.0

拿一组数据走一下：2, 1, 5, 7, 2, 0, 5

• 来 2，左边 [2]，中位数 2
• 来 1，左边 [1]，右边 [2]，中位数 1.5
• 来 5，右边多了，挪一个到左边，中位数 2
• 后面继续加，始终保持“左边兜底，右边托住”

这个解法的好处不是“优雅”，而是稳。每插入一次，复杂度是 O(log n)；取中位数直接看堆顶，就是 O(1)。你要是每次都排序，那插入一条数据就得重新排，性能很快就没法看了。

这题真正容易写错的，不是堆，反而是“平衡”这一步。很多人写完入堆逻辑就觉得结束了，结果两个堆大小失衡，或者左边堆顶比右边还大，中位数自然就脏了。气质。