首先将数组nums进行排序，然后找到中间位置的数值
如果数组长度n为奇数，则(n+1)/2处对应值为中位数，如果数组下标从0开始，还需要减去1
如果数组长度n为偶数，则n/2,n/2+1两个位置数的平均值为中位数

假设中位数为x，并采用大小根堆来存储元素

1. 采用大根堆存储小于等于中位数的元素，记大根堆的长度为$n_{max}$
2. 采用小根堆存储大于中位数的元素，记小根堆的长度为$n_{min}$
3. 保持$n_{min}\le n_{max}\le n_{min}+1$
   在遍历数组num的过程中，维持以上三个条件，即确保大根堆的堆顶元素必为中位数，那么

• 当$num\le x$时，将num推入que_max中，同时比较大小根堆的长度，当$n_{max}>n_{min}+1$，表明新的中位数小于原来的中位数，则将que_max中堆顶元素弹出，并推入到小根堆que_min中
• 当$num>x$时，将num推入que_minx中，同时比较大小根堆的长度，当$n_{max}<n_{min}$，表明新的中位数大于原来的中位数，则将que_min中堆顶元素弹出，并推入到大根堆$qu{e}_{m}ax$中

import numpy as np
import heapq
nums = np.random.choice(np.array(20),10,replace=False)
print('数组为',nums)
def findmid(nums):
    que_min = list() #小根堆，存储大于中位数的元素
    que_max = list() #大根堆，存储小于等于中位数的元素 !python中默认建造小根堆，可以将元素进行取负，来构造大根堆
    n = len(nums)
    for i in range(n):
        if not que_max or nums[i] <= -que_max[0]:
            heapq.heappush(que_max,-nums[i])
            if len(que_max) > len(que_min)+1:
                heapq.heappush(que_min,-que_max[0])
                heapq.heappop(que_max) 
        else:
            heapq.heappush(que_min, nums[i])
            if len(que_min) > len(que_max):
                heapq.heappush(que_max,-que_min[0])
                heapq.heappop(que_min)
    if n % 2==0:
        return (que_min[0] - que_max[0])/2
    else:
        return que_max[0]
print('数组的中位数为：',findmid(nums))

输出结果如下：