给你一支股票价格的数据流。数据流中每一条记录包含一个 时间戳 和该时间点股票对应的 价格 。
不巧的是，由于股票市场内在的波动性，股票价格记录可能不是按时间顺序到来的。某些情况下，有的记录可能是错的。如果两个有相同时间戳的记录出现在数据流中，前一条记录视为错误记录，后出现的记录 更正 前一条错误的记录。
输入：
["StockPrice", "update", "update", "current", "maximum", "update", "maximum", "update", "minimum"]
[[], [1, 10], [2, 5], [], [], [1, 3], [], [4, 2], []]
输出：
[null, null, null, 5, 10, null, 5, null, 2]
解释：
StockPrice stockPrice = new StockPrice();
stockPrice.update(1, 10); // 时间戳为 [1] ，对应的股票价格为 [10] 。
stockPrice.update(2, 5); // 时间戳为 [1,2] ，对应的股票价格为 [10,5] 。
stockPrice.current(); // 返回 5 ，最新时间戳为 2 ，对应价格为 5 。
stockPrice.maximum(); // 返回 10 ，最高价格的时间戳为 1 ，价格为 10 。
stockPrice.update(1, 3); // 之前时间戳为 1 的价格错误，价格更新为 3 。
// 时间戳为 [1,2] ，对应股票价格为 [3,5] 。
stockPrice.maximum(); // 返回 5 ，更正后最高价格为 5 。
stockPrice.update(4, 2); // 时间戳为 [1,2,4] ，对应价格为 [3,5,2] 。
stockPrice.minimum(); // 返回 2 ，最低价格时间戳为 4 ，价格为 2 。
sortedList
有序队列
class sortedcontainers.SortedList(iterable=None, key=None)
# 添加
SortedList.add(value) 添加新元素，并排序。时间复杂度O(log(n)).
SortedList.update(iterable) 对添加的可迭代的所有元素排序。时间复杂度O(k*log(n))
# 删除
SortedList.clear() 移除所有元素。时间复杂度O(n).
SortedList.discard(value) 移除一个值元素，如果元素不存在，不报错。时间复杂度O(log(n)).
SortedList.remove(value) 移除一个值元素，如果元素不存在，报错ValueError。时间复杂度O(log(n)).
SortedList.pop(index=-1) 移除一个指定下标元素，如果有序序列为空或者下标超限，报错IndexError. 时间复杂度O(log(n))
# 查找
SortedList.bisect_left(value) 查找元素可以插入的位置下标，如果这个value已经存在，则插入已经存在的所有values之前（左侧）.时间复杂度O(log(n)).
SortedList.bisect_right(value) 查找元素可以插入的位置下标，如果这个value已经存在，则插入已经存在的所有values之后（右侧）。时间复杂度O(log(n)).
SortedList.count(value) 查找元素出现的次数。时间复杂度O(log(n)).
SortedList.index(value, start=None, Stop=None) 查找索引范围[start,stop）内第一次出现value的索引，如果value不存在，报错ValueError. 时间复杂度O(log(n)).
SortedList.irange(minimun=None, maximum=None, inclusive=True, True, reverse=False) 返回value=[minimun，maximum]之间的可迭代值，inclusive = Ture, True 第一个True表示包括索引minimun， 第二个Ture表示包括索引maximum，reverse是表示返回的可迭代值是否反转。
SortedList.islice(start=None, stop=None, reverse=False) 返回index=[start, stop)之间的可迭代值（切片）
heap堆
import heapq #载入heap库，heap指的是最小堆
# 列表转化为堆
heapq.heapify(heap)
heap = [1,3,4,2,6,8,9]
heapq.heapify(heap)
# heap = [1,2,4,3,6,8,9]
# 增加
heapq.heappush(heap,item)
# 删除堆顶 即最小值
heapq.heappop(heap)
heapq.heapreplace(heap, item) 删除最小值，并替换新值
# 查询
heapq.nlargest (n, heap)
heapq.nsmallest(n, heap) #查询堆中的最小元素，n表示查询元素个数
