diff --git a/notes/41.1 数据流中的中位数.md b/notes/41.1 数据流中的中位数.md
index 1ed76391..0e8f956c 100644
--- a/notes/41.1 数据流中的中位数.md	
+++ b/notes/41.1 数据流中的中位数.md	
@@ -10,6 +10,12 @@
 
 ## 解题思路
 
+用两个堆把数据分成较小的一半和较大的一半：left 是大顶堆，存较小的一半，堆顶是这一半的最大值；right 是小顶堆，存较大的一半，堆顶是这一半的最小值。让 right 的元素个数等于 left 或比 left 多一个，中位数就只和两个堆顶有关：总数为奇数时是 right 的堆顶，为偶数时是两个堆顶的平均值。插入的时间复杂度为 O(logN)，查找中位数为 O(1)。
+
+新元素不能直接放进要变多的那个堆，因为它可能比另一个堆的堆顶更大或更小。做法是先放进另一个堆，再把那个堆的堆顶移过来。例如 left = {1, 2}、right = {5, 8} 时：
+
+<div align="center"> <img src="pics/offer41-median-heaps.png" width="600px"/> </div><br>
+
 ```java
 class MedianFinder {
 
@@ -25,10 +31,10 @@ class MedianFinder {
     }
 
     public void addNum(int num) {
-        /* 插入要保证两个堆存于平衡状态 */
+        /* 插入要保证两个堆处于平衡状态 */
         if (N % 2 == 0) {
             /* N 为偶数的情况下插入到右半边。
-             * 因为右半边元素都要大于左半边，但是新插入的元素不一定比左半边元素来的大，
+             * 因为右半边元素都要大于左半边，但是新插入的元素不一定比左半边元素来得大，
              * 因此需要先将元素插入左半边，然后利用左半边为大顶堆的特点，取出堆顶元素即为最大元素，此时插入右半边 */
             left.add(num);
             right.add(left.poll());
diff --git a/notes/pics/offer41-median-heaps.png b/notes/pics/offer41-median-heaps.png
new file mode 100644
index 00000000..68323d0d
Binary files /dev/null and b/notes/pics/offer41-median-heaps.png differ