堆排、python实现堆排

一、堆-完全二叉树
  • 堆排序是利用堆这种数据结构而设计的一种排序算法,堆排序是一种选择排序,它的最坏,最好,平均时间复杂度均为O(nlogn),是不稳定排序

  • 堆排序中的堆有大顶堆、小顶堆两种。他们都是完全二叉树

  • 将该堆按照排序放入列表

1. 大顶堆:
所有的父节点的值都比孩子节点大,叶子节点值最小。root 根节点是第一个节点值最大

2. 小顶堆:
和大顶堆相反,所有父节点值,都小于子节点值,root 根节点是 第一个节点值最小

 

二、堆排序

  • 基本思路:将待排序序列构造成一个大顶堆,此时,整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换,此时末尾就为最大值。可称为有序区,然后将剩余n-1个元素重新构造成一个堆,估且称为堆区(未排序)。这样会得到n个元素的次小值。重复执行,有序区从:1--->n堆区:n-->0,便能得到一个有序序列了
     

    2.1 构造大顶堆

  • 在构造有序堆时,开始时只需要扫描一半的元素(所有父节点)(length/2-1 --> 0)
    因为只有他们才有子节点:3-->2 -->1 -->0

1. 从最后一个父节点开始,将父节点、他所有的子节点中的最大值交换到父节点。父节点:3

2. 将倒数第二个父节点同理交换,父节点:2

3. 父节点:1

4. 根节点:0

5. 注意很重要:务必注意-承接第3步。
假设根节点值为:10, 当他和两个子节点70, 80,

 
父节点和两子节点中的大的(80)交换后位于父节点2:原来80的位置。

 
可是他还有子节点,且子节点中的值比根节点大,那就还需要以他为父节点构造一次,与子节点6 值为20交换一次

同理在其他所有父节点的构造中都需要判断调整

  • 忽略第五步。构造好的的大顶堆如下:

 

2.2 开始排序

  • 基本思路:将待排序序列构造成一个大顶堆,此时,整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换,此时末尾就为最大值。可称为有序区,然后将剩余n-1个元素重新构造成一个堆,估且称为堆区(未排序)。这样会得到n个元素的次小值。重复执行,有序区从:1--->n堆区:n-->0,便能得到一个有序序列了

  • 每次将堆顶(根节点)最的的元素和堆尾列表最后一个元素交换,80 和40交换
    即上面说的堆区(未排序):n-->0最大元素(根节点),和有序区从:1--->n,最后一个元素交换

  • 按照上面原理继续排序,70, 30 交换。然后调整堆

  • 堆顶元素60尾元素20交换后-->调整堆

  • 最后结果

三、Python代码实现
  • 现在排序这么一个序列:list_ = [4, 7, 0, 9, 1, 5, 3, 3, 2, 6]
"""
堆排序  heap_sort

                     4
                   /   \
                 7      0
               /  \    / \
             9    1   5   3
           / \   /
         3   2  6

list_ = [4, 7, 0, 9, 1, 5, 3, 3, 2, 6]
"""

 

3.2 代码实现

 

def swap(data, root, last):
    data[root], data[last] = data[last], data[root]

#调整父节点 与孩子大小, 制作大顶堆
def addjust_head(data, par_node, high):

    new_par_node = par_node
    j = 2*par_node +1   #取根节点的左孩子, 如果只有一个孩子 high就是左孩子,如果有两个孩子 high 就是右孩子

    while j <= high: #如果 j = high 说明没有右孩子,high就是左孩子
        if j < high and data[j] < data[j+1]: #如果这儿不判断 j < high 可能超出索引
            # 一个根节点下,如果有两个孩子,将 j  指向值大的那个孩子
            j += 1
        if data[j] > data[new_par_node]: #如果子节点值大于父节点,就互相交换
            data[new_par_node], data[j] = data[j], data[new_par_node]
            new_par_node = j #将当前节点,作为父节点,查找他的子树
            j = j * 2 + 1

        else:
            # 因为调整是从上到下,所以下面的所有子树肯定是排序好了的,
            #如果调整的父节点依然比下面最大的子节点大,就直接打断循环,堆已经调整好了的
            break


# 索引计算: 0 -->1 --->....
#    父节点 i   左子节点:偶数:2i +1  右子节点:基数:2i +2  注意:当用长度表示最后一个叶子节点时 记得 -1

# 从第一个非叶子节点(即最后一个父节点)开始,即 list_.length//2 -1(len(list_)//2 - 1)
# 开始循环到 root 索引为:0 的第一个根节点, 将所有的根-叶子 调整好,成为一个 大顶堆
def heap_sort(lst):
    """
    根据列表长度,找到最后一个非叶子节点,开始循化到 root 根节点,制作 大顶堆
    :param lst: 将列表传入
    :return:
    """
    length = len(lst)
    last = length -1  #最后一个元素的 索引
    last_par_node = length//2 -1

    while last_par_node >= 0:

        addjust_head(lst, last_par_node, length-1)
        last_par_node -= 1  #每调整好一个节点,从后往前移动一个节点

    # return lst
    while last > 0:

        #
        #swap(lst, 0, last)
        lst[0], lst[last] = lst[last],lst[0]
        # 调整堆少让 adjust 处理最后已经排好序的数,就不处理了
        addjust_head(lst, 0, last-1)
        last -= 1

    return lst #将列表返回

list_ = [4, 7, 0, 9, 1, 5, 3, 3, 2, 6]

heap_sort(list_)
print(list_)


#最后结果为:
[0, 1, 2, 3, 3, 4, 5, 6, 7, 9]

猜你喜欢

转载自www.cnblogs.com/shiqi17/p/9694938.html