欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

算法学习笔记(四):堆排序

程序员文章站 2022-06-26 10:41:48
#说的还是感觉不够清晰,感兴趣的勉强看看吧 (一) 堆 这里的堆指的是堆数据结构,不是Java中的垃圾收集器。堆可以理解为一个近似的完全二叉树,如下图,除了最底层之外该树是完全满的,并且是从左往右填充。(最底层只是不要求填充满,不是不能填充满) 例如:[5, 7, 8, 10, 12, 15](小顶 ......

#说的还是感觉不够清晰,感兴趣的勉强看看吧

(一) 

这里的堆指的是堆数据结构,不是Java中的垃圾收集器。堆可以理解为一个近似的完全二叉树,如下图,除了最底层之外该树是完全满的,并且是从左往右填充。(最底层只是不要求填充满,不是不能填充满)

例如:[5, 7, 8, 10, 12, 15](小顶堆)

算法学习笔记(四):堆排序


(二)  堆的性质

软件设计师考试资料中对于堆的定义,要满足下面的公式。

 算法学习笔记(四):堆排序

(三)  堆排序的过程

 分为2个过程:

1、      建立大顶堆或小顶堆。

2、      对大顶堆或小顶堆进行排序

(四)  建立大顶堆(理解了大顶堆,小顶堆差不多,可以自己尝试实现,可能写一遍就比较清晰了)

从第二点中我们知道,要建立最大堆,就要维护下面的性质。

 算法学习笔记(四):堆排序

例如:[15, 12, 10, 8, 7, 5] 就满足上面的性质。(这里我们就当列表的索引从1开始,而不是从0开始)

实现代码:

 1 #建堆
 2 def buildHeap(A):
 3     #这里在首位插入一个X是为了方便比较(因为python列表的索引从0开始),目的是为了方便维护堆的性质(Ki >= K2i 和Ki >= K2i+1)
 4     #例如:传入的列表是[12,5,7,8,10,15],这里就变成 ['X',12,5,7,8,10,15]
 5     #所以我们要处理数据实际上是A[1],A[2]...A[len(A)]
 6     #这个'X'永远用不上,唯一的作用就是让我们要处理的数据从A[1]开始
 7     A.insert(0,'X')
 8     #获取列表中间元素的索引,因为多加了一个元素,所以这里减1
 9     k = (len(A)-1)//2
10     #这边range(k,0,-1) 意思是 i = k ,i = k-1 ...(最小为1,不会等于0)
11     for i in range(k,0,-1):
12         maxHeap(A,i)
13     return A
14 #维护大顶堆的性质
15 def maxHeap(A,i):
16     #为了维护 Ki >= K2i 和Ki >= K2i+1,先获取相应的索引(下标)
17     largest = i
18     k1 = 2*i
19     k2 = 2*i+1
20     #第一个条件:这里加这个条件是因为,递归调用maxHeap的时候,2i有可能大于列表长度,
21     # 在调试模式下看这个函数的执行过程就清楚了。
22     #第二个条件:比较大小(对应到公式就是,如果Ki < K2i)
23     if k1 < len(A) and A[i] < A[k1]:
24         largest = k1
25     if k2 < len(A) and A[largest] < A[k2]:
26         largest = k2
27     #条件成立就交换数据,不成立说明A[i]已经是最大了,函数结束
28     if largest != i:
29         #交换A[i] A[largest]的值
30         A[i],A[largest] = A[largest],A[i]
31         #交换数据后,以该节点为根的子树可能违反大顶堆的性质,所以递归调用自身
32         maxHeap(A,largest)

(五)  对大顶堆进行排序

排序的过程就是在大顶堆的基础上,重复1、2、3步骤(这里请注意,我们的列表的第一个元素是‘X’,需要处理的数据是从A[1]开始的)

1、交换A[1]  A[len(A)]。(就是将列表第一个数据和最后一个数据交换,因为交换前是大顶堆,交换后,列表最后一个数据就是最大的了)

2、删除列表末尾的数据,添加到结果列表中。

3、数据交换后,大顶堆的性质肯定不成立了。所以调用maxHeap()维护大顶堆的性质

 1 #堆排序
 2 def heapSort(A):
 3     # 这里返回的是一个大顶堆
 4     A = buildHeap(A)
 5     #因为在buildHeap(A)多加了一个元素,所以这里-1
 6     k = len(A)-1
 7     result = []
 8     while k >0:
 9         #将A[1]和A[k]交换
10         A[1],A[k]= A[k],A[1]
11         #删除A列表末尾的数据,添加到result列表中
12         result.insert(0,A.pop())
13         # result.append(A.pop())
14         k -= 1
15         maxHeap(A,1)
16     return result

(六)  完整代码

 1 #建堆
 2 def buildHeap(A):
 3     #首位插入一个元素,方便比较
 4     A.insert(0,'X')
 5     k = (len(A)-1)//2
 6     for i in range(k,0,-1):
 7         maxHeap(A,i)
 8     return A
 9 #维护大顶堆的性质
10 def maxHeap(A,i):
11     largest = i
12     k1 = 2*i
13     k2 = 2*i+1
14     if k1 < len(A) and A[i] < A[k1]:
15         largest = k1
16     if k2 < len(A) and A[largest] < A[k2]:
17         largest = k2
18     if largest != i:
19         A[i],A[largest] = A[largest],A[i]
20         #交换数据后,以该节点为根的子树可能违反大顶堆的性质,所以递归调用自身
21         maxHeap(A,largest)
22 #堆排序
23 def heapSort(A):
24     A = buildHeap(A)
25     k = len(A)-1
26     result = []
27     while k >0:
28         A[1],A[k]= A[k],A[1]
29         result.insert(0,A.pop())
30         # result.append(A.pop())
31         k -= 1
32         maxHeap(A,1)
33     return result
34 
35 B = [12,5,7,8,10,15]
36 
37 print(heapSort(B))

算法学习笔记(四):堆排序