算法之堆排序（python）

树基础知识

子节点（i）找父节点：(i-1)//2

堆排序过程

代码实现

本文以大根堆（从小到大排序）为例。

向下调整的条件：节点的左右子树都是堆，但整体（包括自身）不是堆。

建堆过程：先找到最后一个非叶子节点，与其叶子节点，先向下调整形成一个小堆。再往前倒二个非叶子节点，也向下调整形成一个小堆…最后整体满足向下调整条件，进行一次向下调整，建堆完成。

堆排序过程：用i指向堆的最后一个叶子节点，与堆顶交换位置。接下来对除了最大值的其他数进行向下调整（因为是与最后一个叶子节点交换，所以不影响堆的结构，依然满足向下调整的条件）。经过一次调整，第二大的数在堆顶，并且指向最后一个叶子节点的i-1，与堆顶交换位置…最后全部交换过后，形成从小到大排序的列表。

def sift(li,low,high):  # 向下调整
    i = low             # 指向父节点
    j = 2 * i + 1       # 指向左子节点
    tmp = li[low]       # 对堆顶进行向下调整
    while j<=high:      # 子节点要存在
        if j+1 <= high and li[j+1] > li[j]:  # 右子节点存在 且 大于左子节点则指向右子节点
            j = j+1     # 用两个子节点较大的与tmp比较（大根堆）
        if li[j] > tmp: # 子节点大于tmp
            li[i] = li[j]  # 则子节点向上移动
            i = j
            j = 2 * i + 1  # 继续向下查找调整
        else:              # 直到两个子节点都小于tmp，所以tmp可以放这
            li[i] = tmp
            break
    else:  # 若i已指向叶子节点跳出循环，tmp就放这
        li[i] = tmp

def heap_sort(li):
    n = len(li)
    for i in range((n-1-1)//2,-1,-1):  # 建堆，n-1指最后一个叶子节点，（叶子节点-1）//2找到父节点。
        sift(li,i,n-1)  # i是所有小堆父节点，这边统一用n-1可以省去每次求小堆的high
    for i in range(n-1,-1,-1):  # 排序，i指向当前堆最后一个叶子节点
        li[0],li[i] = li[i],li[0]  # 最后一个叶子节点和堆顶交换
        sift(li,0,i-1)          # 现在节点左右均为堆，进行一次向下调整

li = [9,5,2,4,1,7,6,3,8]
print(li)
heap_sort(li)
print(li)

堆排序时间复杂度：O(nlogn)

Python堆的内置模块

heapq.heapify(li) 建（小根）堆
heapq.heappop(li) 弹出最小值（堆顶）

heapq相关函数：

‘heapify’：将一个列表转化为堆 (Transform list into a heap)

‘heappop’:pop最小的item,保持堆不变(Pop the smallest item off the heap, maintaining the heap invariant.)

‘heappush’:heappush(heap, item) 压入item,保持堆不变( Push item onto heap, maintaining the heap invariant.)

‘heappushpop’:heappushpop(heap, item),先heappush(item),再headpop最小元素

‘heapreplace’：heapreplace(heap, item) ,返回最小元素，添加item

‘merge’：heapq.merge(*iterables, key=None, reverse=False) ,合并多个列表为有序列表

‘nlargest’:heapq.nlargest(n, iterable, key=None),寻找列表中最大的n个元素

‘nsmallest’：heapq.nsmallest(n, iterable, key=None),寻找列表中最小的n个元素
————————————————
版权声明：本文为CSDN博主「frostjsy」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u013069552/article/details/107350595