https://www.jianshu.com/p/d174f1862601 【python-堆】
https://blog.csdn.net/qq_31156277/article/details/90117773 【堆】
https://www.sohu.com/a/256022793_478315 【优先队列】
堆的基本要求是堆中所有结点的值必须大于或等于(或小于或等于)其孩子结点的值。除此以外,所有叶子结点都是处于第 h 或 h - 1层(h为树的高度),其实堆也是一个完全二叉树。
为什么能用数组去存储堆中的元素?原因就在于 堆是一个完全二叉树,它的节点信息,可以完全按照 第i个节点,其左右孩子节点分别为 2i 和 2i+1。这样去存储。
优先队列就是在堆的基础上做的。队列是先进先出,优先队列分为最大优先队列和最小优先队列。
最大优先队列对应->大顶堆。
最小优先队列对应->小顶堆。
优先队列的弹出顺序是 元素中最大或者最小的元素优先被弹出(不管其是否在队列头部)
相关题目:
分析这道题,主要是如何在有序表中建立一个快速查询和快速插入元素的问题。第一种方案:建立有序表,每次利用二分查找来找到查找位置,然后插入元素。O(NlogN)的时间复杂度。
第二种方案就是利用:优先队列(堆)。因为堆的插入和弹出都是O(N)。可以降低复杂。代码来自:题解
主要思想就是:
建立两个堆。 A:小顶堆(从小到大,存储较大的半部分元素) B:大顶堆(从大到小,存储较小的半部分元素)
[Bn,Bn-1,...,B0] [A0,A1,A2,...An ]
这样取得中位数的时候,就是(A0+B0)/2 或者A0
Python 中 heapq 模块是小顶堆。实现 大顶堆 方法: 小顶堆的插入和弹出操作均将元素 取反 即可。
解释一下什么叫把小顶堆的插入和弹出操作均取反?
由于模块中存放的是小顶堆,是按照从小到大的方式去存的 如[-1,4,8,9]。那么如何将其取反 (1,-4,-8,-9)在按照从小到大排序,那么就是 [-9,-8,-4,1]。读堆顶的时候再加个符号就实现了大顶堆的方式。
from heapq import *
class MedianFinder:
def __init__(self):
self.A = [] # 小顶堆,保存较大的一半
self.B = [] # 大顶堆,保存较小的一半
def addNum(self, num: int) -> None:
if len(self.A) != len(self.B):
heappush(self.A, num)
heappush(self.B, -heappop(self.A)) ## 大顶堆,存 取反结果
else:
heappush(self.B, -num) ## 大顶堆,存 取反结果
heappush(self.A, -heappop(self.B)) #从大顶堆取出来的也是反的再次取反得正
def findMedian(self) -> float:
return self.A[0] if len(self.A) != len(self.B) else (self.A[0] - self.B[0]) / 2.0
## self.A[0] + (-self.B[0])