数据结构之最小堆[MinHeap](C#版)

什么是最小堆

猿话版

  1. 最小堆是一棵小根树,节点的值都小于等于其根节点的值;
  2. 最小堆是完全二叉树;

补充一点: 什么是完全二叉树?

完全二叉树的官方定义,这里就不复制粘贴咯,因为太难理解了
(至少对于我来说…),所以,这里就补充一下,我个人是怎么理解完全二叉树的。

个人理解的完全二叉树:添加元素时,只能往最后一层(如果最后一层已经满了,则从下一层开始)按照从左到右的顺序进行添加。

下面用图示解释一下:

下图所示的是一棵完全二叉树,先来看看如何往这棵树里面插入元素才能维持完全二叉树的属性。
完全二叉树

插入一个元素后的完全二叉树应如下图所示:
完全二叉树
可以看到,第二层已经满了,所以需要往下一层添加,因为第三层是没有元素的,所以要从第一个位置(即节点2的左节点)开始添加,好,下面个我们再来添加一个元素,让它继续是一棵完全二叉树。

在这里插入图片描述
现在插入了元素5,它仍是一棵完全二叉树,其实,树在添加元素的时候,按照图上的箭头方向来添加元素,就是一棵完全二叉树了。

说了那么多,我们来看看,怎么插入元素,能让它毁掉完全二叉树的威名。
非完全二叉树

从上图可以看到,如果将元素6放到红色的位置,那么它仍然是一棵完全二叉树,可是呢,元素6不听话,说要毁掉这棵完全二叉树的威名,于是它站到了黑色的位置,那么这棵树,就不是完全二叉树了。

代码

最小堆的结构

实现最小堆其中之一的结构,就是使用动态数组(列表),这种实现方式,跟之前使用类的方式去实现的其他树有所不同。最大的不同点是,对于动态数组的方式,我们如何确定或者说定位一个元素的子节点或者父节点呢?

我们先来看个图吧。最小堆和动态数组的关系
最小堆和动态数组的对应关系如上图。

废话不多说,看图可以得出(哈哈哈哈),假设当前元素的索引为n,其左子节点索引为2*n+1,其右子节点索引为2*n+2,其父节点为 (n-1)/2(取整)

下面就看看代码吧。

public class MinHeap<T> where T : IComparable
    {
   
        ///<summary>
        /// 储存元素的List
        ///<summary>
        private List<T> _elements;
        ///<summary>
        /// 堆元素数量
        ///<summary>
        public int Count
        {
   
            get {
    return _elements.Count; }
        }
        ///<summary>
        /// 构造函数
        ///<summary>
        public MinHeap()
        {
   
            _elements = new List<T>(
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python提供了一个内置的数据结构叫做堆,它可以帮助你实现堆排序,最小堆,最大堆等功能。Python的heapq模块提供了一些函数来操作堆,比如heappush(),heappop(),heapify()等等。你可以使用这些函数来模拟堆数据结构。 ### 回答2: 使用Python编程语言来模拟数据结构堆是很容易的。下面是一个简单的例子: 首先,可以创建一个名为Heap的类来实现堆的相关操作。该类有一个列表作为成员变量来存储堆中的元素。可以创建构造方法来初始化这个列表。例如: ```python class Heap: def __init__(self): self.heap = [] ``` 接下来,可以实现一些堆的基本操作,如插入元素、删除元素和获取堆的大小等。以下是一个示例: ```python class Heap: def __init__(self): self.heap = [] def insert(self, value): self.heap.append(value) self._heapify_up(len(self.heap) - 1) def delete(self, index): if len(self.heap) == 0: return self._swap(index, len(self.heap) - 1) self.heap.pop() self._heapify_down(index) def size(self): return len(self.heap) def _heapify_up(self, index): parent = (index - 1) // 2 if index > 0 and self.heap[index] < self.heap[parent]: self._swap(index, parent) self._heapify_up(parent) def _heapify_down(self, index): left_child = (2 * index) + 1 right_child = (2 * index) + 2 smallest = index if left_child < len(self.heap) and self.heap[left_child] < self.heap[smallest]: smallest = left_child if right_child < len(self.heap) and self.heap[right_child] < self.heap[smallest]: smallest = right_child if smallest != index: self._swap(index, smallest) self._heapify_down(smallest) def _swap(self, i, j): self.heap[i], self.heap[j] = self.heap[j], self.heap[i] ``` 上面的代码演示了如何使用Python模拟数据结构堆。通过创建一个Heap类,使用列表来表示堆的基本操作,如插入、删除和获取大小。还实现了一些辅助方法(以"_"为前缀),例如_heapify_up和_heapify_down来调整堆的顺序。 总之,使用Python来模拟数据结构堆是相对简单的。可以使用类和列表来实现堆的基本操作,并实现一些辅助方法来维护堆的特性。 ### 回答3: Python可以使用列表来模拟数据结构堆。堆是一个完全二叉树,其中的每个节点的键值都必须大于等于(或小于等于)其子节点的键值。下面是一个使用列表来模拟最小堆的示例: ```python class MinHeap: def __init__(self): self.heap = [] def parent(self, i): return (i-1)//2 def left_child(self, i): return 2*i + 1 def right_child(self, i): return 2*i + 2 def insert(self, k): self.heap.append(k) i = len(self.heap) - 1 while i != 0 and self.heap[self.parent(i)] > self.heap[i]: self.heap[self.parent(i)], self.heap[i] = self.heap[i], self.heap[self.parent(i)] i = self.parent(i) def extract_min(self): if len(self.heap) == 0: return None min_value = self.heap[0] self.heap[0] = self.heap.pop() self.min_heapify(0) return min_value def min_heapify(self, i): left = self.left_child(i) right = self.right_child(i) smallest = i if left < len(self.heap) and self.heap[left] < self.heap[smallest]: smallest = left if right < len(self.heap) and self.heap[right] < self.heap[smallest]: smallest = right if smallest != i: self.heap[i], self.heap[smallest] = self.heap[smallest], self.heap[i] self.min_heapify(smallest) ``` 这个MinHeap类包含了一些基本的操作,包括构造函数`__init__`、找到父节点`parent`、找到左孩子节点`left_child`、找到右孩子节点`right_child`、插入一个元素`insert`、提取最小元素`extract_min`以及维持堆的性质`min_heapify`等。 这样,我们就可以使用这个MinHeap类来模拟数据结构堆了。例如,我们可以使用如下代码创建一个最小堆、插入一些元素并提取最小元素: ```python heap = MinHeap() heap.insert(3) heap.insert(2) heap.insert(1) heap.insert(4) print(heap.heap) # 输出: [1, 3, 2, 4] min_value = heap.extract_min() print(min_value) # 输出: 1 print(heap.heap) # 输出: [2, 3, 4] ``` 这段代码首先创建了一个最小堆,然后向堆中插入了一些元素,最后使用`extract_min`方法提取出最小元素并打印结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值