堆结构和堆排序原理及python实现

堆结构

堆结构是一个完全二叉树，将数组中的数字在二叉树从上到下，从左到右进行排列。
若每个父节点的值大于子节点的值则为大顶堆，若每个父节点的值小于子节点的值则为小顶堆。

属性：

1. 对任意一个node为idx （idx=0为根节点）
   父节点：（idx-1）//2，左节点：（2idx + 1），右节点：（2idx + 2）
2. 父节点 >=子节点，根节点最大（大顶堆），反之小顶堆

堆排序

堆排序分为建堆和堆调整两个过程。建堆的时间复杂度为O(n)，堆调整的时间复杂度为log(n），所以堆排序的时间复杂度为nlog(n)。

建堆过程：
以大顶堆为例，利用数组将元素从上到下， 从左到右依次排列到二叉树中， 此时只是排列还并不堆结构。从最后一个节点的父节点开始调整，直到调整到根节点。调整过程中从当前节点和子节点中选择最大值放到当前节点位置，然后看子节点还需不需要调整，如果需要继续调整子节点到自己的位置。

堆排序过程：
在建立好的大顶堆中，将根节点与最后一个节点进行交换，此时最后一个节点为最大值，然后将根节点的值进行堆调整heapify到自己的位置，此时根节点为第二大值。继续将根节点与倒数第二个节点的值进行交换，在对根节点进行heapify。依次操作下去便可获得堆排序。

堆结构python实现

class Heap:

    def __init__(self):
        self.data = []
    
    def __len__(self):
        return len(self.data)
    
    def is_empty(self):
        return len(self.data) == 0
    
    def add(self, item):
        self.data.append(item)
        self.upheap(len(self.data)-1)
    
    def get_max(self):
        if self.is_empty():
            return None
        return self.data[0]
    
    def remove_min(self):
        if self.is_empty():
            return None
        self.swap(0, len(self.data)-1)
        item = self.data.pop()
        self.downheap(0)
        return item
    
    def _parent(self, idx):
        return (idx-1) // 2
    
    def _left(self, idx):
        return (2*idx) + 1
    
    def _right(self, idx):
        return (2*idx) + 2
    
    def swap(self, i, j):
        self.data[i], self.data[j] = self.data[j], self.data[i]
    
    def upheap(self, idx):
        parent = (idx-1) // 2
        if idx > 0 and self.data[idx] > self.data[parent]:
            self.swap(idx, parent)
            self.upheap(parent)
        
    def downheap(self, idx):
        left = 2*idx + 1
        right = 2*idx + 2
        if left < len(self.data) and self.data[left] > self.data[idx]:  # 左节点存在
            large = left
        if right < len(self.data) and self.data[right] > self.data[large]: # 右节点存在
                large = right
        if large != idx:
            self.swap(large, idx)
            self.downheap(large)

堆排序python实现

def heapify(arr, heap_size, idx):
    '''对idx个节点进行heapify, 大顶堆'''
    left = 2*idx + 1
    right = 2*idx + 2
    large = idx
    if left < heap_size and arr[left] > arr[idx]:  # 存在左节点
        large = left
    if right < heap_size and arr[right] > arr[large]:   # 存在右节点
        large = right
    if large != idx:
        arr[large], arr[idx] = arr[idx], arr[large]
        heapify(arr, heap_size, large)


def build_heap(arr):
    '''从最后一个节点的父节点开始,只到根节点'''
    heap_size = len(arr)
    for i in range((heap_size-2)//2, -1, -1):   
        heapify(arr, heap_size, i)

def heap_sort(arr):
    build_heap(arr)  # 构建大顶堆
    for i in range(len(arr)-1, -1, -1):
        arr[0], arr[i] = arr[i], arr[0]  # 交换第一个和最后一个节点，最大值换到最后
        heapify(arr, i, 0)
    return arr

        
if __name__ =='__main__':
    arr = [3, 6, 8, 1, 2, 3, 9, 0, 12, 7]
    print(heap_sort(arr))