哈夫曼树与哈夫曼算法(python实现)

哈夫曼树

定义设有实数集，T是一棵扩充二叉树，其m个外部结点分别以wi(i=1,2,..,n-1)为权，而且T的带权外部路径长度在所有这样的扩充二叉树中达到最小，则称T为数据集的最优二叉树或者哈夫曼树。

哈夫曼算法

以下以一个例子演示了哈夫曼算法的过程。

由于构造哈夫曼树的过程中每次要取根节点较小的 两棵树生成重新一棵树，因此可以考虑使用优先队列存储这些待处理的树。

因为优先队列入队时会根据入队元素的大小将其放在合适的位置，使其元素始终是从小到大排列的。

以下是python实现哈夫曼算法的代码：

#二叉树节点类
class BinTNode:
    def __init__(self,dat,left=None,right=None):
        self.data=dat
        self.left=left
        self.right=right

#哈夫曼树节点类
class HTNode(BinTNode):
    def __lt__(self, other):    #python类的内置方法，自定义”小于”的比较操作
        return self.data<other.data

#哈夫曼优先队列
class HuffmanPrioQ(PrioQueue):
    def number(self):
        return len(self._elems)     #返回队列中的元素个数

#哈夫曼算法
def HuffmanTree(weights):
    trees=HuffmanPrioQ()
    for w in weights:
        trees.enqueue(HTNode(w))
    while trees.number()>1:
        t1=trees.dequeue()
        t2=trees.dequeue()
        x=t1.data+t2.data
        trees.enqueue(HTNode(x,t1,t2))
    return trees.dequeue()