堆是一种特殊的数据结构，表现为完全二叉树，分为大顶堆和小顶堆。堆的主要操作包括堆化、插入、删除，常用于堆排序、TopK问题、优先队列等。堆的插入和删除操作具有O(logn)的时间复杂度。堆的实现有两种主要方式，一种是从下向上建堆，另一种是从后向前建堆。在应用中，堆可用于解决大规模数据的排序和查找问题。
堆
概念
符合以下两点的就是堆：
1.堆是一个完全二叉树
2.堆中每一个结点的值都必须大于等于（或小于等于）其子树中每个结点的值
都大于等于的叫大顶堆，都小于等于的叫小顶堆
堆存储
由于堆是一个完全二叉树，比较适合用数组存储
可以使用下标方便找到左右子结点和父结点
如图所示，对于结点1的结点，其左子结点的下标就是1＊2，右子结点的下标就是1＊2＋1，父结点下标就是i/2
常见操作
以大顶堆为例，小顶堆同理
1.堆化图
方向分为从下到上和从上到下，这里以从下到上为例：
每次在数组最后添加一个元素，依次让新插入的结点和父亲节点进行比较，如果大于其父结点则交换，直到其小于等于父结点
2.插入元素
给堆中插入一个元素，则进行上述的堆化，从而保证堆的特性
3.删除
大顶堆的堆顶元素就是该数组的最大值，当删除堆顶元素之后，就需要把第二大的元素放到堆顶以继续符合大顶堆的定义。
根据堆的定义可知，第二大元素一定在左右子结点中，然后再依次迭代处理第二大元素所在的子结点，直到叶子结点被删除。
但是这种思路会出现不符合二叉树的问题
如图所示
实际上的堆的解决思路：
把最后一个元素移到堆顶，然后进行堆化，避免出现数组空洞造成不符合满二叉树的问题
4.空间复杂度
上述的插入删除的操作的空间复杂度都是堆高，也就是O（logn）
堆的实现
建堆两种思路：
- 1.在数组的基础上，从下标1开始，依次插入2.3.n的元素，类似上面的插入过程，从前向后处理数据, 每个数据插入的时候，从下往上堆化，这种处理效率为O（nlogn）
- 2.从后向前处理数组，并且每个数据从上往下进行堆化，考虑叶子结点往下堆化只能是自己，因此从非叶子结点堆化，时间复杂度为0（n）
堆的应用
1.堆排序
包括建堆和排序，
将下标n/2到1的节点，依次从上到下的堆化操作，
然后将数组中的数据组织成堆，接下来迭代处理将堆顶的元素放到堆的末尾，并将堆的大小减1，然后再堆化，重复这个过程，直到元素剩下一个，此时数组就是有序的
2.TopK
大数据中选出 TopK（静态数据、动态数据），如从几十亿条订单日志中选出金额靠前的 1000 条数据
3.优先队列
4.中位数
常考面试题
- 1.10GB 文件，计算机只有 512MB 大小的可用内存，如何按照字符串大小，给这个 10GB 的大文件排序
- 2.静态数据求中位数
- 3.动态数据求中位数
扫一扫
732
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
