堆排序的基本思想以及python实现

$堆排序$
　　堆排序：只需要一个记录大小的辅助空间，每个待排序的记录仅占有一个存储空间。
　　堆的定义：n个元素的序列 { k 1 , k 2 , . . . , k n } \{k_1,k_2,...,k_n\} {k1​,k2​,...,kn​}，当且仅当满足以下关系是，称为堆。
　　$\{\begin{array}{l}{k}_i⩽k_{2i}\\ k_i⩽k_{2i+1}\end{array}$或$\{\begin{array}{l}{k}_i⩾k_{2i}\\ k_i⩾k_{2i+1}\end{array}$，$i=1,2,...,\lfloor \frac{n}{2}\rfloor$
　　若将和此序列对应的二维数组（即以一维数组作此序列的存储结构）看成是一个完全二叉树，则堆的含义表明，完全二叉树中所有非终端节点的值均不大于（或不小于）其左右孩子节点的值。由此，若序列 { k 1 , k 2 , . . . , k n } \{k_1,k_2,...,k_n\} {k1​,k2​,...,kn​}是堆，则堆顶元素（或完全二叉树的根）必为序列中n个元素的最小值（或最大值）。
　　堆排序的主要思想：在输出堆顶的最小值（或最大值）之后，使得剩余的n-1个元素的序列又重建成一个堆，则得到n个元素中的次小值（或次大值）。如此反复执行，便能得到一个有序序列，此过程即为堆排序。
　　实现堆排序需要解决两个问题：
　　1）如何由一个无序序列建成一个堆？
　　2）如何在输出堆顶元素之后，调整剩余元素成为一个新的堆？
　　例题：假设给定的数组为[2,1,7,9,5,8]，对其进行堆排序。（小顶堆）
　　基本流程：
　　1）首先对其进行堆调整。（无序序列建堆）
　　
　　2）堆筛选
　　
　　代码实现：

def HeapSort(H):
	# 从非叶节点开始调整
    i = (len(H)-1)//2
    while i > 0:
    	# 堆筛选函数
        HeapAdjust(H,i,len(H)-1)
        i -= 1
    # 用于存储堆排序的结果
    result = []
    # 输出H[1]，并和尾结点交换，并删除。
    j = len(H)-1
    while j > 1:
    	# 添加H[1]到result中。
        result.append(H[1])
        # 交换位置
        H[1],H[j] = H[j],H[1]
        # 删除尾结点。
        H.pop()
        # 堆筛选
        HeapAdjust(H,1,j-1)
        j -= 1
    # 将H[1]添加到result中
    result.append(H[1])
    return result
def HeapAdjust(H,s,m):
	# 记录当前节点的值。
    rc = H[s]
    # 其左孩子节点
    j = 2 * s
    while j <= m:
    	# 如果j<m，则判断其左右孩子节点的值的大小，如果左孩子大于右孩子，则最小值为
    	# 右孩子
        if j < m and H[j] > H[j+1]:
            j += 1
        # 判断当前节点和左右孩子的最小值的大小
        # 如果根节点小于其左右孩子，则break。
        if rc < H[j]:
            break
        # 否则，将其左右孩子的最小值赋值给当前节点，继续调整被破坏的堆结构。
        H[s] = H[j]
        s = j
        j *= 2
    # 最后将当前节点的值，赋值给调整后的位置
    H[s] = rc

算法分析：
　　时间复杂度：由于HeapSort函数的时间复杂度为O(n)，HeapAdjust函数的时间复杂度为O(logn)，所以整体的时间复杂度为O(nlogn)。
　　空间复杂度：由于我们采用了一个result来存储最终的结果，所以其空间复杂度为O(n)，但是我们也可以直接输出，不保存结果的话，其空间复杂度为O(1)。（大家有改进的方法的话，可以留言讨论。共勉！）