- 优先队列
- 图
- 前缀树
- 后线段树
- 树状数组
优先队列(Priority Queue)
特点:每次取出的元素都是优先级最高的。而这个优先级可以自定义。
应用场景:从一堆杂乱无章的数据当中按照一定的顺序(或者优先级)逐步地筛选出部分乃至全部的数据。
实现:优先队列的本质是一个二叉堆结构。堆在英文里叫 Binary Heap,它是利用一个数组结构来实现的完全二叉树。优先队列的本质是一个数组,数组里的每个元素既有可能是其他元素的父节点,也有可能是其他元素的子节点,而且,每个父节点只能有两个子节点,很像一棵二叉树的结构。
牢记下面优先队列有三个重要的性质。
1.数组里的第一个元素array[0]拥有最高的优先级别。
2.给定一个下标i,那么对于元素array[i]而言:
- 它的父节点所对应的元素下标是它的父节点所对应的元素下标是(i-1)/2
- 它的左孩子所对应的元素下标是2×i+1
- 它的右孩子所对应的元素下标是2×i+2
3.数组里每个元素的优先级别都要高于它两个孩子的优先级。
优先队列有两种操作:
1.向上筛选(sift up)
- 当有新数据导入时,最先存放在二叉堆的底部。
- 不断进行向上筛选的操作,即如果发现该数据的优先级别比父节点的优先级别还要高,那么就和父节点的元素相互交换,再接着往上进行比较,直到无法再继续交换为止。
2.向下筛选(sift down)
- 当堆顶的元素取出后,需要将堆底部的元素放到堆顶,然后不断执行向下筛选工作。
- 将该元素和它的两个孩子节点对比优先级,如果优先级最高的是其中一个孩子,就将该元素和那个孩子进行交换,然后反复进行下去,直到无法继续交换为止。
时间复杂度:整个过程就是沿着树的高度往下爬,所以时间复杂度也是 O(logk)。
因此,无论是添加新的数据还是取出堆顶的元素,都需要 O(logk) 的时间。
初始化
优先队列的初始化是一个最重要的时间复杂度,是分析运用优先队列性能时必不可少的,也是经常容易弄错的地方。
举例:有 n 个数据,需要创建一个大小为 n 的堆。
注意:算法面试中是不要求推导的,你只需要记住,初始化一个大小为 n 的堆,所需要的时间是 O(n) 即可。
例题分析
思路:
解这类求"前k个"的题目,关键是看如何定义优先级以及优先队列中元素的数据结构。
- 题目中有”前k个“这样的字眼,应该很自然地联想到优先队列。优先级别可以由字符串出现的次数来决定,出现的次数越多,优先级越高。
- 统计词频的最好数据结构就是哈希表
- 将数和其出现的次数来作为一个新的对象来构建一个优先队列
python中标准库heapq的使用 https://www.jianshu.com/p/801318c77ab5(heapq默认支持最小堆的构建)