数据结构算法笔记 从入门到放弃 （二）高级数据结构之优先队列如何使用

• 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）