python数据结构——利用堆实现优先级队列

之前写过一个有序/无序列表来实现优先级队列的，在这里。
这次，我们尝试一下用堆来实现。

堆

首先的话，这里默认的堆是小顶堆。
堆，是二叉树的一种，更准确来说是完全二叉树，所以经常使用数组（python中用列表）来存储。如果对这一部分有问题，建议看这里。

堆的性质就是根部的结点最小（这里默认小顶堆），因为树的递归性质，对于每一个子树都成立。

堆支持插入和删除，一般删除都是指删除根节点，并且认为在操作之前堆是满足性质的。

插入

我们习惯的是先在列表的最后进行插入，然后此时一般会破坏堆的性质，我们就需要进行整理。整理的方法也很容易想到，破坏了也就是插入的叶子节点小于其根节点。

插入的一定是叶子，这个不用说了。
不过看一下下面这种情况：

在进行了一次的交换后，1成了4和5的根节点，但此时仍然不是一个堆，因为3>1，所以我们还需要沿着向根节点的路径一直走下去。

删除

因为删除是默认删除根节点，也就是pop出最小的元素，所以不能直接删除，我们将列表最后一个元素提到根节点，很明显这也是一个破坏了堆结构的行为，所以我们还需要整理。
但这次，是顶上出了问题，所以我们要自顶向下。

从上往下选就有问题了，一般都是有两个孩子准备"上位"的，我们就需要选一个小一点的孩子。
同样，只处理一处是不合适的，所以我们还是需要沿着较小孩子的路径向下走。

初始化

如果是一个从最开始就这样插入删除的，那一定是堆。但就怕半路上要整一个堆，就比较烦。

首先，我们来达成几个共识：

• 对于一个无序序列要整理成堆，我们应当采用的是自顶向下的整理方式
• 如果是使用自顶向下的排序方式，我们只需要处理非叶子结点
• 如果是自顶向下，我们需要从最后一个非叶子结点开始

首先，自顶向下的方式，本身就是通过给定一个子树的根节点，一直往下直到叶子结点，所以是不要处理叶子结点的；
另外，自顶向下本身也就是一条路径，如果是破坏能实现构成堆，但如果是无序的，如果从根节点开始，我们可以看一下这个：

第一次，将7-3对换，然后走到3位置上（现在为7），然后2-7对换，此时根节点已经结束了，2就没有机会到根节点了。

但是，如果我们采用的是从最后一个非叶子结点，首先是一定能将这个子树整理成堆的（撑死就两个孩子，一定可以的），然后上面一层都的左右孩子都是堆，调用自顶向下就能实现整理了。
细心的可以发现，其实我们在删除的时候，左右子树就都是堆，所以成立。

然后，我们讨论一下自底向上的方式。
我们当时是在最后插入一个结点的情况下，使用了该方法，所以如果处理需要从第一个结点开始，并且因为从底下开始的性质，是一定要到最后一个结点。

那么也就相当于是从空堆开始，每次插入一个……，那tm当然能成堆了。
不过，要知道叶子节点数=非叶子结点数(+1)，所以这个方法直接把难度拉大了一倍。

实现

有了上面的描述，这部分应该是不难的。

用到了之前的一个基类，也贴出来了。

class PriorityQueueBase():
    """Abstract base class for a priority queue"""
    class _Item():
        """lightweight composite to store priority queue items"""
        __slots__ = '_key', '_value'
        def __init__(self,k,v):
            self._key = k
            self._value = v
        def __lt__(self,other):
            # 这样就可以直接比较两个结点，而不需要比较key
            return self._key < other._key