前言
本节主要讲解堆的两个应用:堆排序和TOP-K问题。
一、堆排序
1、什么是堆排序
问题1: 堆排序是使用堆的结构,先将数据push入堆,再pop回数组吗?
不是,因为使用堆的结构排序会有两个问题:
- 麻烦,因为如果语言没有实现堆结构,就需要我们自己实现堆,例如C语言。
- 使用堆结构空间复杂度为O(N)
堆排序是利用堆的思想来排序,可分为两个步骤:
- 建堆
- 升序:建大堆
- 降序:建小堆
- 利用堆删除思想来进行排序
问题2: 怎样建堆?
我们可以使用向上调整和向下调整两种方式建堆。
- 向上调整建堆:首先把数组第一个数据看作堆,然后把后面的数据按照数组顺序一个个向上调整,确保其满足堆的性质。(即模拟堆插入的过程)
- 向下调整建堆:注意不能直接从根开始直接向下调整,因为向下调整的前提是左右子树必须都是大堆/小堆,所以是从倒数第一个叶子结点的父节点(即倒数第一个非叶子结点)开始向下调整,然后依次向前向上调整到根结点才结束。
问题3: 建堆有两种方式,那我们一般是选择哪种方式建堆?
我们一般使用向下调整来建堆 ,因为向下调整建堆的效率相比向上调整建堆更优。
- 从直观角度上看,向下调整——结点多的向下移动的次数少,但向上调整——结点多的向上移动的次数多。
- 向下调整时间复杂度为O(N),向上调整时间复杂度为O(N*logN)。
问题4: 为什么升序建大堆,降序建小堆?
我们以升序建大堆为例讲解。
如果升序我们建小堆,虽然第一个数字就已经确定了,但是剩下的所有数据关系全乱了,只有重新建堆,即有n个数据我们就需要建堆n-1次,并且空间复杂度也还是0(N),时间复杂度O(N^2*logN),那还不如使用其他方式排序。
tip:堆排序升序建大堆,降序建小堆。
2、堆排序的代码实现
HeapSort.h:
#include<stdio.h>
#include<assert.h>
void Swap(int* e1, int* e2);
void AdjustUp(int* arr, int child);
void AdjustDown(int* arr, int n, int parent);
void Print(int* arr, int n);
void HeapSort(int* arr, int n);
HeapSort.c:
#include"HeapSort.h"
//交换
void Swap(int* e1, int* e2)
{
int temp = *e1;
*e1 = *e2;
*e2 = temp;
}
//大堆的向上调整
void AdjustUp(int* arr, int child)
{
assert(arr);
int parent = (child - 1) / 2;
//向上调整:到跟结束
while (child > 0)
{
//特殊:当父亲大于孩子时结束循环
if (arr[child] > arr[parent])
{
Swap(&arr[child], &arr[parent]);
//迭代
child = parent;
parent = (child - 1) / 2;
}
else
{
break;
}
}
}
//大堆的向下调整
void AdjustDown(int* arr, int n, int parent)
{
assert(arr);
//假设法:定义一个变量存储较大孩子的下标,先假设左孩子大
int child = parent * 2 + 1;
//向下调整:调整到叶子结束
while (child < n)
{
//if确定假设是否成立
//注意:要先判断右孩子是否为有效数据
if (child + 1 < n && arr[child] < arr[child + 1])
{
++child;
}
//特殊:当父亲大于孩子时结束循环
if (arr[child] > arr[parent])
{
Swap(&arr[child], &arr[parent]);
//迭代
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
//打印数组
void Print(int* arr, int n)
{
assert(arr);
int i = 0;
for (i = 0; i < n; ++i)
{
printf("%d ", arr[i]);
}
printf("\n");
}
//堆排序——排升序
void HeapSort(int* arr, int n)
{
assert(arr);
//1、建堆
向上调整,时间复杂度0(N*logN)
//int i = 1;
//for (i = 1; i < n; ++i)
//{
// AdjustUp(arr, i);
//}
//向下调整,时间复杂度0(N)
int i = (n - 1 - 1) / 2;//倒数第一个非叶子,即倒数第一个叶子的父亲,(所以第一个-1是下标从0开始)
for (i = (n - 2) / 2; i >= 0; --i)
{
AdjustDown(arr, n, i);
}
//2、利用堆删除思想来进行排序,时间复杂度0(N*logN)
int end = n - 1;//最后一个数据的下标
while (end > 0)
{
Swap(&arr[0], &arr[end]);
AdjustDown(arr, end, 0);//end等于数组前面的数据个数
//迭代
--end;
}
}
test.c:
#include"HeapSort.h"
int main()
{
int arr[] = { 8,5,3,6,4,7,2,1,0 };
int size = sizeof(arr) / sizeof(arr[0]);
HeapSort(arr, size);
Print(arr, size);
return 0;
}
二、TOP-K问题
1、什么是TOP-K问题
TOP-K问题:即求数据结合中前k个最大的元素或者最小的元素,一般情况下数据量都比较大。
比如:专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。
问题: 找N个数中最大的前K个数,我们是直接建N个数据的大堆,再pop K次吗?
不是,因为TOP-K问题一般数据量都比较大。
假设N很大,比如在100亿个整数里面找出最大的前10个数。此时上面的方法就不能用了,因为内存存不下100亿个数,数据在磁盘中。
tip:
- 1G = 1024MB = 10241024KB = 10241024*1024byte ≈ 10亿字节
- 一个整数4个字节,100亿个整数约400亿个字节(小于),约40G。
使用堆的思想解决TOP-K问题的基本思路:
- 用数据集合中前K个元素来建堆
- 求前K个最大的元素,则建小堆(如果建大堆,假设堆顶元素就是N个元素中最大的,但剩余的N-K个元素有属于前K个的元素也不能进堆,不能解决问题)
- 求前K个最小的元素,则建大堆
- 遍历剩余的N-K个元素依次与堆顶来比较
- 求前K个最大的元素:如果这个元素大于堆顶元素,则替换堆顶,并向下调整,最后这个小堆的数据就是最大的前K个
- 求前K个最小的元素:如果这个元素小于堆顶元素,则替换堆顶,并向下调整,最后这个大堆的数据就是最小的前K个
2、TOP-K的代码实现
//小堆的向下调整
void AdjustDown(int* arr, int n, int parent)
{
assert(arr);
//假设法:定义一个变量存储较小孩子的下标,先假设左孩子小
int child = parent * 2 + 1;
//向下调整:调整到叶子结束
while (child < n)
{
//if确定假设是否成立
//注意:要先判断右孩子是否为有效数据
if (child + 1 < n && arr[child] > arr[child + 1])
{
++child;
}
//特殊:当父亲小于孩子时结束循环
if (arr[child] < arr[parent])
{
Swap(&arr[child], &arr[parent]);
//迭代
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
void PrintTopK(const char* file, int k)
{
// 1. 建堆--用a中前k个元素建小堆
int* topk = (int*)malloc(sizeof(int) * k);
assert(topk);
FILE* fout = fopen(file, "r");
if (fout == NULL)
{
perror("fopen error");
return;
}
// 读出前k个数据建小堆
for (int i = 0; i < k; ++i)
{
fscanf(fout, "%d", &topk[i]);
}
for (int i = (k - 2) / 2; i >= 0; --i)
{
AdjustDown(topk, k, i);
}
// 2. 将剩余n-k个元素依次与堆顶元素比较
int val = 0;
int ret = fscanf(fout, "%d", &val);//失败返回EOF
while (ret != EOF)
{
//如果这个元素大于堆顶元素,则替换堆顶,并向下调整
if (val > topk[0])
{
topk[0] = val;
AdjustDown(topk, k, 0);
}
//迭代
ret = fscanf(fout, "%d", &val);
}
//最后这个小堆的数据就是最大的前K个
Print(topk, k);
free(topk);
fclose(fout);
}
void CreateNDate()
{
// 造数据
int n = 10000000;
srand((unsigned int)time(0));//随机数生成器
const char* file = "data.txt";
FILE* fin = fopen(file, "w");
if (fin == NULL)
{
perror("fopen error");
return;
}
for (int i = 0; i < n; ++i)
{
int x = rand() % 10000;//生成0~10000的随机数
fprintf(fin, "%d\n", x);
}
fclose(fin);
}
int main()
{
//CreateNDate();//只运行一次,之后在文件中自己改10个最大的数据
PrintTopK("data.txt", 10);
return 0;
}
总结:不管是堆排序还是TOP-K问题,其本质都是在利用堆的性质在选数