【数据结构与算法】并查集

引言

在刷算法题的时候， 遇到了并查集这个数据结构。对这个数据结构不是特别熟悉，在这篇文章中专门整理总结一下。

这篇文章主要关注以下几点:

1. 并查集可以用于哪些场景
2. 并查集有哪些操作
3. 并查集的简单实现方式
4. 实际解决问题的案例

并查集的应用场景

个人理解，并查集最直接的应用，还是用于分组问题， 把一个几个分成若干个组， 每个组都有一个代表。 我们可能需要把两个组给合并然后重新选举一个代表， 也可能会在给定一个元素的场景下， 判断这个元素是否在某个组中。
看了一些参考资料， 并查集的主要用途有:

• 维护无向图的连通性， 判断两个点是否在同一个连通块内。
• 判断增加一条边是否会产生环。 (对这个用途还不是特别了解，后续研究)

并查集的操作

1. makeSet()
   表示建立一个并查集，这通常是一个数组或者字典，我们可以用索引表示元素的id, 再用数组元素的值表示这个组的代码元素id。

2. unionSet(x, y)
   把元素x 和元素y 的所在的集合合并。

3. find(x)
   找到元素x所在的集合代表。

并查集的数据结构实现方式

我们来实现一下并查集的方法。

# 使用并查集的方法编程
class UnionFind:
    """
    * 这里并查集定义为一个字典
    * key是元素id, value 是这个组的父节点id, 也就是每个分组的代表。
    * 记录一下组的个数
    """
    def __init__(self):
        self.father = {}
        self.num_of_sets = 0
    """
    目的是返回元素x所在的组的代表
    * 第一步先找到树的根
    * 第二步， 每一次遍历父节点，所有节点的父节点都变为根节点
    这是在查找过程中不断的更新树。
    """
    def find(self, x): 
        root = x
        
        while self.father[root] != None:
            root = self.father[root]

        while x != root:
            original_father = self.father[x]
            self.father[x] = root
            x = original_father
        return root
    

    """
    unionSet 操作
    * 查询x，y两个节点的根节点， 如果不是在同一个组中，就合并， 其实就是把根节点设置为一个
    """    
    def merge(self, x, y):
        root_x, root_y = self.find(x), self.find(y)
        print(root_x, root_y)
        if root_x != root_y:  # 这里存疑， 应该是相等吧
            # print(root_x, root_y)
            self.father[root_x] = root_y
            self.num_of_sets -= 1
    """
    添加元素的操作也比较简单， 这个新元素就是根节点， 单独作为一个组。
    组的个数 加一。
    """
    def add(self, x):
        if x not in self.father:
            self.father[x] = None
            self.num_of_sets += 1

算法题目案例

题目：朋友圈问题， leetcode题目编号(#547)，给定一个二维数组，isConnected[i][j]表示 i和j是不是朋友， 1表示是朋友。求朋友圈的个数。
思路： 遍历二维数组中的所有元素，对于每个人，先把这个人加入到并查集中， 再看看其他人和这个人是否是朋友，如果是，则执行合并操作。

uf = UnionFind()
for i in range(len(isConnected)):
    uf.add(i)
    for j in range(i):
        if isConnect[i][j]:
            uf.merge(i,j)

return uf.num_of_sets 

总结

并查集在图算法中也有很多的应用， 后续可以学习了解下。