python堆排序算法_Python算法学习之堆和堆排序

什么是堆？

堆是一种完全二叉树(请你回顾下上一章的概念)，有最大堆和最小堆两种。最大堆: 对于每个非叶子节点 V，V 的值都比它的两个孩子大，称为 最大堆特性(heap order property) 最大堆里的根总是存储最大值，最小的值存储在叶节点。

最小堆：和最大堆相反，每个非叶子节点 V，V 的两个孩子的值都比它大。

堆的操作

堆提供了很有限的几个操作：插入新的值。插入比较麻烦的就是需要维持堆的特性。需要 sift-up 操作，具体会在视频和代码里解释，文字描述起来比较麻烦。

获取并移除根节点的值。每次我们都可以获取最大值或者最小值。这个时候需要把底层最右边的节点值替换到 root 节点之后 执行 sift-down 操作。

堆的表示

上一章我们用一个节点类和二叉树类表示树，这里其实用数组就能实现堆。

仔细观察下，因为完全二叉树的特性，树不会有间隙。对于数组里的一个下标 i，我们可以得到它的父亲和孩子的节点对应的下标：

parent = int((i-1) / 2) # 取整

left = 2 * i + 1

right = 2 * i + 2

超出下标表示没有对应的孩子节点。

实现一个最大堆

我们将在视频里详细描述和编写各个操作

class MaxHeap(object):

def __init__(self, maxsize=None):

self.maxsize = maxsize

self._elements = Array(maxsize)

self._count = 0

def __len__(self):

return self._count

def add(self, value):

if self._count >= self.maxsize:

raise Exception('full')

self._elements[self._count] = value

self._count += 1

self._siftup(self._count-1) # 维持堆的特性

def _siftup(self, ndx):

if ndx > 0:

parent = int((ndx-1)/2)

if self._elements[ndx] > self._elements[parent]: # 如果插入的值大于 parent，一直交换

self._elements[ndx], self._elements[parent] = self._elements[parent], self._elements[ndx]

self._siftup(parent) # 递归

def extract(self):

if self._count <= 0:

raise Exception('empty')

value = self._elements[0] # 保存 root 值

self._count -= 1

self._elements[0] = self._elements[self._count] # 最右下的节点放到root后siftDown

self._siftdown(0) # 维持堆特性

return value

def _siftdown(self, ndx):

left = 2 * ndx + 1

right = 2 * ndx + 2

# determine which node contains the larger value

largest = ndx

if (left < self._count and # 有左孩子

self._elements[left] >= self._elements[largest] and

self._elements[left] >= self._elements[right]): # 原书这个地方没写实际上找的未必是largest

largest = left

elif right < self._count and self._elements[right] >= self._elements[largest]:

largest = right

if largest != ndx:

self._elements[ndx], self._elements[largest] = self._elements[largest], self._elements[ndx]

self._siftdown(largest)

def test_maxheap():

import random

n = 5

h = MaxHeap(n)

for i in range(n):

h.add(i)

for i in reversed(range(n)):

assert i == h.extract()

实现堆排序

上边我们实现了最大堆，每次我们都能 extract 一个最大的元素了，于是一个倒序排序函数就能很容易写出来了：

def heapsort_reverse(array):

length = len(array)

maxheap = MaxHeap(length)

for i in array:

maxheap.add(i)

res = []

for i in range(length):

res.append(maxheap.extract())

return res

def test_heapsort_reverse():

import random

l = list(range(10))

random.shuffle(l)

assert heapsort_reverse(l) == sorted(l, reverse=True)

Python 里的 heapq 模块

python 其实自带了 heapq 模块，用来实现堆的相关操作，原理是类似的。请你阅读相关文档并使用内置的 heapq 模块完成堆排序。 一般我们刷题或者写业务代码的时候，使用这个内置的 heapq 模块就够用了，内置的实现了是最小堆。

Top K 问题

面试题中有这样一类问题，让求出大量数据中的top k 个元素，比如一亿个数字中最大的100个数字。 对于这种问题有很多种解法，比如直接排序、mapreduce、trie 树、分治法等，当然如果内存够用直接排序是最简单的。 如果内存不够用呢？ 这里我们提一下使用固定大小的堆来解决这个问题的方式。

一开始的思路可能是，既然求最大的 k 个数，是不是应该维护一个包含 k 个元素的最大堆呢？ 稍微尝试下你会发现走不通。我们先用数组的前面 k 个元素建立最大堆，然后对剩下的元素进行比对，但是最大堆只能每次获取堆顶 最大的一个元素，如果我们取下一个大于堆顶的值和堆顶替换，你会发现堆底部的小数一直不会被换掉。如果下一个元素小于堆顶 就替换也不对，这样可能最大的元素就被我们丢掉了。

相反我们用最小堆呢？ 先迭代前 k 个元素建立一个最小堆，之后的元素如果小于堆顶最小值，跳过，否则替换堆顶元素并重新调整堆。你会发现最小堆里 慢慢就被替换成了最大的那些值，并且最后堆顶是最大的 topk 个值中的最小值。 (比如1000个数找10个，最后堆里剩余的是 [990, 991, 992, 996, 994, 993, 997, 998, 999, 995]，第一个 990 最小)

按照这个思路很容易写出来代码：

import heapq

class TopK:

"""获取大量元素 topk 大个元素，固定内存

思路：

1. 先放入元素前 k 个建立一个最小堆

2. 迭代剩余元素：

如果当前元素小于堆顶元素，跳过该元素(肯定不是前 k 大)

否则替换堆顶元素为当前元素，并重新调整堆

"""

def __init__(self, iterable, k):

self.minheap = []

self.capacity = k

self.iterable = iterable

def push(self, val):

if len(self.minheap) >= self.capacity:

min_val = self.minheap[0]

if val < min_val: # 当然你可以直接 if val > min_val操作，这里我只是显示指出跳过这个元素

pass

else:

heapq.heapreplace(self.minheap, val) # 返回并且pop堆顶最小值，推入新的 val 值并调整堆

else:

heapq.heappush(self.minheap, val) # 前面 k 个元素直接放入minheap

def get_topk(self):

for val in self.iterable:

self.push(val)

return self.minheap

def test():

import random

i = list(range(1000)) # 这里可以是一个可迭代元素，节省内存

random.shuffle(i)

_ = TopK(i, 10)

print(_.get_topk()) # [990, 991, 992, 996, 994, 993, 997, 998, 999, 995]

if __name__ == '__main__':

test()