【玩转二叉树③】C语言堆排序详解（动图演绎）

一、前言

①前言
 在上一篇博客里，我们所写的堆排序的问题在于，需要额外占用O(n)的空间，并且需要预先写很多堆的函数接口，显示这不是一个理想的堆排序。在这篇博客里，我将向大家展现堆排序真正的C语言实现方式。
 
②阅读须知
 本篇博客基于【玩转二叉树②】，相应接口直接使用而不再本文赘述。所以请大家一定先参阅前一篇博客。

二、堆的创建

1.向上调整算法

①O(1)的空间复杂度
 既然要将空间复杂度降为O(1)，那我们就不能额外申请堆空间，而是需要在原数组上建堆。下面向大家展现两种建堆（向上调整，向下调整）的方式：
 
②向上调整算法介绍
 其基本思想就是「❉」HeapShiftup()函数。我们要做的就是遍历数组，将数组中的每一个元素“压入堆”中，这个压入的过程实际上是对堆的【逻辑结构】的维护。由于数组的空间一定是足够的，所以不需要考虑扩容问题。
 
③向上调整动图图解

【过程分析】

1. 以数组[1, 2, 3]为例进行分析
2. 首先只有1个元素1，位于堆顶
3. 压入元素2，元素2通过上浮操作到底应该到的位置（元素3同理）

 
④源码解析

【重难点分析】

1. 我们从数组的第二个元素开始上浮插入，所以i从1开始
2. 因为堆属于一种完全二叉树，所以不用担心后面的数据被覆盖，只有当前数据和前面的元素之间才会放生交换
    

⑤时间复杂度分析：
计算时间复杂度时我们考虑最坏的情况：「❉」即上浮到根节点.

对每一层进行相加求和，利用高中所学的「❉」错位相减法 ,可以求出和为

2.向下调整算法

①向下调整算法介绍
 向下调整算法的基本思想是「❉」HeapShiftdown()函数。向下调整算法有一个基本前提：左右子树必须是一个堆。
 以下图为例进行说明，由于结点27的左右子树都是堆，所以左孩子和右孩子分别是左树和右树的最小值：

1. 27与15, 19比较，15是最小值 ∴27与15交换
2. 27与18, 28比较，18是最小值 ∴27与18交换
3. 27与40, 25比较，25是最小值 ∴27与25交换

完成上述交换后，所有的结点都满足了堆的逻辑结构。构造成功
 
②源码解析

【重难点剖析】

1. 由于叶节点没有子节点，所以单个元素自身可以看成是大根堆，也可以看成是小根堆。因此我们从叶节点的上一层开始遍历。
   

2. 最后一个叶节点的父节点：(arrSize - 1) - 1 >> 1;【叶节点与父节点的下标关系】

3. 我们从最后一个结点的叶节点开始进行「❉」HeapShiftdown() 操作

4. 下标减减到达前一个结点（见上图金茶色箭头），由此对每一个结点都进行下沉操作，最终构造出堆
    

③时间复杂度分析
同样考虑最坏的情况，照下图进行推导
【总结】
 我们可以看到向下构造的时间复杂度为O(N)，低于向上构造的时间复杂符O(N*logN)。所以我们选用向下构造法构造我们的堆。

三、堆排序的实现

①如何利用堆进行排序？
【问】如果我们想实现升序，可以创建小根堆吗?
【答】不可以。虽然堆顶元素就是最小值，因为我们是在原数组操作，所以不能用HeapPop函数，所以无法再继续排序。
 
②结论

• 实现升序需要创建大根堆
• 实现降序需要小根堆

 
③源码剖析

【重难点剖析】

1. 我们不能从堆顶进行操作，只能弹出堆尾的元素，这样才不会影响之前的逻辑结构
2. 对于大根堆，堆顶元素就是最大值，与堆尾元素进行交换，再将sz减减
3. 对堆顶元素HeapShiftDown,维护堆的逻辑结构
4. 重复上述过程，实现对数组的升序排列

 
④堆排序的本质
堆排序的本质上其实是选择排序，先选取最值放在末尾，再选取次最值放在倒数第二的位置，以此类推。
 对于传统选择排序来说，选出当前元素中最值的时间复杂度为O(N)，所以选择排序总的时间复杂度为O(N^2)。
 对于堆排序来说，选出当前元素中的最值所需要的时间为O(logn)，时间花在ShiftupDown函数对堆结构的维护。所以堆排序总的时间复杂度为O(N*logn)。

四、TOP-K问题

①问题描述
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

 
②解决办法①：排序
 问题在于数据量很大比如几百亿的时候，内存存储不下这么大的数据量，所以排序的方法不可行
 
③解决办法②：构建大小为K的堆
 我们每次只需从磁盘中读取一个元素，并继续维护我们的堆，这样最终就可以得出TOP-K。利用堆这种数据结构可以极大的节省内存空间。