couresra课程 data structure 第二周 第三周笔记（含课程内容代码实现和排序算法比较）

1.动态数组

概念：可以动态扩容 在数组的长度满了之后可扩容至两倍大小
时间复杂度： O(N)

三种分析方法：

aggregate method
amortized method
physicist method

2.优先队列(堆的应用）

• 堆的性质： 父节点总比子节点的值要大
  可以按照一定的顺序取出数字

• 有两种基本操作 这两种基本操作可体现出二叉堆的优势
  extractmax（x)
  insert(x)
  

• 数的高度定义有两种：

edge 和 节点高度

• 完整二叉树（二叉堆）的定义：

最后一个等级(level)从左到右不能缺失

二叉完整树的最大高度，等比数列，总和等
最大高度： $O(log(N))$
假设root节点为LeveL1 则 第l个level共有 $2^{l-1}个节点$
节点数共有$2^l-1$个

• 应用
  找第K大元素、排序

基本操作 sift_down sift_Up等函数的Python代码实现

课程内容介绍了二叉堆的基本操作(insert,extrcatmax,siftup,siftdown,remove,buildheap)等
所有操作的时间复杂度都为$O(Nlog(N))$

##二元堆的基本操作
class binary_heap():
    def __init__(self,array):
        self.array = array
        self.size = len(array)
    def siftup(self,i):
        #偽代碼
        # while i > 1 and H[Parent(i )] < H[i ]:
        # swap H[Parent(i )] and H[i ]
        # i ← Parent(i )
        while (i > 0) and self.array[self.parent(i)] < self.array[i]:
            self.array[self.parent(i)],self.array[i] = self.array[i],self.array[self.parent(i)]
            i = self.parent(i)
    def siftdown (self,i):
        #偽代碼
        #         maxIndex ← i
        # ℓ ← LeftChild(i )
        # if ℓ ≤ size and H[ℓ] > H[maxIndex]:
        # maxIndex ← ℓ
        # r ← RightChild(i )
        # if r ≤ size and H[r ] > H[maxIndex]: