数据结构之哈夫曼树

讲一下什么是哈夫曼树。

哈夫曼树简称带权路径最小。

构建:

构建过程非常简单 

1 3 5 10 12 18 25 (排好顺序了  没排的第一步排序)

然后取两个最小的数构建 原序列变成 4 5 10 12 18 25

然后在取最小的两个数构建 9 10 12 18 25

再取 19 12 18 25

再取 19 30 25

再取 44 30

最后 74 大概这样的过程 取的树拿出来作为构建的节点

编码:

编码的话,令左边树为0,右边为1

 

作用:

然后主要作用,很明显,大的数字靠近根节点,权重越大,哈夫曼编码越短。

官方解释:

在数据通信中,需要将传送的文字转换成二进制的字符串,用0,1码的不同排列来表示字符。例如,需传送的报文为“AFTER DATA EAR ARE ART AREA”,这里用到的字符集为“A,E,R,T,F,D”,各字母出现的次数为{8,4,5,3,1,1}。现要求为这些字母设计编码。要区别6个字母,最简单的二进制编码方式是等长编码,固定采用3位二进制,可分别用000、001、010、011、100、101对“A,E,R,T,F,D”进行编码发送,当对方接收报文时再按照三位一分进行译码。显然编码的长度取决报文中不同字符的个数。若报文中可能出现26个不同字符,则固定编码长度为5。然而,传送报文时总是希望总长度尽可能短。在实际应用中,各个字符的出现频度或使用次数是不相同的,如A、B、C的使用频率远远高于X、Y、Z,自然会想到设计编码时,让使用频率高的用短码,使用频率低的用长码,以优化整个报文编码。

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
哈夫曼树是一种二叉树,它的叶子节点代表着一组数据,而非叶子节点代表着数据的组哈夫曼树的构建是基于数据的出现频率来进行的,出现频率高的数据在哈夫曼树中的深度较浅,而出现频率低的数据在哈夫曼树中的深度较深。因此,哈夫曼树可以用来实现数据的压缩和加密。 哈夫曼树的构建步骤如下: 1. 将数据按照出现频率从小到大排序。 2. 选取出现频率最小的两个数据,构建一个新的二叉树,其中这两个数据分别作为左右子树的叶子节点,并将这个新的二叉树的根节点的权值设置为这两个数据的权值之和。 3. 将这个新的二叉树插入到已有的二叉树集中,保持集按照权值从小到大排序。 4. 重复步骤2和步骤3,直到所有的数据都被构建成了二叉树。 5. 最后得到的二叉树就是哈夫曼树。 下面是一个Python实现的例子: ```python class Node: def __init__(self, value, freq): self.value = value self.freq = freq self.left = None self.right = None def huffman_tree(data): nodes = [Node(value, freq) for value, freq in data.items()] while len(nodes) > 1: nodes = sorted(nodes, key=lambda x: x.freq) left_node = nodes.pop(0) right_node = nodes.pop(0) new_node = Node(None, left_node.freq + right_node.freq) new_node.left = left_node new_node.right = right_node nodes.append(new_node) return nodes[0] data = {'a': 5, 'b': 9, 'c': 12, 'd': 13, 'e': 16, 'f': 45} root = huffman_tree(data) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值