数据结构——堆

这篇文章将会讲述和堆有关的一些内容

目录

1.堆的概念及结构

 堆的性质

2.和堆有关的一些方法  

2.1向堆中插入元素

向上调整法

 2.2删除堆顶元素

向下调整法

3.堆的应用

3.1堆排序

3.2 TopK问题

---

1.堆的概念及结构

堆，一种特殊的完全二叉树（不知道这个定义的可以去看上一篇文章）

论其定义：如果有一个关键码的集合K = { k0，k1 ，k2 ，…，kn-1 }，把它的所有元素按完全二叉树的顺序存储方式存储 在一个一维数组中，并满足：Ki<=K2i+1 且 Ki<=K2i+2 （Ki>=K2i+1 且 Ki>=K2i+2 ）i = 0，1， 2…，则称为小堆(或大堆)。将根结点最大的堆叫做最大堆或大根堆，根结点最小的堆叫做最小堆或小根堆。

简单理解 就是越往上越小就是小堆，越往上越大就是大堆。

 在程序中，我们习惯用数组存储堆

所以用代码来表示一个堆就应该是这样：

typedef int HPDataType;
typedef struct Heap {
	HPDataType* _a;
	int _size;
	int _capacity;
}HP;

 堆的性质

• 堆中某个结点的值总是不大于或不小于其父结点的值；
• 堆总是一棵完全二叉树

一定要注意的一点：小堆并不意味着从前到后为升序排列， 大堆也不意味着从前到后为降序排列！！

2.和堆有关的一些方法  

2.1向堆中插入元素

//插入
void HPPush(HP* php, HPDataType x);

这里指的是向原本就是堆结构的数组中插入元素

此时我们要了解一种算法：向上调整法 

向上调整法

这种算法就是将元素从堆底依次与父亲比较，调整到堆顶，以保证这里依旧是个堆

//向上调整
void AdjustUp(HPDataType* pa, int child)
{
	int parent = (child - 1) / 2;
	while (child > 0)
	{
		if (pa[child] < pa[parent])
		{
			Swap(&pa[child], &pa[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else {
			break;
		}
	}
}

因此，向堆中每插入一个元素，就是对这个元素进行一次向上调整

代码如下： 

//插入
void HPPush(HP* php, HPDataType x)
{
	assert(php);
	//检查容量
	if (php->_capacity == php->_size)
	{
		int newcapacity = php->_capacity == 0 ? 4 : 2 * php->_capacity;
		HPDataType* a = (HPDataType*)realloc(php->_a, sizeof(int) * newcapacity);
		if (a == NULL)
		{
			perror("realloc newcapacity fail");
			return;
		}
		php->_a = a;
		php->_capacity = newcapacity;
	}
	//插入数据
	php->_a[php->_size] = x;
	AdjustUp(php->_a, php->_size);
	php->_size++;
}

 2.2删除堆顶元素

我们知道删除一个元素的前提是这个地方不能为空，所以先有判空的代码：

//判空
bool HPEmpty(HP* php)
{
	return php->_size==0;
}

对于一个非空堆，删除一个元素，要用到一个算法：向下调整法

向下调整法

 向下调整法就是把堆中某个位置的元素与其父母比较，调整到堆底，以保证这里依旧是个堆

代码如下：

//向下调整
void AdjustDown(HPDataType* pa, int parent, int n)
{
	int child = parent * 2 + 1;
	while (child < n)
	{
		//假设左孩子小
		if (child + 1 < n && pa[child] > pa[child + 1])//一定要考虑右孩子是否越界
		{
			child++;
		}
		//父亲大于孩子，交换
		if(pa[child]< pa[parent])
		{
			Swap(&pa[child], &pa[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else {
			break;
		}

	}
}

值得注意的是：要进行向下调整的元素其左右分支都为同类型堆时，才能保证向下调整后还是一个堆 

那么接下来就要删除堆顶元素了

这里的主要思想步骤是

1. 将堆顶元素与堆底元素互换位置
2. 堆的size--
3. 将换过来的堆顶元素进行向下调整

代码如下：

//删除堆顶元素
void HPPop(HP* php)
{
	assert(php);
	assert(!HPEmpty(php));
	Swap(&php->_a[0], &(php->_a[php->_size - 1]));
	php->_size--;
	//向下调整
	AdjustDown(php->_a, 0,php->_size);

}

3.堆的应用

3.1堆排序

堆排序即利用堆的思想来进行排序，总共分为两个步骤：

1. 建堆

• 升序：建大堆
• 降序：建小堆

2. 利用堆删除思想来进行排序

建堆和堆删除中都用到了向下调整，因此掌握了向下调整，就可以完成堆排序。  

这里有一个动图：

代码如下：

void HeapSort(int* a, int n)
{
	// 降序，建小堆
	// 升序，建大堆

	//降序
	for (int i = (n - 1 - 1)/2; i >= 0; i--)
	{
		AdjustDown(a, i, n);

	}
	int end = n - 1;
	while (end)
	{
		Swap(&a[0], &a[end]);
		AdjustDown(a, 0, end);
		end--;
	}

	
}

关于为什么要用向下调整法而不是向上调整法：

其实两个都可以实现堆的创建，不过在这里向下调整法的效率更高

关于为什么升序：建大堆，降序：建小堆：

因为在堆删除中（以升序举例），大堆在删除时会将最大的堆顶元素移到最后，size--，在将次大的元素移到倒数第二个，size--......符合升序的规律。

3.2 TopK问题

 即求数据结合中前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。

比如：专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。  

对于Top-K问题，能想到的最简单直接的方式就是排序，但是：如果数据量非常大，排序就不太可取了(可能 数据都不能一下子全部加载到内存中)。最佳的方式就是用堆来解决，基本思路如下：

1. 用数据集合中前K个元素来建堆

• 前k个最大的元素，则建小堆
• 前k个最小的元素，则建大堆

2. 用剩余的N-K个元素依次与堆顶元素来比较，不满足则替换堆顶元素

将剩余N-K个元素依次与堆顶元素比完之后，堆中剩余的K个元素就是所求的前K个最小或者最大的元素。  

void PrintTopK(int k)
{
	int* arr=(int*)malloc(sizeof(int)*k);
	
	//读取k个数
	FILE* fout = fopen("data.txt", "r");
	if (fout == NULL)
	{
		perror("fopen error");
		return;
	}
	int i;
	for (i = 0; i < k; i++)
	{
		fscanf(fout, "%d", &arr[i]);
	}
	

	//建堆
	for (i = (k - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(arr, i, k);
	}

	//比较剩下n-k个数据
	int x;
	while (fscanf(fout, "%d", &x) > 0)
	{
		if (x > arr[0])
		{
			arr[0] = x;
			AdjustDown(arr, 0, k);
		}
	}



	fclose(fout);
	fout = NULL;


	//
	for (i=k-1; i >=0; i--)
	{
		printf("%d ", arr[i]);
	}
}

---------------------------------------------------------------------------------------------------------------------------------

OK，关于堆的分享就到这里啦，感谢您的观看，如果对您有帮助的话，三连支持一下孩子吧~