--- 二叉树的顺序存储方式 ---
父节点和左孩子节点的 index:
i --> 2i + 1
父节点和右孩子节点的 index:
i --> 2i + 2
孩子找父亲:
(i - 1) // 2
堆:一种特殊的完全二叉树结构
大根堆:一棵完全二叉树,满足任一节点都比其孩子节点大
小根堆:一棵完全二叉树,满足任一节点都比其孩子节点小
--- 堆的向下调整 ---
假设:根节点的左右子树都是堆,但自身不是堆
可以通过一次向下的调整来将其变换成一个堆
def sift(li, low, high):
"""
堆的向下调整
:param li: 列表
:param low: 堆的根节点位置
:param high: 堆的最后一个元素的位置
:return:
"""
# i 最开始指向根节点
# j 是左孩子
# 把堆顶存起来
i = low
j = 2 * i + 1
temp = li[low]
# 只要 j 位置有数,就重复循环
while j <= high:
# 如果右孩子存在 并且大于左孩子,j 指向右孩子
if j + 1 <= high and li[j + 1] > li[j]:
j = j + 1
# 如果孩子比 temp大,孩子上去填到 i 的位置。更新 i j,看下一层
if li[j] > temp:
li[i] = li[j]
i = j
j = 2 * i + 1
else:
break
# 不管在哪退出循环,最后都要给空位 i 赋值
# 如果 temp 比较大,把 temp 放到某一级领导的位置上
# 如果 j > high,把 temp 放到叶子节点上
li[i] = temp
--- 堆排序 ---
1. 建立堆
2. 得到堆顶元素,为最大元素
3. 去掉堆顶,将堆最后一个元素放到堆顶,此时可通过一次调整重新使堆有序
4. 堆顶元素为第二大元素
5. 重复步骤3,直到堆变空
缺点:在快的排序算法中相对较慢
def heap_sort(li):
# 建立堆
n = len(li)
for i in range((n - 2) // 2, -1, -1):
# i: 建堆时调整的部分根的 index
sift(li, i, n - 1)
# 挨个出数
for i in range(n - 1, -1, -1):
# i: 指向当前堆的最后一个元素
# 先把最后一个元素交换上去 (此时 i 还没更新)
li[0], li[i] = li[i], li[0]
# i - 1: 新的 high
sift(li, 0, i - 1)