堆、堆排序和优先队列

一、堆

堆就是一个数组,不过这个数组中数据的存储可以用完全二叉树来展现,树上的每一个节点对应堆中的一个元素。父节点和左右子节点的对应关系为:left(i) = (i >> 1) + 1, right(i) = (i >> 1) + 2, parent(i) = (i - 1) >> 1.
堆分为最大堆和最小堆。最大堆特点是除了根节点之外,所有节点都满足 A[parent(i)] >= A[i],即:节点的值不大于父节点。这样,根节点存放的值就是最大的。最小堆特点是除了根节点之外,所有节点都满足 A[parent(i)] <= A[i],这样,在堆中,根节点存放的是最小值。
堆的操作包括上浮、下沉、建堆。下面以最大堆为例说明这些操作:
下沉:如果某节点的左右子树都是最大堆,该节点的值又小于其中一个节点的值,则交换该节点和子节点,使根节点下沉,然后递归处理交换后的节点,直到根节点下沉到正确的位置。
C代码为:
/*
	arr为数组,index为要处理的元素下标,HeapSize为数组大小
*/
void sinkHeap(int* arr, int index, int HeapSize)
{
	if (index < HeapSize)
	{
		int left = (index << 1) + 1;
		int right = (index << 1) + 2;
		int largest = index;

		if (left < HeapSize && arr[left] > arr[index])
		{
			largest = left;
		}
		if (right < HeapSize && arr[right] > arr[largest])
		{
			largest = right;
		}

		if (largest != index)
		{
			int tmp = arr[index];
			arr[index] = arr[largest];
			arr[largest] = tmp;
			MaxHeap(arr, largest, HeapSize);
		}
	}
}
上浮:如果某节点父节点以上都是最大堆,该节点的值又大于父节点,则交换该节点和父节点,使此节点上浮,然后递归该节点,直到上浮到正确的位置。
C代码为:
/*
	arr为数组,index为要处理的元素下标
*/
void riseHeap(int* arr, int index)
{
	if (index > 0)
	{
		int parent = (index - 1) >> 1;
		
		if (arr[index] > arr[parent])
		{
			int tmp = arr[index];
			arr[index] = arr[parent];
			arr[parent] = tmp;
			rise(arr, parent);
		}
	}
}
建堆:
如果用下沉的方法,建堆处理为:从最后一个非叶子节点开始循环直到根节点,依次调用sinkHeap
c代码为:
void buildHeap(int* arr, int HeapSize)
{
	for(int i = (HeapSize >> 1) - 1; i >= 0; --i)
	{
		MaxHeap(arr, i, HeapSize);
	}
}
如果用上浮方法,建堆处理为:从第二个元素开始直到最后一个元素,依次调用riseHeap
C代码为:
void build(int* arr, int HeapSize)
{
	for (int i = 1; i < HeapSize; ++i)
	{
		rise(arr, i);
	}
}

二、堆排序

堆排序是一个时间复杂度为O(nlgn)的非稳定算法。
堆排序的思想为:先建堆,然后循环把堆顶元素和最后元素交换,此时堆可能被破坏,需要对堆顶元素做下沉操作,保持堆的结构。
C代码为:
void HeapSort(int* arr, int len)
{
	build(arr, len);
	for (int i = len - 1; i > 0; --i)
	{
		int tmp = arr[0];
		arr[0] = arr[i];
		arr[i] = tmp;
		sinkHeap(arr, 0, i);
	}
}

三、优先队列

优先队列是用来维护一组元素构成的集合S的数据结构,其中每个元素都有一个相关的值,称为关键字key。优先队列支持的操作有:
insert(S,value,len):把值为value的元素插入集合S中。
maximum(S):返回S中具有最大键值的元素
extractMax(S, len):删除并返回集合S中具有最大键值的元素
increaseKey(S,index,value):将下标为index的元素的值增加到value
具体实现方法及代码为:

获取最大元素:
void maximum(const int* arr)
{
	return arr[0];
}
删除时候,需要重建堆:
int extractMax(const int* arr, int & HeapSize)
{
	--HeapSize;
	int max = arr[0];
	
	arr[0] = arr[HeapSize];
	sinkHeap(arr, 0, HeapSize);
	
	return max;
}
增加值,增大某元素的值,然后对该元素上浮:
void increaseKey(int* arr, int index, int value)
{
	arr[index] = value;
	
	rise(arr, index);
}
增添元素,在底部增加叶子节点,然后对该元素上浮:
void insert(int* arr, int value, int & HeapSize)
{
	HeapSize++;
	arr[HeapSize-1] = value;
	rise(arr, HeapSize-1);
}




  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如点、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括点、线、多边形等。它提供了丰富的空间操作函数,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
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