3.堆排序
- 堆是一种完全二叉树（是除了最后一层，其它每一层都被完全填充，保持所有节点都向左对齐），首先需要知道概念：最大堆问题，最大堆就是根节点比子节点值都大，并且所有根节点都满足，那么称它为最大堆。反之最小堆。
- 当已有最大堆，如下图，首先将7提出，然后将堆中最后一个元素放到顶点上，此时这个堆不满足最大堆了，那么我们要给它构建成最大堆，需要找到此时堆中对打元素然后交换，此时最大值为6，符合最大堆后，我们将6提取出来，然后将堆中最后一个元素放到堆的顶部...以此类推。最后提取的数值7,6,5,4,3,2,1
-
那么在维护一个最大堆过程中，最多进行交换次数决定了此算法复杂度，但交换次数与树的高度有关：
\\(h = log_2(n + 1)\\)
-
最大堆生成：根据最大堆特性(任意一个根节点都大于叶子节点)不满足就调换。
-
代码实现：
from collections import deque
def swap_param(L, i, j):
# 堆顶与最后元素交换
L[i], L[j] = L[j], L[i]
return L
def heap_adjust(L, start, end):
#构造成大根堆
temp = L[start]
i = start
j = 2 * i
while j <= end:
# 判断左右子节点，取两个子节点最大索引
if (j < end) and (L[j] < L[j + 1]):
j += 1
# 判断根节点与子节点比较，如果子节点大于根节点，子节点赋值给根节点
if temp < L[j]:
L[i] = L[j]
i = j
j = 2 * i
else:
break
# 再把 原来根节点值赋值给子节点上
L[i] = temp
def heap_sort(L):
L_length = len(L) - 1
first_sort_count = L_length // 2
for i in range(first_sort_count):
heap_adjust(L, first_sort_count - i, L_length)
for i in range(L_length - 1):
L = swap_param(L, 1, L_length - i)
heap_adjust(L, 1, L_length - i - 1)
return [L[i] for i in range(1, len(L))]
def main():
L = deque([50, 16, 30, 10, 60, 90, 2, 80, 70])
L.appendleft(0)
print(heap_sort(L))
main()