排序算法堆排序的Python实现及算法详解
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了排序算法堆排序的Python实现及算法详解相关的知识,希望对你有一定的参考价值。
一、前言
如果需要Java版本的堆排序或者堆排序的基础知识——树的概念,请参看本人博文《排序算法(二)堆排序》
关于选择排序的问题
选择排序最大的问题,就是不能知道待排序数据是否已经有序,比较了所有数据也没有在比较中确定数据的顺序。
堆排序对简单选择排序进行了改进。
二、准备知识
堆:它是一个完全二叉树
大顶堆:每个非叶子结点都要大于或者等于其左右孩子结点的值称为大顶堆
小顶堆:每个非叶子结点都要小于或者等于其左右孩子结点的值称为小顶堆
三、算法思路
堆排序大致可以分为下面几个步骤:
1、构建完全二叉树
将原始数据放入完全二叉树中
2、构建大顶堆
需要选择起点结点,选择下一个结点,以及如何调整堆
3、排序
将堆顶数据依次拿走,生成排序的树,最后用层序遍历就可以难道所有的排序元素
四、算法实现
(一)构建完全二叉树
待排序数字为 30,20,80,40,50,10,60,70,90
构建一个完全二叉树存放数据,并根据性质5对元素编号,放入顺序的数据结构中
构造一个列表为[0,30,20,80,40,50,10,60,70,90],用它来描述完全二叉树
(二)打印树(辅助函数)
为了方便观察,生成一个打印列表为树结构的函数,方便观察树结点的变动,不属于算法函数
为了适应不同的完全二叉树,这个打印函数还需要特殊处理一下。
思路:
第一行取1个,第二行取2个,第三行取3个,以此类推
投影来思考一个类栅格系统,就可以很好的打印这个树了
import math def print_tree(array): ‘‘‘ 前空格元素间 170 237 313 4 01 ‘‘‘ index = 1 depth = math.ceil(math.log2(len(array))) # 因为补0了,不然应该是math.ceil(math.log2(len(array)+1)) sep = ‘ ‘ for i in range(depth): offset = 2 ** i print(sep * (2 ** (depth - i - 1) - 1), end=‘‘) line = array[index:index + offset] for j, x in enumerate(line): print("{:>{}}".format(x, len(sep)), end=‘‘) interval = 0 if i == 0 else 2 ** (depth - i) - 1 if j < len(line) - 1: print(sep * interval, end=‘‘) index += offset print() print_tree([0, 30, 20, 80, 40, 50, 10, 60, 70, 90, 22]) print_tree([0, 30, 20, 80, 40, 50, 10, 60, 70, 90, 22, 33, 44, 55, 66, 77]) print_tree([0, 30, 20, 80, 40, 50, 10, 60, 70, 90, 22, 33, 44, 55, 66, 77, 88, 99, 11])
(三)构建大顶堆
核心算法
对于堆排序的核心算法就是堆结点的调整
1. 度数为2的结点A,如果它的左右孩子结点的最大值比它大的,将这个最大值和该结点交换
2. 度数为1的结点A,如果它的左孩子的值大于它,则交换
3. 如果结点A被交换到新的位置,还需要和其孩子结点重复上面的过程
核心算法实现如下:
# 为了和编码对应,增加一个无用的0在首位 origin = [0, 30, 20, 80, 40, 50, 10, 60, 70, 90] total = len(origin) - 1 # 初始待排序元素个数,即n print(origin) print_tree(origin) def heap_adjust(n, i, array: list): ‘‘‘ 调整当前结点(核心算法) 调整的结点的起点在n//2,保证所有调整的结点都有孩子结点 :param n: 待比较数个数 :param i: 当前结点的下标 :param array: 待排序数据 :return: None ‘‘‘ while 2 * i <= n: # 孩子结点判断 2i为左孩子,2i+1为右孩子 lchile_index = 2 * i max_child_index = lchile_index # n=2i if n > lchile_index and array[lchile_index + 1] > array[lchile_index]: # n>2i说明还有右孩子 max_child_index = lchile_index + 1 # n=2i+1 # 和子树的根结点比较 if array[max_child_index] > array[i]: array[i], array[max_child_index] = array[max_child_index], array[i] i = max_child_index # 被交换后,需要判断是否还需要调整 else: break # print_tree(array) heap_adjust(total, total // 2, origin) print(origin) print_tree(origin)
到目前为止也只是解决了单个结点的调整,下面要使用循环来依次解决解决比起始结点编号小的结点。
起点的选择
从最下层最右边叶子结点的父结点开始
由于构造了一个前置的0,所以编号和列表的索引正好重合
但是,元素个数等于长度减1
下一个结点
按照二叉树性质5编号的结点,从起点开始找编号逐个递减的结点,直到编号1
# 构建大顶堆、大根堆 def max_heap(total,array:list): for i in range(total//2,0,-1): heap_adjust(total,i,array) return array print_tree(max_heap(total,origin))
(四)排序
思路
1. 每次都要让堆顶的元素和最后一个结点交换,然后排除最后一个元素,形成一个新的被破坏的堆。
2. 让它重新调整,调整后,堆顶一定是最大的元素。
3. 再次重复第1、2步直至剩余一个元素
def sort(total, array:list): while total > 1: array[1], array[total] = array[total], array[1] # 堆顶和最后一个结点交换 total -= 1 heap_adjust(total,1,array) return array print_tree(sort(total,origin))
改进
如果最后剩余2个元素的时候,如果后一个结点比堆顶大,就不用调整了。
def sort(total, array:list): while total > 1: array[1], array[total] = array[total], array[1] # 堆顶和最后一个结点交换 total -= 1 if total == 2 and array[total] >= array[total-1]: break heap_adjust(total,1,array) return array print_tree(sort(total,origin))
五、算法分析
1、利用堆性质的一种选择排序,在堆顶选出最大值或者最小值
2、时间复杂度
堆排序的时间复杂度为O(nlogn)
由于堆排序对原始记录的排序状态并不敏感,因此它无论是最好、最坏和平均时间复杂度均为O(nlogn)
3、空间复杂度
只是使用了一个交换用的空间,空间复杂度就是O(1)
4、稳定性
不稳定的排序算法
六、完整代码
如果有需要,请自行将算法函数封装成类。
import math def print_tree(array): ‘‘‘ 前空格元素间 170 237 313 4 01 ‘‘‘ index = 1 depth = math.ceil(math.log2(len(array))) # 因为补0了,不然应该是math.ceil(math.log2(len(array)+1)) sep = ‘ ‘ for i in range(depth): offset = 2 ** i print(sep * (2 ** (depth - i - 1) - 1), end=‘‘) line = array[index:index + offset] for j, x in enumerate(line): print("{:>{}}".format(x, len(sep)), end=‘‘) interval = 0 if i == 0 else 2 ** (depth - i) - 1 if j < len(line) - 1: print(sep * interval, end=‘‘) index += offset print() # Heap Sort # 为了和编码对应,增加一个无用的0在首位 origin = [0, 30, 20, 80, 40, 50, 10, 60, 70, 90] total = len(origin) - 1 # 初始待排序元素个数,即n print(origin) print_tree(origin) print("="*50) def heap_adjust(n, i, array: list): ‘‘‘ 调整当前结点(核心算法) 调整的结点的起点在n//2,保证所有调整的结点都有孩子结点 :param n: 待比较数个数 :param i: 当前结点的下标 :param array: 待排序数据 :return: None ‘‘‘ while 2 * i <= n: # 孩子结点判断 2i为左孩子,2i+1为右孩子 lchile_index = 2 * i max_child_index = lchile_index # n=2i if n > lchile_index and array[lchile_index + 1] > array[lchile_index]: # n>2i说明还有右孩子 max_child_index = lchile_index + 1 # n=2i+1 # 和子树的根结点比较 if array[max_child_index] > array[i]: array[i], array[max_child_index] = array[max_child_index], array[i] i = max_child_index # 被交换后,需要判断是否还需要调整 else: break # print_tree(array) # 构建大顶堆、大根堆 def max_heap(total,array:list): for i in range(total//2,0,-1): heap_adjust(total,i,array) return array print_tree(max_heap(total,origin)) print("="*50) # 排序 def sort(total, array:list): while total > 1: array[1], array[total] = array[total], array[1] # 堆顶和最后一个结点交换 total -= 1 if total == 2 and array[total] >= array[total-1]: break heap_adjust(total,1,array) return array print_tree(sort(total,origin)) print(origin)
本文出自 “终南山下” 博客,谢绝转载!
以上是关于排序算法堆排序的Python实现及算法详解的主要内容,如果未能解决你的问题,请参考以下文章
必须知道的八大种排序算法java实现 归并排序算法堆排序算法详解