Python编程:排序算法之堆排序

简介: Python编程:排序算法之堆排序

树是一种可以递归定义的数据结构


树是由n个节点组成的集合


n=0 空树

n>0 一个根节点,其他节点分为m个集合,每个集合本身又是一棵树

一些概念


根节点,叶子节点

树的深度(高度)

树的度

孩子节点、父节点

子树

二叉树

度不超过2的树(节点最多有两个叉)特殊的树

满二叉树

完全二叉树

image.png

二叉树的存储方式

  • 链式存储
  • 顺序存储

父节点和左孩子节点编号关系: i -> 2i+1

父节点和右孩子节点编号关系: i -> 2i+2

堆排序

  • 特殊的完全二叉树
  • 大根堆:任一节点都比其孩子节点大
  • 小根堆:任一节点都比其孩子节点小

image.png

image.png

代码实现


import random
# 调整
def sift(lst, low, high):
    child = 2 * low + 1  # 左孩子
    tmp = lst[low]
    while child < high:  # 孩子在堆里
        # 如果有右孩子且比左孩子大(找到左右孩子中较大的那个)
        if child + 1 <= high and lst[child] < lst[child+1]:
            child += 1  # 孩子指向右孩子
        # 孩子比父节点大
        if lst[child] > tmp:
            lst[low] = lst[child]  # 孩子调整到父节点上
            low = child  # 孩子成为新的父节点点
            child = 2 * low + 1  # 新的孩子节点
        else:
            break
    lst[low] = tmp  # 根节点放到父亲位置
# 堆排序
def heap_sort(lst):
    n = len(lst)  # 列表总长度,也就是最后一个值
    for i in range(n//2 - 1, -1, -1):
        sift(lst, i, n-1)
    # i指向堆的最后
    for i in range(n-1, -1, -1):
        # 根节点取出,最后一个孩子上位
        lst[0], lst[i] = lst[i], lst[0]
        sift(lst, 0, i-1)  # 调整出新根节点
lst = list(range(10))
random.shuffle(lst)
heap_sort(lst)
print(lst)
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
相关文章
|
2月前
|
算法 搜索推荐 JavaScript
基于python智能推荐算法的全屋定制系统
本研究聚焦基于智能推荐算法的全屋定制平台网站设计,旨在解决消费者在个性化定制中面临的选择难题。通过整合Django、Vue、Python与MySQL等技术,构建集家装设计、材料推荐、家具搭配于一体的一站式智能服务平台,提升用户体验与行业数字化水平。
|
2月前
|
存储 监控 算法
监控电脑屏幕的帧数据检索 Python 语言算法
针对监控电脑屏幕场景,本文提出基于哈希表的帧数据高效检索方案。利用时间戳作键,实现O(1)级查询与去重,结合链式地址法支持多条件检索,并通过Python实现插入、查询、删除操作。测试表明,相较传统列表,检索速度提升80%以上,存储减少15%,具备高实时性与可扩展性,适用于大规模屏幕监控系统。
142 5
|
3月前
|
存储 算法 调度
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
205 26
|
2月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
219 3
|
2月前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
483 3
|
2月前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
301 3
|
3月前
|
存储 算法 搜索推荐
软考算法破壁战:从二分查找到堆排序,九大排序核心速通指南
专攻软考高频算法,深度解析二分查找、堆排序、快速排序核心技巧,对比九大排序算法,配套动画与真题,7天掌握45%分值模块。
202 1
软考算法破壁战:从二分查找到堆排序,九大排序核心速通指南
|
2月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
312 0
|
3月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
223 0
|
存储 算法 搜索推荐
十大排序算法思想与 Python 实现(下)
一般排序算法最常考的:快速排序和归并排序。这两个算法体现了分治算法的核心观点,而且还有很多出题的可能。
十大排序算法思想与 Python 实现(下)

热门文章

最新文章

推荐镜像

更多