# 完全树 最小堆
class CompleteTree(list):
def siftdown(self,i):
""" 对一颗完全树进行向下调整,传入需要向下调整的节点编号i
当删除了最小的元素后,当新增加一个数被放置到堆顶时,
如果此时不符合最小堆的特性,则需要将这个数向下调整,直到找到合适的位置为止"""
n = len(self)
# 当 i 节点有儿子(至少是左儿子时),并且有需要调整时,循环执行
t = 0
while i*2+1<n:
# step 1:从当前结点,其左儿子,其右儿子中找到最小的一个,将其编号传给t
if self[i] > self[i*2+1]:
t = i*2+1
else: t = i # 如果有右儿子,则再对右儿子进行讨论
if i*2+2<n:
if self[t] > self[i*2+2]: t = i*2+2 # step 2:把最小的结点中的元素和结点i的元素交换
if t != i:
self[t],self[i] = self[i],self[t]
i = t # 更新i为刚才与它交换的儿子结点的编号,以便接下来继续向下调整
else:
break # 说明当前父结点已经比两个子结点要小,结束调整 def siftup(self,i):
""" 对一棵完全树进行向上调整,传入一个需要向上调整的结点编号i
当要添加一个新元素后,对堆底(最后一个)元素进行调整 """
if i==0: return
n = len(self)
if i < 0: i += n
# 注意,由于堆的特性,不需要考虑左儿子结点的情况
# 由于父结点绝对比子结点小所以只需要比较一次
while i!=0:
if self[i]<self[(i-1)/2]:
self[i],self[(i-1)/2] = self[(i-1)/2],self[i]
else:
break
i = (i-1)/2 # 更新i为其父结点编号,从而便于下一次继续向上调整 def shufflePile(self):
""" 在当前状态下,对树调整使其成为一个堆 """
# 从"堆底"往"堆顶"进行向下调整,使得最小的元素不断上升
# 这样可以使得i结点以下的堆是局部最小堆
for i in range((len(self)-2)/2,-1,-1): # n/2,...,0
self.siftdown(i) def deleteMin(self):
""" 删除最小元素 """
t = self[0] # 用一个临时变量记录堆顶点的
self[0] = self[-1] # 将堆的最后一个点赋值到堆顶
self.pop() # 删除最后一个元素
self.siftdown(0) # 向下调整
return t def heapsort(self):
""" 对堆中元素进行堆排序操作 """
n = len(self)
s = []
while n>0:
s.append(self.deleteMin())
n -= 1
# 由于堆中的元素已全部弹出,将排序好的元素拼接到原来的堆中
self.extend(s) if __name__=="__main__": a = [99,5,36,7,22,17,92,12,2,19,25,28,1,46]
ct = CompleteTree(a)
print ct
>>> [99, 5, 36, 7, 22, 17, 92, 12, 2, 19, 25, 28, 1, 46] ct.shufflePile()
print ct
>>> [1, 2, 17, 5, 19, 28, 46, 12, 7, 22, 25, 99, 36, 92] s = ct.heapsort()
print ct
>>> [1, 2, 5, 7, 12, 17, 19, 22, 25, 28, 36, 46, 92, 99]

python数据结构与算法——完全树 与 最小/大堆的更多相关文章

  1. python数据结构与算法

    最近忙着准备各种笔试的东西,主要看什么数据结构啊,算法啦,balahbalah啊,以前一直就没看过这些,就挑了本简单的<啊哈算法>入门,不过里面的数据结构和算法都是用C语言写的,而自己对p ...

  2. Python数据结构与算法之图的最短路径(Dijkstra算法)完整实例

    本文实例讲述了Python数据结构与算法之图的最短路径(Dijkstra算法).分享给大家供大家参考,具体如下: # coding:utf-8 # Dijkstra算法--通过边实现松弛 # 指定一个 ...

  3. Python数据结构与算法--List和Dictionaries

    Lists 当实现 list 的数据结构的时候Python 的设计者有很多的选择. 每一个选择都有可能影响着 list 操作执行的快慢. 当然他们也试图优化一些不常见的操作. 但是当权衡的时候,它们还 ...

  4. Python数据结构与算法--算法分析

    在计算机科学中,算法分析(Analysis of algorithm)是分析执行一个给定算法需要消耗的计算资源数量(例如计算时间,存储器使用等)的过程.算法的效率或复杂度在理论上表示为一个函数.其定义 ...

  5. Python数据结构与算法之图的广度优先与深度优先搜索算法示例

    本文实例讲述了Python数据结构与算法之图的广度优先与深度优先搜索算法.分享给大家供大家参考,具体如下: 根据维基百科的伪代码实现: 广度优先BFS: 使用队列,集合 标记初始结点已被发现,放入队列 ...

  6. Python 数据结构和算法

    阅读目录 什么是算法 算法效率衡量 算法分析 常见时间复杂度 Python内置类型性能分析 数据结构 顺序表 链表 栈 队列 双端队列 排序与搜索 冒泡排序 选择排序 插入排序 希尔排序 快速排序 归 ...

  7. Python数据结构与算法(几种排序)

    数据结构与算法(Python) 冒泡排序 冒泡排序(英语:Bubble Sort)是一种简单的排序算法.它重复地遍历要排序的数列,一次比较两个元素,如果他们的顺序错误就把他们交换过来.遍历数列的工作是 ...

  8. Python数据结构与算法?

    数据结构与算法(Python) 冒泡排序 冒泡排序(英语:Bubble Sort)是一种简单的排序算法.它重复地遍历要排序的数列,一次比较两个元素,如果他们的顺序错误就把他们交换过来.遍历数列的工作是 ...

  9. python数据结构与算法之问题求解实例

    关于问题求解,书中有一个实际的案例. 上图是一个交叉路口的模型,现在问题是,怎么安排红绿灯才可以保证相应的行驶路线互不交错. 第一步,就是把问题弄清楚. 怎么能让每一条行驶路线不冲突呢? 其实,就是给 ...

随机推荐

  1. Cheatsheet: 2015 07.01 ~ 07.31

    Java JBoss Drools Tutorial for Beginners Other A Simple File System RebornDB: the Next Generation Di ...

  2. [HIHO1079]离散化(线段树、染色)

    题目链接:http://hihocoder.com/problemset/problem/1079 MD坑爹,线段查询的时候左闭右开.插完挨个点找一遍扔set里,注意没染色的情况. #include ...

  3. IE的条件注释

    <!--[if !IE]><!--> 除IE外都可识别 <!--<![endif]--> <!--[if IE]> 所有的IE可识别 <![ ...

  4. PHP-----二维数组和二分查找

    二维数组由行和列组成.由arr[$i][$j]表示,先后表示行和列,类似于坐标点. 打印二维数组-----通过两次遍历,第一次遍历每一行,第二次遍历每一行的具体元素,并且通过使用count($arr[ ...

  5. jquery截图插件的使用

    首先感谢http://www.htmleaf.com/Demo/201504211717.html这款插件. 使用之初,对于插件的结构很是糊涂,首先文件的核心是cropper.js,其次才是mian. ...

  6. 【转】linux命令详解:md5sum命令

    [转]linux命令详解:md5sum命令 转自:http://blog.itpub.net/29320885/viewspace-1710218/ 前言 在网络传输.设备之间转存.复制大文件等时,可 ...

  7. Deep Learning 8_深度学习UFLDL教程:Stacked Autocoders and Implement deep networks for digit classification_Exercise(斯坦福大学深度学习教程)

    前言 1.理论知识:UFLDL教程.Deep learning:十六(deep networks) 2.实验环境:win7, matlab2015b,16G内存,2T硬盘 3.实验内容:Exercis ...

  8. intellij中编译报错: The packaging for this project did not assign a file to the build artifact

    原因是run configuration -> maven -> preject name -> Parameters -> command line中是install:ins ...

  9. Linux 控制 配置 减少 交换分区 SWAP 虚拟内存使用

    对于某些大型应用来说,SWAP 严重影响性能,尽可能避免使用: The Linux kernel provides a tweakable setting that controls how ofte ...

  10. C# lock

    一. 为什么要lock,lock了什么? 当我们使用线程的时候,效率最高的方式当然是异步,即各个线程同时运行,其间不相互依赖和等待.但当不同的线程都需要访问某个资源的时候,就需要同步机制了,也就是说当 ...