Python实现堆排序的诀窍

Python实现堆排序的诀窍

本文实例讲述了Python实现堆排序的方法。分享给大家供大家参考,具体如下:

堆排序作是基本排序方法的一种,类似于合并排序而不像插入排序,它的运行时间为O(nlogn),像插入排序而不像合并排序,它是一种原地排序算法,除了输入数组以外只占用常数个元素空间。

堆(定义):(二叉)堆数据结构是一个数组对象,可以视为一棵完全二叉树。如果根结点的值大于(小于)其它所有结点,并且它的左右子树也满足这样的性质,那么这个堆就是大(小)根堆。

我们假设某个堆由数组A表示,A[1]为树的根,给定某个结点的下标i,其父结点、左孩子、右孩子的下标都可以计算出来:

PARENT(i):
return i/2
LEFT(i):
return 2i
RIGHT(i):
return 2i+1

Python实现堆排序的诀窍

堆排序Python实现

所谓堆排序的过程,就是把一些无序的对象,逐步建立起一个堆的过程。
下面是用Python实现的堆排序的代码:

def build_max_heap(to_build_list):
 """建立一个堆"""
 # 自底向上建堆
 for i in range(len(to_build_list)/2 - 1, -1, -1):
  max_heap(to_build_list, len(to_build_list), i)
def max_heap(to_adjust_list, heap_size, index):
 """调整列表中的元素以保证以index为根的堆是一个最大堆"""
 # 将当前结点与其左右子节点比较,将较大的结点与当前结点交换,然后递归地调整子树
 left_child = 2 * index + 1
 right_child = left_child + 1
 if left_child < heap_size and to_adjust_list[left_child] > to_adjust_list[index]:
  largest = left_child
 else:
  largest = index
 if right_child < heap_size and to_adjust_list[right_child] > to_adjust_list[largest]:
  largest = right_child
 if largest != index:
  to_adjust_list[index], to_adjust_list[largest] = \
  to_adjust_list[largest], to_adjust_list[index]
  max_heap(to_adjust_list, heap_size, largest)
def heap_sort(to_sort_list):
 """堆排序"""
 # 先将列表调整为堆
 build_max_heap(to_sort_list)
 heap_size = len(to_sort_list)
 # 调整后列表的第一个元素就是这个列表中最大的元素,将其与最后一个元素交换,然后将剩余的列表再调整为最大堆
 for i in range(len(to_sort_list) - 1, 0, -1):
  to_sort_list[i], to_sort_list[0] = to_sort_list[0], to_sort_list[i]
  heap_size -= 1
  max_heap(to_sort_list, heap_size, 0)
if __name__ == '__main__':
 to_sort_list = [4, 1, 3, 2, 16, 9, 10, 14, 8, 7]
 heap_sort(to_sort_list)
 print to_sort_list

希望本文所述对大家Python程序设计有所帮助。