【Python】（十八）Python实现二叉堆结构

二叉堆从形式上看就是一棵二叉树，而且是一颗完整二叉树。因此，当我们实现它时，我们可以只使用一个列表作为内部表示。二叉堆有两种——最小堆（其中最小的键总是在前面）和最大堆（其中最大的键值总是在前面）。在本文中，我们将实现最小堆。
需要注意的一个有用的性质是，当列表从索引1开始存储元素时，每个节点p的左子树的根节点索引应为（2*p），右子树的根节点索引应为（2*p+1）。
二叉堆的简单实现如下：

# 二叉堆
class BinaryHeap(object):
    # 创建一个新的，空的二叉堆。
    def __init__(self): 
        self.item_list = [0] #第0项元素代表堆中存放的实际元素的个数
    
    # 向堆添加一个新项。
    def insert(self, new_item):
        self.item_list.append(new_item)
        self.item_list[0] += 1 #记录元素个数的增加
        self.upward_adjust(self.item_list[0]) #向上调整
        
    # 向上调整
    def upward_adjust(self, index):
        while index//2 > 0: #父节点存在
            if self.item_list[index] < self.item_list[index//2]: #如果当前节点比父亲节点更小，则交换
                temp = self.item_list[index]
                self.item_list[index] = self.item_list[index//2]
                self.item_list[index//2] = temp
                index = index//2 #继续调整
            else: #如果当前节点不比父节点小
                break #停止调整
    
    # 返回具有最小键值的项，并将项留在堆中。
    def get_min(self):
        if self.item_list[0]>0: #不为空，返回堆顶
            return self.item_list[1]
        else:
            return None
    
    # 返回具有最小键值的项，从堆中删除该项。
    def pop_min(self):
        if self.item_list[0] == 0: #如果为空，返回None
            return None
        else:
            top_min = self.item_list[1] #将堆顶元素
            self.item_list[1] = self.item_list[self.item_list[0]] #将最后一个元素移动到堆顶
            self.item_list[0] -= 1
            self.downward_adjust(1) #向下调整
            return top_min
    
    # 向下调整
    def downward_adjust(self, index):
        while 2*index <= self.item_list[0]: #子节点存在
            if 2*index+1 <= self.item_list[0]: #左右子节点都存在
                if self.item_list[2*index]self.item_list[2*index]: #比左子节点更大，交换
                        temp = self.item_list[index]
                        self.item_list[index] = self.item_list[2*index]
                        self.item_list[2*index] = temp
                        index = 2*index #继续调整
                    else: #没有比子节点更大，停止调整
                        break
                else: #右子节点更小
                    if self.item_list[index]>self.item_list[2*index+1]: #比右子节点更大，交换
                        temp = self.item_list[index]
                        self.item_list[index] = self.item_list[2*index+1]
                        self.item_list[2*index+1] = temp
                        index = 2*index+1 #继续调整
                    else: #没有比子节点更大，停止调整
                        break
            else: #只存在左节点
                if self.item_list[index]>self.item_list[2*index]: #比左子节点更大，交换
                    temp = self.item_list[index]
                    self.item_list[index] = self.item_list[2*index]
                    self.item_list[2*index] = temp
                else: #没有比子节点更大，停止调整
                    break
            
    # 判断是否为空
    def isEmpty(self):
        return 0 == self.item_list[0]
        
    # 返回堆中的项数
    def size(self):
        return self.item_list[0]

    #从列表构建一个新的堆。覆盖掉当前的堆
    def build_heap(self, input_list):
        self.item_list = [0]+input_list
        self.item_list[0] = len(input_list)
        for index in range(self.item_list[0]//2, 0, -1): #从最后一个有叶节点的元素起逐个向下调整
            self.downward_adjust(index)

def main():
    bh = BinaryHeap()
    bh.build_heap([9,5,6,2,3,10,4,1,8,7,0])

    for i in range(11):
        print(bh.pop_min())
    
if __name__ == "__main__":
    main()

运行结果：

0
1
2
3
4
5
6
7
8
9
10