【数据结构/堆排序】从大批量数据中快速查找前N个最大值

  问题：给出一堆大批量数据（比如10亿），如何从中快速查找出前N个最大值？
  解决方案：采用最小堆的形式。先取出N个数据生成最小堆，然后再取出后面的值依次与堆顶比较，比堆顶小，则继续；比堆顶大，则交换值，并更新最小堆，直到所有值全部比较完，最后生成的最小堆就是最大的N个数据。
  最小堆概念：最小堆是一种经过排序的完全二叉树，其中任一非终端节点的数据值均不大于其左子节点和右子节点的值。如下图所示，即有节点2、节点3大于等于节点1；节点4、节点5大于等于节点2；节点6、节点7大于等于节点3。

最小堆的实例如下所示：

下面，我们通过Python代码来实现利用最小堆查找出数据的前N个最大值。
最小堆文件 MinHeap.py

class MinHeap():
    def parent(self,n):
        return (n-1)//2
    def leftChild(self,n):
        return 2*n+1
    def rightChild(self,n):
        return 2*n+2

    #将list的前n个值构建为最小堆
    def build_min_heap(self,n,list):
        for i in range(n):
            t=i;
            while (t!=0 and (list[self.parent(t)] > list[t])):
                temp = list[t]
                list[t] = list[self.parent(t)]
                list[self.parent(t)] = temp
                t = self.parent(t)
    #将数据与堆顶进行比较
    def adjust_heap(self,i,n,list):
        if(list[i]list[self.leftChild(t)])or 
        (self.leftChild(t)list[self.leftChild(t)]):
            if ((self.rightChild(t) < n )and (list[self.rightChild(t)] < list[self.leftChild(t)])):
                #右孩子更小，置换右孩子
                temp = list[t];
                list[t] = list[self.rightChild(t)]
                list[self.rightChild(t)] = temp
                t = self.rightChild(t)
            else:
                #否则置换左孩子
                temp = list[t]
                list[t] = list[self.leftChild(t)]
                list[self.leftChild(t)] = temp
                t = self.leftChild(t)
    def findTopN(self,n,list):
        self.build_min_heap(n,list)
        for i in range(len(list)):
            self.adjust_heap(i,n,list)
    def print(self,list):
        print(list)

测试文件 test.py

from topN.MinHeap import MinHeap
if __name__ == "__main__":
    minHeap = MinHeap()
    #第一组测试
    list = [56, 30, 71, 18, 29, 93, 44, 75, 20, 65, 68, 34]
    print("原数组：")
    minHeap.print(list)
    minHeap.findTopN(5, list)
    print("调整后数组：")
    minHeap.print(list)

运行结果

方框中即是原数组中的前5个最大值。
参考：https://mp.weixin.qq.com/s/jES3gqaHfgJXbTgPmUbAqw