python 大顶堆

描述部分均来自（https://www.cnblogs.com/chengxiao/p/6129630.html）

利用大顶堆(小顶堆)堆顶记录的是最大关键字(最小关键字)这一特性，使得每次从无序中选择最大记录(最小记录)变得简单。

    其基本思想为(大顶堆)：

    1)将初始待排序关键字序列(R1,R2....Rn)构建成大顶堆，此堆为初始的无序区；

    2)将堆顶元素R[1]与最后一个元素R[n]交换，此时得到新的无序区(R1,R2,......Rn-1)和新的有序区(Rn),且满足R[1,2...n-1]<=R[n]; 

    3)由于交换后新的堆顶R[1]可能违反堆的性质，因此需要对当前无序区(R1,R2,......Rn-1)调整为新堆，然后再次将R[1]与无序区最后一个元素交换，得到新的无序区(R1,R2....Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为n-1，则整个排序过程完成。

    操作过程如下：

     1)初始化堆：将R[1..n]构造为堆；

     2)将当前无序区的堆顶元素R[1]同该区间的最后一个记录交换，然后将新的无序区调整为新的堆。

    因此对于堆排序，最重要的两个操作就是构造初始堆和调整堆，其实构造初始堆事实上也是调整堆的过程，只不过构造初始堆是对所有的非叶节点都进行调整。

    下面举例说明：

     给定一个整形数组a[]={16,7,3,20,17,8}，对其进行堆排序。

    首先根据该数组元素构建一个完全二叉树，得到

 

直接放代码，写的比较仓促，多多指点

class MaxHeap:
    def __init__(self, num):
        self.num = num

    def build(self):
        if len(self.num) < 2:
            return
        index = len(self.num) // 2 - 1
        while index >= 0:
            temp_index = index
            left_index, right_index = 2 * temp_index + 1, 2 * temp_index + 2
            if left_index < len(self.num) and right_index < len(self.num):
                max_child_index = left_index if self.num[left_index] > self.num[right_index] else right_index
                # 得到子节点中较大的value与父节点的值比较
            elif left_index < len(self.num):  # 左结点存在，右结点不存在
                max_child_index = left_index
            else:
                break
            while self.num[temp_index] < self.num[max_child_index]:  # 孩子结点值大于父亲结点值
                temp = self.num[temp_index]
                self.num[temp_index] = self.num[max_child_index]
                self.num[max_child_index] = temp  # 交换父结点与子结点
                temp_index = max_child_index  # 子结点交换后是否满足大顶堆要求
                left_index, right_index = 2 * temp_index + 1, 2 * temp_index + 2
                if left_index < len(self.num) and right_index < len(self.num):
                    max_child_index = left_index if self.num[left_index] > self.num[right_index] else right_index
                elif left_index < len(self.num):
                    max_child_index = left_index
                else:
                    break
            index -= 1

    def pop_big(self):
        if not self.num:
            return
        elif len(self.num) == 1:
            return self.num.pop(-1)
        big_value = self.num[0]
        self.num[0] = self.num[-1]
        self.num = self.num[0: -1]
        self.build()
        return big_value


if __name__ == '__main__':
    s = MaxHeap([16, 7, 3, 20, 17, 8, 100, 1, 99, 98, 75, 43, 76])
    s.build()
    print(s.num)
    while s.num:
        print(s.pop_big())