并查集原理并Python实现、Java实现

原文地址

分类目录——数据结构笔记

喔哈哈，刷题刷到了并查集，我就把我一年级时候的课程设计拿了出来，就直接贴上了

那会儿是用Java写的，Python实现放在了文尾

• Python实现

  这里写了一份简单版的，通过字典实现父子关系relation = {son:father}

  # 构造｛节点：祖先｝关系，使每个节点的父亲都指向最顶层祖先
  def union_find(nodes, edges):
      father = {}  # 字典记录父节点 ｛node: father_node｝
      for node in nodes:  # 初始化父亲为本身
          father[node] = node
  
      for edge in edges:  # 标记父节点
          fa, son = edge
          father[son] = fa
  
      for node in nodes:
          while True:  # 循环，直到找到根节点
              father_of_node = father[node]
              if father_of_node != father[father_of_node]:    # 找父节点的父节点（最父的节点的父节点是本身）
                  father[node] = father[father_of_node]
              else:  # 如果该节点的父节点与其爷爷节点相同，（上面的if为False，也就是此时，你懂得）
                  break  # 则说明找到了根节点
  
      return father
  
  # get环境中所有的族群（同一个祖先的为一个族群）
  def getpyq(nodes, edges):
      pyq = {}    # pyq=朋友圈
      relation_father = union_find(nodes, edges)
      for sub, root in relation_father.items():    # 经过上面的处理，这里root是祖先借点，每一个root形成一个族群
          # 根节点是key，子节点们组成的list是value
          if root not in pyq.keys():
              pyq[root] = [sub]
          else:
              pyq[root].append(sub)
      return pyq
  
  if __name__ == '__main__':
      nodes = list(range(0, 10))
      test_edges = [[0, 1], [0, 4], [1, 2], [1, 3], [5, 6], [6, 7], [7, 5], [8, 9]]
  
      father_relation = union_find(nodes, test_edges)
      print(father_relation)
      # {0: 0, 1: 0, 2: 0, 3: 0, 4: 0, 5: 5, 6: 5, 7: 5, 8: 8, 9: 8}
  
      pyq = getpyq(nodes, test_edges)
      print(pyq)
      # {0: [0, 1, 2, 3, 4], 5: [5, 6, 7], 8: [8, 9]}
  

• 参考文献

  部分参考并查集原理及Python实现，朋友圈个数问题