python不调用heapq库 实现大顶堆，小顶堆
参考了博客，并对其进行了堆的push() 和 降序排序的补充
【精选】图解堆排序及其Python实现_python 实现小顶堆-CSDN博客
目录
大顶堆
调用结果展示：
小顶堆：
调用结果展示：
此结果与调用heapq库中的heapify(arr)函数等效
其中定义的push()函数与heapy库中的heappush(arr,num)函数等效
大顶堆
import copy
# 导入copy 后面用到深拷贝 为排序不改变原值考虑
class Heap(object):
"""实现大顶堆及堆排序"""
def __init__(self, arr: list):
"""arr: 用户输入的待排序数组"""
self.arr = arr
self.len = len(arr)
# self.sorted1_arr = []
self.sorted2_arr = []
# 一旦创建类即自动转为大顶堆数组
self.create_heap()
def heapify(self, parent_index):
"""维护堆的性质"""
# 假设当前父节点是子树中最大的值下标
largest = parent_index
# 左右孩子节点下标，有可能不存在
left_child_index = parent_index * 2 + 1
right_child_index = parent_index * 2 + 2
# 判断左右子节点是否存在，并找出其中最大的值下标
if left_child_index < self.len and self.arr[largest] < self.arr[left_child_index]:
largest = left_child_index
if right_child_index < self.len and self.arr[largest] < self.arr[right_child_index]:
largest = right_child_index
# 需要进行位置调整，并进行递归调整
if not (largest == parent_index):
self.arr[parent_index], self.arr[largest] = self.arr[largest], self.arr[parent_index]
self.heapify(largest)
def create_heap(self):
"""初始化堆"""
last_parent_index = (self.len - 1) // 2 # 最后一个包含子节点的父节点下标
for i in range(last_parent_index, -1 , -1):
self.heapify(i)
def pop(self):
peak = self.arr[0]
# 交换堆顶与最后一个元素，然后重新建堆
self.arr[0] = self.arr[-1]
self.arr.pop(-1)
self.len -= 1
self.heapify(0) # 从上到下维护堆
return peak
# 在某人博客基础上加了增加元素的
def push(self,elem):
self.arr.append(elem)
self.len += 1
# 记录加入元素的下标及父节点下标
tmp = self.len - 1
parent_note = (tmp-1) // 2
# 在所加入的那一条链上 不断比较与父节点的大小 并交换
while parent_note>=0 and self.arr[parent_note] < self.arr[tmp]:
self.arr[parent_note], self.arr[tmp] = self.arr[tmp], self.arr[parent_note]
# 更新加入节点和父节点的下标
tmp = parent_note
parent_note = (parent_note-1) // 2
def heap_sort1(self):
"""堆排序，输出排序后的数组，升序"""
self.arr2 = copy.deepcopy(self.arr)
self.sorted1_arr = [0] * len(self.arr)
for i in range(len(self.arr)-1,-1,-1):
self.sorted1_arr[i] = self.pop()
self.arr = self.arr2
return self.sorted1_arr
def heap_sort2(self):
"""堆排序，输出排序后的数组，降序"""
self.arr2 = copy.deepcopy(self.arr)
for i in range(len(self.arr)):
self.sorted2_arr.append(self.pop())
self.arr = self.arr2
return self.sorted2_arr调用结果展示：
h = Heap([18, 34, 26, 25, 30, 8, 28, 13])
print(h.arr)
print(h.pop())
h.push(36)
print(h.arr)
print(h.heap_sort2())
print(h.heap_sort1())
#结果展示
[34, 30, 28, 25, 18, 8, 26, 13]
34
[36, 25, 30, 13, 18, 8, 26, 28]
[36, 30, 28, 26, 25, 18, 13, 8]
[25, 30, 13, 18, 8, 26, 28, 36]小顶堆：
搞懂大顶堆 小顶堆很快秒 只需改几个符号
import copy
# 导入copy 后面用到深拷贝 为排序不改变原值考虑
class Heap(object):
"""实现小顶堆及堆排序"""
def __init__(self, arr: list):
"""arr: 用户输入的待排序数组"""
self.arr = arr
self.len = len(arr)
# self.sorted1_arr = []
self.sorted2_arr = []
# 一旦创建类即自动转为大顶堆数组
self.create_heap()
def heapify(self, parent_index):
"""维护堆的性质"""
# 假设当前父节点是子树中最小的值下标
largest = parent_index
# 左右孩子节点下标，有可能不存在
left_child_index = parent_index * 2 + 1
right_child_index = parent_index * 2 + 2
# 判断左右子节点是否存在，并找出其中最小的值下标
if left_child_index < self.len and self.arr[largest] > self.arr[left_child_index]:
largest = left_child_index
if right_child_index < self.len and self.arr[largest] > self.arr[right_child_index]:
largest = right_child_index
# 需要进行位置调整，并进行递归调整
if not (largest == parent_index):
self.arr[parent_index], self.arr[largest] = self.arr[largest], self.arr[parent_index]
self.heapify(largest)
def create_heap(self):
"""初始化堆"""
last_parent_index = (self.len - 1) // 2 # 最后一个包含子节点的父节点下标
for i in range(last_parent_index, -1 , -1):
self.heapify(i)
def pop(self):
peak = self.arr[0]
# 交换堆顶与最后一个元素，然后重新建堆
self.arr[0] = self.arr[-1]
self.arr.pop(-1)
self.len -= 1
self.heapify(0) # 从上到下维护堆
return peak
# 在某人博客基础上加了增加元素的
def push(self,elem):
self.arr.append(elem)
self.len += 1
# 记录加入元素的下标及父节点下标
tmp = self.len - 1
parent_note = (tmp-1) // 2
# 在所加入的那一条链上 不断比较与父节点的大小 并交换
while parent_note>=0 and self.arr[parent_note] > self.arr[tmp]:
self.arr[parent_note], self.arr[tmp] = self.arr[tmp], self.arr[parent_note]
# 更新加入节点和父节点的下标
tmp = parent_note
parent_note = (parent_note-1) // 2
def heap_sort1(self):
"""堆排序，输出排序后的数组，降序"""
self.arr2 = copy.deepcopy(self.arr)
self.sorted1_arr = [0] * len(self.arr)
for i in range(len(self.arr)-1,-1,-1):
self.sorted1_arr[i] = self.pop()
self.arr = self.arr2
return self.sorted1_arr
def heap_sort2(self):
"""堆排序，输出排序后的数组，升序"""
self.arr2 = copy.deepcopy(self.arr)
for i in range(len(self.arr)):
self.sorted2_arr.append(self.pop())
self.arr = self.arr2
return self.sorted2_arr调用结果展示：
h = Heap([18, 34, 26, 25, 30, 8, 28, 13])
print(h.arr)
print(h.pop())
h.push(36)
print(h.arr)
print(h.heap_sort2())
print(h.heap_sort1())
#结果展示
[8, 13, 18, 25, 30, 26, 28, 34]
8
[13, 25, 18, 34, 30, 26, 28, 36]
[13, 18, 25, 26, 28, 30, 34, 36]
[25, 18, 34, 30, 26, 28, 36, 13]基于python中的此库只能实现小顶堆
此结果与调用heapq库中的heapify(arr)函数等效
import heapq
arr = [18, 34, 26, 25, 30, 8, 28, 13]
heapq.heapify(arr)
print(arr)
#结果
[8, 13, 18, 25, 30, 26, 28, 34]其中定义的push()函数与heapy库中的heappush(arr,num)函数等效
将上述push()函数单独拿出来 就可以模拟heappush()功能
def push(arr,elem):
arr.append(elem)
n = len(arr)
# 记录加入元素的下标及父节点下标
tmp = n - 1
parent_note = (tmp-1) // 2
# 在所加入的那一条链上 不断比较与父节点的大小 并交换
while parent_note>=0 and arr[parent_note] > arr[tmp]:
arr[parent_note], arr[tmp] = arr[tmp], arr[parent_note]
# 更新加入节点和父节点的下标
tmp = parent_note
parent_note = (parent_note-1) // 2
arr = [10, 17, 50, 7, 30, 24, 27, 45, 15, 5, 36, 21]
arr1 = []
for item in arr:
push(arr1,item)
print(arr1)
#结果
[5, 7, 21, 15, 10, 24, 27, 45, 17, 30, 36, 50]heappush(arr,num)的效果，可见效果一致！
import heapq
array = [10, 17, 50, 7, 30, 24, 27, 45, 15, 5, 36, 21]
heapq.heapify(array)
#结果
[5, 7, 21, 15, 10, 24, 27, 45, 17, 30, 36, 50]