数据结构之堆:堆的排序,Python代码实现——13

堆的排序,使用Python代码实现

上一节对堆进行了简单的实现,但是实现的堆只是部分有序(父结点大于子结点,子结点之间无序)
接下来我们实现对堆的所有元素进行升序排序

排序过程

实现步骤:

  1. 构造堆;
  2. 得到堆顶元素,这个值就是最大值;
  3. 交换堆顶元索和数组中的最后一个元素 ,此时所有元索中的最大元素已经放到合适的位置;
  4. 对堆进行调整,重新让除了最后一个元索的剩余元索中的最大值放到堆顶;
  5. 重复2-4这个步骤,直到堆中剩-个元索为止。

主要操作方法

  1. swap()交换指定两个索引的元素
  2. less()比较索引处元素是否第一个较小
  3. create_heap()创建堆,将源数组的元素copy到堆的1~length索引对应的元素处,再调用sink()方法对元素进行下沉排序
  4. sink()对堆中元素进行下沉排序,
  5. ascending_sort()对堆进行从小到大排序

构造堆
简单直观方法是对传入的无需数组从左到右遍历,然后依次将元素放入到堆的1~length处(0索引已废除,为了定位元素位置时更方便),然后对元素依次通过比较和上浮顺序调整达到堆的特性之后就实现了堆,但是我们观察堆的特性

  • 堆的中间索引处就是叶子结点和非叶子结点的分割处

因此可以总结一个更简单的方法,只需要对非叶子结点做下沉动作即可:
在这里插入图片描述
堆构造create_heap()时的排序过程
在这里插入图片描述
实现堆的上升排序方法
对构造好的堆, 我们只需要做类似于堆的删除操作, 就可以实现堆上升排序方法。
7. 将堆顶元素和堆中最后一个元索交换位置;
8. 通过对堆顶元索下沉调整堆,把最大的元索放到堆顶(此时最后一个元素不参与堆的调整,因为最大的数据已经到了数组的最右边)
9. 重复1-2步骤,直到堆中剩最后-个元素。

堆上升排序ascending_sort()的过程
在这里插入图片描述

Python代码实现

# coding = utf-8
# -*- coding:utf-8 -*-# 小根堆class HeapSort:def __init__(self):self.heap = [None]  # 下标0不使用,从1开始(方便确定元素位置)self.length = 0def Swap(self, i, j):self.heap[i], self.heap[j] = self.heap[j], self.heap[i]def BuildHeap(self, target_arr):"""将传入的一维数组转变成堆"""self.heap.extend(target_arr)self.length += len(target_arr)for i in range(int((self.length-1)/2), 0, -1):self.Sink(i, self.length)def Sink(self, index, _range):"""_range是堆中最大的index,这一步实现找到左孩子和右孩子中较大者的下标"""while 2*index <= _range:# 2*index是左孩子的下标,2*index+1是右孩子的下标(若存在)max_elem_index = 2*index if 2*index+1 > _range else\(2*index + 1 if self.heap[2*index] < self.heap[2*index + 1] else 2*index)if self.heap[index] > self.heap[max_elem_index]:  # 如果根结点比左孩子和右孩子都大则无需下沉,往下一个结点循环breakself.Swap(index, max_elem_index)index = max_elem_index  # 若根结点(比max_index对应值还小则)下沉,还要继续比较再下一层看是否还要执行下沉def Ascending_sort(self, target_arr):"""建立小根堆,使用升序排序"""# 先建立小根堆self.BuildHeap(target_arr)N = self.lengthwhile N > 1:self.Swap(1, N)N -= 1self.Sink(1, N)if __name__ == "__main__":HS = HeapSort()# arr = ['S', 'O', 'R', 'T', 'E', 'X', 'A', 'M', 'P', 'L', 'E']arr = [122, 1, 12, 111, -5, 7, 4, 3, 56, 34, 13, 14]# arr = [7, 2, 4, 4, 3, -1, 4, 2, 8, 1]# arr = [122]HS.Ascending_sort(arr)print(HS.heap)

输出结果

[None, -5, 1, 3, 4, 7, 12, 13, 14, 34, 56, 111, 122]

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/469538.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数据结构之优先队列:优先队列的介绍与基础操作实现,Python代码实现——14

优先队列(Priority queue)的介绍 优先队列是计算机中一种抽象的数据结构类&#xff0c;它有着一个类似和队列或者堆的结构&#xff0c;但是其中每个元素额外有一个优先级别在一个优先队列中&#xff0c;一个高优先顺序的元素会先执行与低优先顺序的元素。在它的执行过程中&…

初识--百年孤独

转载于:https://www.cnblogs.com/xmyun/articles/6306290.html

OpenCV_09 模版匹配和霍夫变换:霍夫线检测+霍夫圆检测

1 模板匹配 1.1 原理 所谓的模板匹配&#xff0c;就是在给定的图片中查找和模板最相似的区域&#xff0c;该算法的输入包括模板和图片&#xff0c;整个任务的思路就是按照滑窗的思路不断的移动模板图片&#xff0c;计算其与图像中对应区域的匹配度&#xff0c;最终将匹配度最…

UICollectionView下拉使header放大模糊

模糊主要使用UIVisualEffectView&#xff0c;这只在ios8以后适用 //模糊的遮罩view property(nonatomic,strong) UIVisualEffectView *effectView; property(nonatomic,strong) CollectionviewLayout *layout;CollectionviewLayout *layout [[CollectionviewLayout alloc]init…

数据结构之优先队列:最小索引优先队列,Python代码实现——15

最小索引优先队列(Min index priority queue) 在之前实现的最大优先队列和最小优先队列,他们可以分别快速访问到队列中最大元索和最小元素,但是他们有一 个缺点,就是没有办法通过索引访问已存在于优先队列中的对象,并更新它们。 为了实现这个目的,在优先队列的基础上,学习一种…

OpenCV_10 傅里叶变换:频域滤波+CV的应用

1 傅里叶变换的理解 傅里叶变换是由法国的一位数学家Joseph Fourier在18世纪提出来的&#xff0c;他认为&#xff1a;任何连续周期的信号都可以由一组适当的正弦曲线组合而成。 傅里叶变换是描述信号的需要&#xff0c;它能够反映信号的特征&#xff0c;并可以使用特征值进行量…

OpenCV_11 轮廓检测:图像的轮廓+绘制轮廓+轮廓近似+边界矩形+椭圆拟合+直线拟合

1 图像的轮廓 轮廓可以简单认为成将连续的点&#xff08;连着边界&#xff09;连在一起的曲线&#xff0c;具有相同的颜色或者灰度。轮廓是图像目标的外部特征&#xff0c;这种特征对于我们进行图像分析&#xff0c;目标识别和理解等更深层次的处理都有很重要的意义。 轮廓提…

数据结构之平衡树:2-3查找树的介绍——16

平衡树&#xff08;AVL tree&#xff09; 引入 之前学习的树&#xff0c;都不是平衡的&#xff0c;查找时需要一个一个往内比较&#xff0c;一个结点只储存一个值&#xff0c;数据量存储较大&#xff0c;树的深度会非常的深&#xff0c;导致数据查询时效率会十分的低&#xf…

OpenCV_12 图像分割:全阈值分割+自适应阈值分割+Otsu 阈值(大津法)+分水岭算法+GraphCut+GrabCut

1 图像分割 所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域&#xff0c;并使这些特征在同一区域内呈现出相似性&#xff0c;而在不同区域间呈现出明显的差异性。我们先对目前主要的图像分割方法做个概述&#xff0c;后面再对个别方法做详…

Android中的IPC机制

Android IPC简介 IPC是Inter-Process Communication的缩写&#xff0c;含义就是进程间通信或者跨进程通信&#xff0c;是指两个进程之间进行数据交换的过程。那么什么是进程&#xff0c;什么是线程&#xff0c;进程和线程是两个截然不同的概念。在操作系统中&#xff0c;线程是…

数据结构之平衡树:红黑树的介绍与Python代码实现——17

红黑树的介绍与Python代码实现 红黑树的介绍 红黑树(Red-Black Tree)是一种平衡二叉查找树&#xff0c;它是一种以比较简单的方式实现的2-3查找树 红黑树基于2-3查找树的表现 红链接:将两个2-结点连接起来构成一个3-结点 ;黑链接:则是2-3树中的普通链接。 红黑树的定义&a…

数据结构之并查集:并查集的介绍与Python代码实现——18

并查集的介绍 并查集&#xff08;Union-find&#xff09;数据结构也称作合并查找集&#xff08;Merge-find set&#xff09;或者不相交集数据结构&#xff08;disjoint-set data structure&#xff09;&#xff0c;它是一种记录了由一个或多个元素组成的不连续的分组的集合。并…

图像特征提取与描述_角点特征01:Harris算法+Shi-Tomas算法

1 Harris角点检测 1.1 原理 Harris角点检测的思想是通过图像的局部的小窗口观察图像&#xff0c;角点的特征是窗口沿任意方向移动都会导致图像灰度的明显变化&#xff0c;如下图所示&#xff1a; 将上述思想转换为数学形式&#xff0c;即将局部窗口向各个方向移动(u,v)并计算…

canvas小程序-快跑程序员

canvas不用说html5带来的好东西&#xff0c;游戏什么的&#xff0c;么么哒 记得有一天玩手机游戏&#xff0c;就是一个跳跃过柱子那种&#xff0c;其实元素很简单啊&#xff0c;app能开发&#xff0c;借助html5 canvas也可以啊&#xff0c;于是就开始了。 --------------------…

数据结构之并查集:UF-Tree优化并查集——19

并查集的优化 在上一节了解到并查集的快速查询&#xff0c;合并&#xff0c;判断归属组等操作&#xff0c;虽然这些操作都非常方便&#xff0c;但是在数据量较大的情况下&#xff0c;并查集的效率并不算高&#xff1a; 上一节中实现代码中使用的合并方法(merge&#xff0c;AP…

图像特征提取与描述_角点特征02:SIFT算法+SURF算法

SIFT/SURF算法 1.1 SIFT原理 前面两节我们介绍了Harris和Shi-Tomasi角点检测算法&#xff0c;这两种算法具有旋转不变性&#xff0c;但不具有尺度不变性&#xff0c;以下图为例&#xff0c;在左侧小图中可以检测到角点&#xff0c;但是图像被放大后&#xff0c;在使用同样的窗…

图像特征提取与描述_角点特征03:Fast算法+ORB算法

1 Fast算法 1.1 原理 我们前面已经介绍过几个特征检测器&#xff0c;它们的效果都很好&#xff0c;特别是SIFT和SURF算法&#xff0c;但是从实时处理的角度来看&#xff0c;效率还是太低了。为了解决这个问题&#xff0c;Edward Rosten和Tom Drummond在2006年提出了FAST算法&…

数据结构之并查集:路径压缩继续优化并查集——20

路径压缩继续优化并查集 在实现的并查集中&#xff0c;在合并操作merge(item1, item2)时&#xff0c;会不管两个元素所在的分组大小&#xff0c;总是将item 1的分组合并到item2的分组&#xff0c;这样可能会导致树的深度无必要地增加&#xff1a; 如果是大树合并到小树上&…

数据结构之并查集:并查集解决案例, Python——21

并查集解决案例畅通工程 案例问题介绍&#xff1a; 某省调查城镇交通状况,得到现有城镇道路统计表,表中列出了每条道路直接连通的城镇。省政府"畅通工程”的目标是使全省任何两个城镇间都可以实现交通(但不一定有直接的道路相连,只要互相间接通过道路可达即可)。问最少还…

图像特征提取与描述_角点特征04:LBP算法+HOG特征算子

1.LBP算法 LBP(Local Binary Pattern)指局部二值模式&#xff0c;是一种用来描述图像局部特征的算子&#xff0c;LBP特征具有灰度不变性和旋转不变性等显著优点。它是由T. Ojala, M.Pietikinen, 和 D. Harwood在1994年提出&#xff0c;由于LBP特征计算简单、效果较好&#xff…