什么是最小堆,最大堆最小堆算法

　　#实现最大堆类maxheap (): def _ _ init _ _ (self，Maxsize=none):self . Maxsize=Maxsize self . Li=[none]* Maxsize self . count=0 deflength(self):#查找数组长度返回self . count def show(self):if self . count=0:print( null )else:print(self . Li[:self . count])def add(self，Value):ifself . count=self . Maxsize:#判断数组是否越界。raise exception( full )self . Li[self . count]=value #将新节点添加到最后一个self。_shift_up(self.count) #构建递归堆self.count=1def _ shift _ up (self，index): #向堆中添加元素并确保根节点为最大值：#1。向最后一个节点添加新值，并在Add中实现；2.与父节点相比，如果值大于父节点，交换if index 0: parent=(index-1) //2 #查找根节点if self.li[index]self . Li[parent]:#交换节点Self . Li[index]，Self。李[父母]=自己。李【父母】，自我。李[索引]自我。_ shift _ up (parent) #继续自下而上递归判断def extract(self):#弹出最大堆的根节点，即最大值#1。删除根节点，使最后一个节点成为更新的节点；2.判断根节点和左右节点的大小，如果不是自己。count:raise exception( null )value=self . Li[0]self . count-=1 self . Li[0]=self . Li[self . count]#将最后一个值更改为第一个self。_ shift _ down (0)返回值def _ shift _ down (self，index): # 1。确定是否有左子节点且左大于根且左大于右；2.判断是否有右子节点，右大于根left=2 * index 1 right=2 * index 2 large=index #判断条件#包含以下两个条件，判断左右节点较大的情况。如果是3，4，5，第一个判断条件使large=1，然后执行第二个条件，然后判断其左右节点的大小如果left self.length()和self . Li[left]self . Li[large]:large=left if right self . length()和self . Li[right]self . Li[large]:large=right if large！=index: #将两者交换为self.li [index]，self.li [large]=self.li [large]，self.li[index] self。_shift_down(最大)m=max heap(10)import numpy as NP NP NP . random . seed(123)num=NP . random . randint(100，Size=10) #为num中的I创建一个随机的10位数打印(m . length())m . add(I)m . show()print(m . length())为范围中的I(5):print(m . extract()，end=，)

　　2.最小堆的实现#构造最小堆class min heap():def _ _ init _ _(self，maxSize=None):self。maxSize=maxSize self。array=[None]* maxSize self ._count=0定义长度(自身):返回自我._计数定义显示(自身):如果自我._ count=0:print( null )print(self。数组[:self ._count]，end=，)def add(self，value): #增加元素如果自我. count=self.maxSize:引发异常("数组已满”)self.array[self ._count]=值本身. shift_up(self ._count)自己. count=1 def _shift_up(自身，索引):#比较结点与根节点的大小，较小的为根结点if index 0:parent=(index-1)//2 if self . array[parent]self。数组[索引]:self。数组[父级]，自身。数组[索引]=自身。数组[索引]，self。数组[父级]自身._shift_up(父)定义提取（自身):#获取最小值，并更新数组如果自我. count=0:引发异常("数组为空”)value=self.array[0] self ._count -=1 #更新数组的长度self.array[0]=self.array[self ._count] #将最后一个结点放在前面自我. shift_down(0)返回值def _shift_down自身，索引):#此时指数是根结点如果索引自我. count:左=2 *索引一右=2 *索引2 #判断左右结点是否越界，是否小于根结点，如果是这交换如果离开自我。_计数和正确的自我. count和self。数组[左]自我。数组[索引]和自身。数组[左]自我。数组[右]:self。数组[索引]，self。数组[左]=自身。数组[左]，self . array[索引] #交换得到较小的值自我. shift_down(左)elif离开自我._计数和正确的自我. count _ and self . array[右] self。数组[左]和self。数组[右]自我。数组[索引]:self。阵[右]，自。数组[索引]=自身。数组[索引]，self。阵列[右]自身._shift_down(右)#特殊情况：如果只有做叶子结点如果离开自我。_计数和正确的自我. count _ and self . array[left]self。数组[索引]:self。数组[左]，self。数组[索引]=自身。数组[索引]，self。数组[左]self ._ shift _ down(left)mi=min heap(10)print()print(-小顶堆-)为我在num:mi。添加(I)mi。显示()打印(mi。length())for _ in范围(len(num)):print(mi。extract()，end=，)print()print(mi.length())参考：https://博客。csdn。net/QQ _ 23869697/文章/详情/82735088

　　https://python数据结构和算法。阅读文档。io/zh/最新/15 _堆与堆排序/heap_and_heapsort/#_4

　　3.堆排序def maxHeapfy(list，length，parent):left=2 * parent 1 right=2 * parent 2 maximum=parent if left length and list[left]list[maximum]:maximum=left if right length and list[right]list[maximum]:maximum=right if maximum！=父母：列表[最大],列表[父]=列表[父],列表[最大] maxHeapfy(列表，长度，最大)#递归构建def buildMaxHeap(列表):#构建最大堆n=len(a list)last parent=(n-1)//2 for I in range(last parent，-1，-1): maxHeapfy(alist，n，I)def heap sort(a list):build max heap(a list)n=len(a list)for I in range(n-1，-1，-1): alist[0]，alist[i]=alist[i]，alist[0] #将最大值放在最后面maxHeapfy(alist，I，0) return alista=[30，50，57，77，62，78，94，80，84]print(a)print(堆排序(a))alist=[2，4，1，2，5，58，45，24，67]print(堆排序(alist))b=[random。randint(1，1000)for I in range(1000)]print(b)print(堆排序(b))

　　项目推荐：