1.简介

接着上一篇数组和链表，我们今天来聊一聊堆。我们都知道在操作系统中有堆栈这一概念，学过java的同学都知道java虚拟机中也有堆栈这么一说。栈负责管理函数的上下文以及一些基本类型变量，这一块由系统管理。堆存放新建的对象，并且会将其地址指向栈中的一个引用变量。如果没有任何引用，对象就成为垃圾对象，最后由垃圾回收器回收。但是我这里要聊的并不是内存中的堆，内存一般使用链表的形式来管理。但数据结构中堆的概念，相当于一种优先队列。

2.堆的定义和性质

1.定义

堆就是一棵完全二叉树，所谓的完全二叉树指的是树中的每一个节点位置和满二叉树中的位置相同，所谓的满二叉树指的是每一层树的节点都达到最大值(也就是树的每一层都被填满了)；

最大堆：一个堆中父节点的值总是比子节点要大(优先队列)

最小堆：父节点的值总是比子节点要小

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhb2JpbmcxOTkz_size_16_color_FFFFFF_t_70

2.性质一节点位置关系

1.已知父节点位置是i,其左子节点的位置是 2i+1,右子节点的位置是2i+2

2.已知子节点的位置是i,其父节点的位置是 (i-1)/2

3.性质二高度

堆的高度是根节点到最远叶节点所需要走的步数，等于堆的层数减一。假设一共有n个节点，那么这n个节点组成的堆的高度为 $floor(logn)$ ,此处对数以二为底。

如果堆的最下面一层被填满，则最小面一层的节点数量为 $2^\{h\}$ ,前面所有层的节点总和为 $2^\{h\}-1$ ,那么这个堆这种全部的节点数为 $2^\{h+1\}-1$

4.堆构建的过程

如图所示我们构建一个最小堆，实现的过程就是将每一个元素插入到堆的最后一位，然后不断的向上执行堆化操作。下面的代码实现会更清晰的体现出来这一点。

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhb2JpbmcxOTkz_size_16_color_FFFFFF_t_70 1

3.基本功能代码实现

基本的功能包括三点：

1.添加新元素到堆中，先将元素插入到最后一位，再不断和父节点比较，直到位置不再变换

2.弹出堆顶元素，弹出后将最后一位放入第一位，不断和子节点进行比较，直到位置不再变换。

3.优先队列：将一个数组变成堆，其实就是将每一个元素插入到一个空堆里面，按照优先级排序。

#-*- coding:utf-8 -*-
#实现一个最大堆
#1.使用数组来存放元素
#2.两个核心 方法 shift_up(将元素和父节点比较，如果顺序不对就更换位置) 
#shift_down (将元素和子节点比较，如果顺序不对就更换位置)
#3.添加元素 加入到最后面  然后进行 shift_up(-1)进行堆顺序调整
#4.取出元素 弹出第一个  将最后一个放在第一的位置  然后shift_down(0)进行堆顺序调整
class MaxHeap(object):
    #双下划线表示私有 外部不可以访问 子类也不可以
    # 单下划线表示半私有 外部可以访问 子类可以访问
    def __init__(self):
        self.array=[] #用数组来存放元素
    def _parent(self,index):
        return int((index-1)/2)
    def _leftchild(self,index):
        return int(index*2+1)
    def _rightchild(self,index):
        return int(index*2+2)
    def get_size(self):
        return len(self.array)
    # 将每一个元素和父节点进行比较，如果大于父节点的值则进行位置交换
    def shift_up(self,K):
        parent = self._parent(K)
        if K>0 and self.array[K]>self.array[parent]:
            self.array[K],self.array[parent]=self.array[parent],self.array[K]
            self.shift_up(parent)
    #将节点和自己的子节点比较，如果子节点大于父节点则调换位置
    def shift_down(self,K):
        left_child = self._leftchild(K)
        right_child = self._rightchild(K)
        array_size = self.get_size()
        max_position = K
        if left_child+1<array_size and self.array[max_position] < self.array[left_child]:
            max_position = left_child
        if right_child+1 < array_size and self.array[max_position] < self.array[right_child]:
            max_position = right_child
        if max_position != K:
            self.array[max_position], self.array[K] = self.array[K], self.array[max_position]
            self.shift_down(max_position)
    #将一个元素插入堆,添加到最后一位，然后执行shift_up
    def push(self,V):
        self.array.append(V)
        self.shift_up(len(self.array)-1)
    #删除元素，顶部弹出，将最后一个元素放入顶部，执行shift_down
    def pop(self):
        max_value = self.array[0]
        self.array[0],self.array[len(self.array)-1] = self.array[len(self.array)-1],self.array[0]
        self.array.pop(-1)
        self.shift_down(0)
        return max_value
    #查看堆顶元素
    def find_max(self):
        return self.array[0]
    #将一个数组进行堆化,就是将元素一个个插入堆中
    def heapify(self,arr):
        for i in arr:
            self.push(i)
        return self.array
    #遍历堆
    def listHeap(self):
        return self.array
array = [1,2,3,4,17,6,7,8,9,10]
maxHeap = MaxHeap()
print(maxHeap.heapify(array))
print(maxHeap.pop())
maxHeap.push(15)
print(maxHeap.listHeap())

4.堆的应用

1.堆排序

堆排序的思想就是，先将一组数据进行堆化，然后再一个个的弹出堆顶的元素。整体的复杂度为O(nlogn)!

def heap_sort(self,data):
        self.heapify(data)
        heap_sort = []
        for i in self.array:
            heap_sort.append(i)
        return heap_sort

2.获取前K个最大的数

其实和上面堆排序的思想一致，只不过我们并不需要将是所有元素进行排序。只是将元素堆化以后，再进行K次堆顶弹出就是

def get_max_k(self,data,K):
        self.heapify(data)
        max_k = []
        for i in range(K):
            max_k.append(self.pop())
        return max_k

5.总结

本文介绍了数据结构中堆的概念，其并不是操作系统中内存管理的堆的概念。我们知道堆是一棵完全二叉树，对于最大堆来说，每一个节点的值大于其子节点的值(最小堆相反)，这样就保证了堆顶的元素是最大的。对于堆，我们一般有存和取两种操作，存的时候将新值插入到最后一位，然后不断向上进行堆化。取的时候弹出堆顶的元素，并且将最后一位元素放入堆顶，不断向下进行堆化操作。

我们注意到堆中的数据并不是有序的，其仅仅符合父节点大于子节点，可以被利用的只有堆顶的元素。可以说是一种比较粗糙的序列。但就是因为其要求不多，可以让我们很简单的插入删除元素。并且因为其堆顶元素总是最大的，可以让我们很简单的实现堆排序，优先队列，前K个最大数等复杂功能。可以说它的限制，同时也就是它的优势。

6.闲言碎语

人们说：“你是一个好人，他是一头好猪。”在人的眼中看来，那些肉质鲜美，体型庞大的猪就是好猪。在猪看来，那些人都吃饱了还要去上班，简直就是一群大笨蛋，一群从骨髓深处被奴役的生物。人类的语言有一点太复杂了，那么枯燥的英文单词背的我痛不欲生。从本质上讲语言的复杂程度是和谎言的数量成正比的，如果只是为了表达喜欢，甚至连语言都不需要，抱一下亲一下，或者一个眼神对方就足以明白。可是如果不喜欢却要表达喜欢的话，就只能通过语言了。对于猪来说，就简单的多了。他们的世界里面只有‘哼’、‘哼哼’和‘哼哼哼’！这才是最高级的语言，最有效的表达方式。喜欢就是哼，不喜欢就是哼哼，好吃就是哼，不好吃就是哼哼哼。从深度学习自然语言的角度来讲，人类的语言就是最原始的one-hot编码，简陋而朴素。你再看看猪的语言，多么高级的抽象，多么完美的封装，绝对的高内聚，完全的松耦合！再说说好人好猪和语言之间的关系，人们的语言是阻止人们认识真理最好的方式，因为那是一种装饰和伪装，而真理是绝对真实的。即使很多时候，我们觉得自己是怎么想的就是怎么说的，但其实也只是从语言中找到了一些离思想比较近的表达而已。语言符号已经成为了我们主要的思考方式，仔细回想，语言和逻辑就是就是我们思想行走的方式。你进到了一片梅子林，是绝对摘不到苹果的，同样语言之中没有真理。再看看猪吧，从来没有哪一个猪被判为强奸犯，也从来没有哪一个猪被同伴拉出去枪毙。也就是说在它们的社会定义中，没有坏这一个概念。这也验证了一句名言，人人皆为尧舜。所以说根本就没有一个好人，相反，根本就没有一头坏猪！

对不起，伟大的人类语言！我之所以这么消极，是因为我快被英文单词逼疯了。

超帅小姐姐