【算法系列 | 6】深入解析排序算法之—

这篇具有很好参考价值的文章主要介绍了【算法系列 | 6】深入解析排序算法之——堆排序。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

【算法系列 | 6】深入解析排序算法之——堆排序

序言

你只管努力，其他交给时间，时间会证明一切。

文章标记颜色说明：

黄色：重要标题

红色：用来标记结论

绿色：用来标记一级论点

蓝色：用来标记二级论点

决定开一个算法专栏，希望能帮助大家很好的了解算法。主要深入解析每个算法，从概念到示例。

我们一起努力，成为更好的自己！

今天第3讲，讲一下排序算法的堆排序（Heap Sort）

1 基础介绍

排序算法是很常见的一类问题，主要是将一组数据按照某种规则进行排序。

以下是一些常见的排序算法：

冒泡排序（Bubble Sort）

插入排序（Insertion Sort）

选择排序（Selection Sort）

归并排序（Merge Sort）

快速排序（Quick Sort）

堆排序（Heap Sort）

一、堆排序介绍

【算法系列 | 6】深入解析排序算法之——堆排序

1.1 原理介绍

堆排序（Heap Sort）是一种基于堆数据结构的排序算法，其核心思想是将待排序的序列构建成一个最大堆（或最小堆），然后将堆顶元素与最后一个元素交换，再将剩余元素重新调整为最大堆（或最小堆），重复以上步骤直到所有元素都有序。

堆是一种特殊的二叉树，满足以下两个条件：

堆是一棵完全二叉树，即除了最后一层，其他层都是满的，最后一层的节点都靠左排列。

对于最大堆，任何一个父节点的值都大于（或等于）其左右子节点的值，对于最小堆，则是任何一个父节点的值都小于（或等于）其左右子节点的值。

堆排序的实现过程如下：

构建堆：首先将待排序的序列构建成一个最大堆（或最小堆），可以从最后一个非叶子节点开始，从右至左，从下至上依次将每个节点调整为符合堆的性质。

堆排序：将堆顶元素与最后一个元素交换，然后将剩余元素重新调整为最大堆（或最小堆），再次将堆顶元素与倒数第二个元素交换，如此循环直到排序完成。

细节讲解

具体的实现细节如下：

构建堆：从最后一个非叶子节点开始，依次将每个节点调整为符合堆的性质。对于一个节点，如果它的左右子节点中有一个大于（或小于）该节点，则交换它们的位置，然后递归调用该节点所在的子树，直到该节点不再有子节点或者其子节点都满足堆的性质为止。

堆排序：将堆顶元素与最后一个元素交换，然后将剩余元素重新调整为最大堆（或最小堆），再次将堆顶元素与倒数第二个元素交换，如此循环直到排序完成。

1.2 复杂度

堆排序：

时间复杂度为 $O(n\log n)$

空间复杂度为 $O(1)$

相对于其他的排序算法，其实现简单，但需要额外的空间来存储堆数据结构。

1.3使用场景

堆排序使用场景堆排序的使用场景与其他排序算法类似，适用于需要对大量数据进行排序的场景。

1.4 优缺点

优点：

其优点主要包括：

时间复杂度较低：堆排序的时间复杂度为 $O(n\log n)$，相对于其他排序算法，其排序速度较快。

不占用额外空间：堆排序是一种原地排序算法，不需要额外的空间来存储排序结果。

适用于大数据量的排序：堆排序的时间复杂度不随数据量的增加而变化，因此适用于大数据量的排序。

缺点：

堆排序的缺点主要包括：

不稳定性：由于堆排序是通过交换元素来实现排序的，因此在排序过程中可能会破坏原有的相对顺序，导致排序结果不稳定。

实现复杂：相对于其他排序算法，堆排序的实现稍微复杂一些，需要理解堆数据结构的基本原理和实现过程。

因此，堆排序适用于需要对大量数据进行排序的场景，特别是在数据量较大、内存有限的情况下，堆排序可以通过原地排序的方式，节省额外空间的使用。

二、代码实现

2.1 Python 实现

下面是 Python 实现堆排序的示例代码：

def heap_sort(arr):
    n = len(arr)
    
    # 构建最大堆
    for i in range(n // 2 - 1, -1, -1):
        heapify(arr, n, i)
    
    # 排序
    for i in range(n - 1, 0, -1):
        # 将堆顶元素与最后一个元素交换
        arr[0], arr[i] = arr[i], arr[0]
        # 调整剩余元素为最大堆
        heapify(arr, i, 0)

def heapify(arr, n, i):
    # 将以 i 为根节点的子树调整为最大堆
    largest = i  # 初始化最大元素为根节点
    left = 2 * i + 1  # 左子节点的索引
    right = 2 * i + 2  # 右子节点的索引

    # 找出左右子节点中的最大值
    if left < n and arr[left] > arr[largest]:
        largest = left
    if right < n and arr[right] > arr[largest]:
        largest = right

    # 如果最大值不是根节点，则交换根节点和最大值，并递归调整子树
    if largest != i:
        arr[i], arr[largest] = arr[largest], arr[i]
        heapify(arr, n, largest)

测试

下面是 Python 实现堆排序的测试代码：

arr = [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5]

print("Before sorting:", arr)
heap_sort(arr)
print("After sorting:", arr)

在上面的测试代码中，定义了一个整数数组 arr，并将其传递给 heap_sort 函数进行排序。

排序完成后，使用 print 函数将排序后的数组输出到控制台。运行测试代码，将得到以下输出结果：

Before sorting: [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5]
After sorting: [1, 1, 2, 3, 3, 4, 5, 5, 5, 6, 9]

可以看到，排序后的数组已经按照从小到大的顺序排列。

2.2Java实现

下面是 Java 实现堆排序的示例代码：

public static void heapSort(int[] arr) {
    int n = arr.length;

    // 构建最大堆
    for (int i = n / 2 - 1; i >= 0; i--) {
        heapify(arr, n, i);
    }

    // 排序
    for (int i = n - 1; i > 0; i--) {
        // 将堆顶元素与最后一个元素交换
        int tmp = arr[0];
        arr[0] = arr[i];
        arr[i] = tmp;

        // 调整剩余元素为最大堆
        heapify(arr, i, 0);
    }
}

public static void heapify(int[] arr, int n, int i) {
    // 将以 i 为根节点的子树调整为最大堆
    int largest = i;  // 初始化最大元素为根节点
    int left = 2 * i + 1;  // 左子节点的索引
    int right = 2 * i + 2;  // 右子节点的索引

    // 找出左右子节点中的最大值
    if (left < n && arr[left] > arr[largest]) {
        largest = left;
    }
    if (right < n && arr[right] > arr[largest]) {
        largest = right;
    }

    // 如果最大值不是根节点，则交换根节点和最大值，并递归调整子树
    if (largest != i) {
        int tmp = arr[i];
        arr[i] = arr[largest];
        arr[largest] = tmp;
        heapify(arr, n, largest);
    }
}

测试

下面是 Java 实现堆排序的测试代码：

import java.util.Arrays;

public class HeapSortTest {
    public static void main(String[] args) {
        int[] arr = { 3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5 };

        System.out.println("Before sorting: " + Arrays.toString(arr));
        heapSort(arr);
        System.out.println("After sorting: " + Arrays.toString(arr));
    }
}

在上面的测试代码中，定义了一个整数数组 arr，并将其传递给 heapSort 方法进行排序。排序完成后，使用 Arrays.toString 方法将排序后的数组输出到控制台。

运行测试代码，将得到以下输出结果：

Before sorting: [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5]
After sorting: [1, 1, 2, 3, 3, 4, 5, 5, 5, 6, 9]

可以看到，排序后的数组已经按照从小到大的顺序排列。

图书推荐

图书名称：

精通Hadoop3

pandas1.X实例讲解

人人都离不开的算法——图解算法应用

Python数据清洗

精通Hadoop3

【算法系列 | 6】深入解析排序算法之——堆排序

pandas1.X实例讲解

【算法系列 | 6】深入解析排序算法之——堆排序

人人都离不开的算法——图解算法应用

【算法系列 | 6】深入解析排序算法之——堆排序

Python数据清洗

【算法系列 | 6】深入解析排序算法之——堆排序

活动说明

618，清华社 IT BOOK 多得图书活动开始啦！活动时间为 2023 年 6 月 7 日至 6 月 18 日，清华社为您精选多款高分好书，涵盖了 C++、Java、Python、前端、后端、数据库、算法与机器学习等多个 IT 开发领域，适合不同层次的读者。全场 5 折，扫码领券更有优惠哦！快来京东点击链接 IT BOOK 多得，查看详情吧！

活动链接：IT BOOK

【算法系列 | 6】深入解析排序算法之——堆排序