橘子味的心
标题:Python - 堆

堆是一种特殊的树结构,其中每个父节点小于或等于其子节点。然后它被称为Min Heap。如果每个父节点大于或等于其子节点,则称它为最大堆。实施优先级队列是非常有用的,在该队列中,具有较高权重的队列项目在处理中具有更高的优先级。有关堆的详细讨论,请访问我们的网站。如果你是头部数据结构的新手,请先研究它。在本章中,我们将看到使用python实现堆数据结构。

创建一个堆

堆是通过使用python内建的名为heapq的库创建的。该库具有对堆数据结构进行各种操作的相关功能。以下是这些功能的列表。

  • heapify - 此函数将常规列表转换为堆。在结果堆中,最小的元素被推到索引位置0.但其余的数据元素不一定被排序。
  • heappush - 这个函数在堆中添加一个元素而不改变当前堆。
  • heappop - 该函数返回堆中最小的数据元素。
  • heapreplace - 该函数用函数中提供的新值替换最小的数据元素。

创建一个堆

通过简单地使用具有heapify函数的元素列表来创建堆。在下面的例子中,我们提供了一个元素列表,heapify函数重新排列了元素到最初位置的元素。

import heapq

H = [21,1,45,78,3,5]
# Use heapify to rearrange the elements
heapq.heapify(H)
print(H)

当上面的代码被执行时,它会产生以下结果 -

[1, 3, 5, 78, 21, 45]

插入堆

将数据元素插入堆总是在最后一个索引处添加元素。但是,只有在值最小的情况下,您才可以再次应用heapify函数将新添加的元素添加到第一个索引。在下面的例子中,我们插入数字8。

import heapq
H = [21,1,45,78,3,5]
# Covert to a heap
heapq.heapify(H)
print(H)
# Add element
heapq.heappush(H,8)
print(H)

当上面的代码被执行时,它会产生以下结果 -

[1, 3, 5, 78, 21, 45]
[1, 3, 5, 78, 21, 45, 8]

从堆中移除

您可以使用此功能在第一个索引处移除元素。在下面的例子中,函数将始终删除索引位置1处的元素。

import heapq

H = [21,1,45,78,3,5]
# Create the heap

heapq.heapify(H)
print(H)

# Remove element from the heap
heapq.heappop(H)

print(H)

当上面的代码被执行时,它会产生以下结果 -

[1, 3, 5, 78, 21, 45]
[3, 21, 5, 78, 45]

替换堆

heapreplace函数总是删除堆中最小的元素,并在未被任何顺序修复的地方插入新的传入元素。

import heapq

H = [21,1,45,78,3,5]
# Create the heap

heapq.heapify(H)
print(H)

# Replace an element
heapq.heapreplace(H,6)
print(H)


[1, 3, 5, 78, 21, 45]
[3, 6, 5, 78, 21, 45]

分类