【数据结构】二叉树（二）——顺序结构

news2025/4/4 6:53:52

在这里插入图片描述

前言
本篇博客讲解数组实现二叉树的顺序结构

文章目录

  • 一、二叉树的顺序结构及实现
    • 1.1 二叉树的顺序结构
    • 1.2 堆的概念
    • 1.3 堆的实现
      • 1.3.1 初始化堆
      • 1.3.2 向堆中插入元素
      • 1.3.3 从堆顶删除
      • 1.3.4 其他操作
      • 1.3.5 完整代码
        • Heap.h
        • Heap.c
    • 1.4 堆的应用
      • 1.4.1 堆排序
      • 1.4.2 TOP-K问题

一、二叉树的顺序结构及实现

1.1 二叉树的顺序结构

一般来说，顺序结构（数组）通常会用来实现完全二叉树，顺序结构用来实现不完全二叉树不是好的想法，因为会浪费许多空间。
在这里插入图片描述

1.2 堆的概念

堆（Heap）是一种特殊的树形数据结构，堆常常被用于优先队列的实现，因为它支持快速查找和删除具有最高或最低优先级的元素。堆分为最大堆和最小堆，这两者都是二叉堆的一种形式。同时堆是完全二叉树。

最大堆和最小堆：

  1. 最大堆（Max Heap）： 在最大堆中，父节点的值大于或等于其每个子节点的值。这意味着树的根节点包含最大的值。

  2. 最小堆（Min Heap）： 在最小堆中，父节点的值小于或等于其每个子节点的值。这样，树的根节点包含最小的值。

堆一般是一个完全二叉树，但并不要求是满二叉树。
在这里插入图片描述

1.3 堆的实现

// 堆的数据类型
typedef int HPDataType;

// 堆的结构体
typedef struct Heap {
    HPDataType* a;      // 数组，用于存储堆的元素
    int size;           // 当前堆中的元素个数
    int capacity;       // 堆的容量，即数组的大小
} HP;

1.3.1 初始化堆

void HeapInit(HP* php) {
	assert(php);

	php->a = NULL;
	php->size = 0;
	php->capacity = 0;
}

1.3.2 向堆中插入元素

这里以最小堆为例
在这里插入图片描述
代码实现：

//元素交换位置
void Swap(HPDataType* p1 , HPDataType* p2) {
	HPDataType tmp = *p1;
	*p1 = *p2;
	*p2 = tmp;
}

//向上调整
void AdjustUp(HPDataType* a, int child) {
	int parent = (child - 1) / 2;//parent为父亲节点
	
	while (child > 0) {

		//a[child] < a[parent]小堆排序；a[child] > a[parent]大堆排序
		if (a[child] < a[parent]) {
			Swap(&a[child],&a[parent]);
			child = parent;
			parent = (parent - 1) / 2;
		}
		else {
			break;
		}
	}
}

// 入堆操作
void HeapPush(HP* php, HPDataType x) {
	assert(php);
	
	// 如果堆满了，扩容
	if (php->size == php->capacity) {
		int newCapacity = php->capacity == 0 ? 4 : php->capacity * 2;
		HPDataType* tmp = (HPDataType*)realloc(php->a , newCapacity * sizeof(HPDataType));
		
		if (tmp == NULL) {
			perror("realloc fail");
			exit(-1);
		}

		php->a = tmp;
		php->capacity = newCapacity;

	}
	// 将新元素放入堆尾
	php->a[php->size] = x;
	php->size++;
	
	// 进行上调操作，保持堆的性质
	AdjustUp(php->a, php->size - 1);
}

1.3.3 从堆顶删除

删除堆顶元素的思路通常涉及将堆顶元素与堆中最后一个元素交换，然后删除最后一个元素，最后执行一次向下调整（AdjustDown）操作，以维护堆的性质。
在这里插入图片描述
代码实现：

//向下调整
void AdjustDown(int* a, int size, int parent) {
	int child = parent * 2 + 1;
	
	while (child < size) {

		//a[child + 1] < a[parent]小堆排序；a[child + 1] > a[parent]大堆排序
		if (child + 1 < size && a[child + 1] < a[child]) {
			++child;
		}

		//a[child] < a[parent]小堆排序；a[child] > a[parent]大堆排序
		if (a[child] < a[parent]) {
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else {
			break;
		}
	}
}

//删除堆顶元素
void HeapPop(HP* php) {
	assert(php);
	assert(php->size > 0);

    //堆顶与最后一个元素交换
	Swap(&php->a[0], &php->a[php->size - 1]);
	php->size--;

	AdjustDown(php->a, php->size, 0);
}

1.3.4 其他操作

//销毁堆
void HeapDestroy(HP* php) {
	assert(php);

	free(php->a);
	php->a = NULL;
	php->size = php->capacity = 0;
}

//获取堆顶元素
HPDataType HeapTop(HP* php) {
	assert(php);
	assert(php->a);

	return php->a[0];
}

//元素个数
size_t HeapSize(HP* php) {
	assert(php);

	return php->size;
}

//判断堆是否为空
bool HeapEmpty(HP* php) {
	assert(php);

	return php->size == 0;
}

1.3.5 完整代码

Heap.h
#pragma once
#include <stdio.h>
#include <stdlib.h>
#include <assert.h>
#include <stdbool.h>

// 堆的数据类型
typedef int HPDataType;

// 堆的结构体
typedef struct Heap {
    HPDataType* a;      // 数组，用于存储堆的元素
    int size;           // 当前堆中的元素个数
    int capacity;       // 堆的容量，即数组的大小
} HP;

// 初始化堆
void HeapInit(HP* php);

// 销毁堆
void HeapDestroy(HP* php);

// 向堆中插入元素
void HeapPush(HP* php, HPDataType x);

// 从堆中删除元素
void HeapPop(HP* php);

// 获取堆顶元素
HPDataType HeapTop(HP* php);

// 获取堆的大小
size_t HeapSize(HP* php);

// 判断堆是否为空
bool HeapEmpty(HP* php);
Heap.c
#include "Heap.h"

void HeapInit(HP* php) {
	assert(php);

	php->a = NULL;
	php->size = 0;
	php->capacity = 0;
}

void HeapDestroy(HP* php) {
	assert(php);

	free(php->a);
	php->a = NULL;
	php->size = php->capacity = 0;
}

void Swap(HPDataType* p1 , HPDataType* p2) {
	HPDataType tmp = *p1;
	*p1 = *p2;
	*p2 = tmp;
}

void AdjustUp(HPDataType* a, int child) {
	int parent = (child - 1) / 2;
	
	while (child > 0) {

		//a[child] < a[parent]小堆排序；a[child] > a[parent]大堆排序
		if (a[child] < a[parent]) {
			Swap(&a[child],&a[parent]);
			child = parent;
			parent = (parent - 1) / 2;
		}
		else {
			break;
		}
	}
}

void HeapPush(HP* php, HPDataType x) {
	assert(php);
	
	if (php->size == php->capacity) {
		int newCapacity = php->capacity == 0 ? 4 : php->capacity * 2;
		HPDataType* tmp = (HPDataType*)realloc(php->a , newCapacity * sizeof(HPDataType));
		
		if (tmp == NULL) {
			perror("realloc fail");
			exit(-1);
		}

		php->a = tmp;
		php->capacity = newCapacity;

	}
	php->a[php->size] = x;
	php->size++;

	AdjustUp(php->a, php->size - 1);
}

void AdjustDown(int* a, int size, int parent) {
	int child = parent * 2 + 1;
	
	while (child < size) {

		//a[child + 1] < a[parent]小堆排序；a[child + 1] > a[parent]大堆排序
		if (child + 1 < size && a[child + 1] < a[child]) {
			++child;
		}

		//a[child] < a[parent]小堆排序；a[child] > a[parent]大堆排序
		if (a[child] < a[parent]) {
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else {
			break;
		}
	}
}

void HeapPop(HP* php) {
	assert(php);
	assert(php->size > 0);

	Swap(&php->a[0], &php->a[php->size - 1]);
	php->size--;

	AdjustDown(php->a, php->size, 0);
}

HPDataType HeapTop(HP* php) {
	assert(php);
	assert(php->a);

	return php->a[0];
}

size_t HeapSize(HP* php) {
	assert(php);

	return php->size;
}

bool HeapEmpty(HP* php) {
	assert(php);

	return php->size == 0;
}

1.4 堆的应用

1.4.1 堆排序

根据堆的特性，可以用堆来进行排序，过程如下：

  1. 建堆： 将待排序的数组构建成一个最大堆或最小堆。

  2. 排序： 利用删除堆顶元素的思想，交换堆顶元素（根节点）与数组末尾元素，然后重新调整堆，使其保持最大堆或最小堆的性质。这个步骤只需要执行 n - 1 次，其中 n 是数组的长度。每次执行后，最大（或最小）元素会被移到数组的末尾。重复步骤 2 直到整个数组有序。

在这里插入图片描述

代码实现： 基于堆的实现

#include "Heap.h"

//降序
void HeapSort(int* a, int n) {

	//建小堆,向上调整，时间复杂度O(N*logN)
	for (int i = 1; i < n; i++) {
		AdjustUp(a, i);
	}

	向下调整，时间复杂度O(N)
	//for (int i = (n - 1 - 1) / 2; i >= 0; --i) {
	//	AdjustDown(a, n, i);
	//}

	int end = n - 1;
	while (end > 0) {
		Swap(&a[0], &a[end]);
		//向下调整
		AdjustDown(a, end, 0);
		--end;
	}
}

int main() {
	int a[] = { 1,5,4,3,6,9,10 };
	int n = sizeof(a)/sizeof(a[0]);
	HeapSort(a, n);
	int i = 0;
	while (i < n) {
		printf("%d ",a[i]);
		i++;
	}
	return 0;
}

输出结果：
在这里插入图片描述

在建立堆时，有向上调整和向下调整两种方式：

	//向上调整，时间复杂度O(N*logN)
	for (int i = 1; i < n; i++) {
		AdjustUp(a, i);
	}

	//向下调整，时间复杂度O(N)
	for (int i = (n - 1 - 1) / 2; i >= 0; --i) {
		AdjustDown(a, n, i);
	}

在这里插入图片描述
向上调整的时间复杂度为 T ( h ) = 1 × 2 1 + 2 × 2 2 + 3 × 2 3 + . . . . . . + ( h − 1 ) × 2 ( h − 1 ) T(h)=1×2^1+2×2^2+3×2^3+......+(h-1)×2^{(h-1)} T(h)=1×21+2×22+3×23+......+(h−1)×2(h−1),通过错位相减后得到 T ( h ) = − ( 2 h − 1 ) + 2 h ( h − 1 ) + 1 T(h)=-(2^h-1)+2^{h(h-1)}+1 T(h)=−(2h−1)+2h(h−1)+1。
因为树的高度h与节点数N之间的关系是 2 h − 1 = N 2^h-1=N 2h−1=N和
h = l o g 2 ( N + 1 ) h=log_2(N+1) h=log2​(N+1)。用N代替h得到，时间复杂度 T ( N ) = − N + ( N + 1 ) ( l o g 2 ( N + 1 ) − 1 ) + 1 , 近似于 O ( N ) = N ∗ l o g 2 N T(N)=-N+(N+1)(log_2(N+1)-1)+1,近似于O(N)=N*log_2N T(N)=−N+(N+1)(log2​(N+1)−1)+1,近似于O(N)=N∗log2​N
在这里插入图片描述
向下调整的时间复杂度为 T ( h ) = ( h − 1 ) × 2 1 + ( h − 2 ) × 2 2 + ( h − 3 ) × 2 3 + . . . . . . + 1 × 2 ( h − 1 ) T(h)=(h-1)×2^1+(h-2)×2^2+(h-3)×2^3+......+1×2^{(h-1)} T(h)=(h−1)×21+(h−2)×22+(h−3)×23+......+1×2(h−1),通过错位相减后得到 T ( h ) = 2 h − 1 − h T(h)=2^h-1-h T(h)=2h−1−h。
同样，用N代替h得到，时间复杂度 T ( N ) = N − l o g 2 ( N + 1 ) , 近似于 O ( N ) = N T(N)=N-log_2(N+1),近似于O(N)=N T(N)=N−log2​(N+1),近似于O(N)=N

因此，得出结论，在使用堆进行排序时，利用向下调整法来构建堆更加高效。

1.4.2 TOP-K问题

Top-k 问题是在一组数据中找出前 k 个最大或最小的元素的问题。这个问题在实际应用中经常出现，例如在搜索引擎中找出前 k 个相关度最高的页面，或者在数据分析中找出前 k 个热门商品。

最直观的方法是对整个数据集进行排序，然后取前 k 个或后 k 个元素。这种方法的时间复杂度通常为 O(n log n)，其中 n 是数据集的大小。这在 k 远小于 n 的情况下是不划算的。

我们可以通过维护一个大小为 k 的最小堆，可以在 O(n log k) 的时间内找到前 k 个最大元素。

方法如下：

  1. 创建一个大小为 k 的堆： 初始化一个大小为 k 的堆，如果是求前 k 个最小元素，则使用最大堆（大顶堆），如果是求前 k 个最大元素，则使用最小堆（小顶堆）。

  2. 将前 k 个元素插入堆中： 遍历数组的前 k 个元素，依次插入堆中。

  3. 遍历数组的剩余元素： 从第 k+1 个元素开始遍历数组（对于大量数据显然是不合适的，所以可以从文件中挨个读取），对于每个元素，如果它比堆顶元素大（或小，取决于是求最大还是最小元素），则替换堆顶元素，并重新调整堆，以保持堆的性质。

  4. 输出结果： 遍历堆中的元素，即为前 k 个最大或最小元素。

要在大量数据中找出前k个最大的数字，如果全部放到数组中，所需要的空间很大，因此我们可以生成一个包含大量随机数据的文件。
代码如下：

//头文件中需要包含的头文件
//#include <time.h>

// 随机生成大量数据
void CreateDate() {
    int n = 100000;
    srand(time(0));
    const char* file = "date.txt";
    FILE* fin = fopen(file, "w");
    if (fin == NULL) {
        perror("fopen error");
        return;
    }

    for (int i = 0; i < n; i++) {
    
        //保证生成的随机数小于100000
        int x = (rand() + i) % 100000;
        fprintf(fin, "%d\n", x);
    }
    fclose(fin);
}

// 从文件中读取数据并输出前k个最大值
void PrintfTopK(const char* file, int k) {
    FILE* fout = fopen(file, "r");
    if (fout == NULL) {
        perror("fopen error");
        return;
    }

    int* heap = (int*)malloc(sizeof(int) * k);
    if (heap == NULL) {
        perror("malloc error");
        return;
    }

    // 初始化堆
    for (int i = 0; i < k; i++) {
        fscanf(fout, "%d", &heap[i]);
        AdjustUp(heap, i);
    }

    int x = 0;
    // 逐个读取文件中的数据
    while (fscanf(fout, "%d", &x) != EOF) {
        // 如果读取的数比堆顶元素大，则更新堆
        if (x > heap[0]) {
            heap[0] = x;
            AdjustDown(heap, k, 0);
        }
    }

    // 输出前k个最大值
    for (int i = 0; i < k; i++) {
        printf("%d ", heap[i]);
    }

    free(heap);
    fclose(fout);
}

// 主函数
int main() {
    // 生成随机数据文件
    CreateDate();

    // 输出文件中的前5个最大值
    PrintfTopK("date.txt", 5);

    return 0;
}

我们要查看所有的数据，依此判断是否成功找出前k个最大数是不容易的，所以我们在生成的文件中，将5个随机生成的数改成比100000大的数，当我们输出时，只需要检查最大的5个数是不是这几个，即可知道排序是否正确。
在这里插入图片描述
输出结果：
在这里插入图片描述

在这里插入图片描述
如果你喜欢这篇文章，点赞👍+评论+关注⭐️哦！
欢迎大家提出疑问，以及不同的见解。

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.coloradmin.cn/o/1357189.html

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，一经查实，立即删除！

相关文章

关于“Python”的核心知识点整理大全61

关于“Python”的核心知识点整理大全61

目录 注意 20.1.4 使用 jumbotron 设置主页的样式 index.html 20.1.5 设置登录页面的样式 login.html 20.1.6 设置 new_topic 页面的样式 new_topic.html 20.1.7 设置 topics 页面的样式 topics.html 元素&#xff0c;让它们在页面上显得大些&#xff08;见2&#xf…
阅读更多...
Unity SRP 管线【第五讲：自定义烘培光照】

Unity SRP 管线【第五讲：自定义烘培光照】

文章目录 一、自定义烘培光照1. 烘培光照贴图2. 获取光照贴图3. 获取物体在光照贴图上的UV坐标4. 采样光照贴图 二、自定义光照探针三、 Light Probe Proxy Volumes&#xff08;LPPV&#xff09;四、Meta Pass五、 自发光烘培 一、自定义烘培光照 细节内容详见catlikecoding.c…
阅读更多...
RedHat8、Centos8无法启动网卡解决方案，网卡未加入托管

RedHat8、Centos8无法启动网卡解决方案，网卡未加入托管

只针对部分情况&#xff0c;网卡未加入托管导致 虚拟机开启 ifconfig 没有ens33网卡&#xff0c;无法上网 手动启动网卡提示 Connection ens33 is not available on device ens33 because device is strictly unmanaged使用nmtui配置IP信息&#xff0c;无法启动’ens160’网卡…
阅读更多...
AI实景无人直播创业项目：开启自动直播新时代，一部手机即可实现增长

AI实景无人直播创业项目：开启自动直播新时代，一部手机即可实现增长

在当今社会&#xff0c;直播已经成为了人们日常生活中不可或缺的一部分。无论是商家推广产品、明星互动粉丝还是普通人分享生活&#xff0c;直播已经渗透到了各行各业。然而&#xff0c;传统直播方式存在着一些不足之处&#xff0c;如需现场主持人操作、高昂的费用等。近年来&a…
阅读更多...
新一代爬取JavaScript渲染页面的利器-playwright（一）

新一代爬取JavaScript渲染页面的利器-playwright（一）

Playwright的使用 Playwright是微软在2020年初开源的一款新一代自动化测试工具&#xff0c;其功能和**Selenium**、Pyppeteer类似&#xff0c;都可以驱动浏览器进行自动化操作&#xff0c;但是也具备了Selenium、Pyppeteer不具备的更好的API&#xff0c;是新一代爬取JavaScrip渲…
阅读更多...
Vue3集成scss实现清除浏览器默认样式

Vue3集成scss实现清除浏览器默认样式

1.首先去npm官网找到对应的reset.scss文件&#xff0c;复制内容在本地src下style建一个一模一样的文件&#xff0c;内容复制进去npm | Home 2.在style文件夹下再建一个index.scss文件&#xff0c;在它里边引入刚刚建好的reset.scss文件&#xff0c;如下 import ./reset.scss; …
阅读更多...
线程的基础

线程的基础

文章目录 线程的介绍&#xff1a;创建线程的三种方式&#xff1a;一、继承Thread二、实现Runnable接口三、实现Callable接口 线程的优先级&#xff1a;多线程&#xff1a;线程终止&#xff1a;线程常用方法&#xff1a;用户线程和守护线程线程的生命周期&#xff1a;Synchroniz…
阅读更多...
Spring见解 1.2

Spring见解 1.2

2.3.Spring的IOC解决程序耦合 2.3.1.创建工程 2.3.1.1.pom.xml <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0"xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance"xsi:sc…
阅读更多...
Android studio VideoView 应用设计

Android studio VideoView 应用设计

一、运行效果&#xff1a; 二、新建empty activity项目&#xff1a; 三、打开activity_main.xml布局文件&#xff0c;添加VideoView&#xff1a; <VideoViewandroid:id"id/videoView"android:layout_width"368dp"android:layout_height"573dp&quo…
阅读更多...
flink table view datastream互转

flink table view datastream互转

case class outer(f1:String,f2:Inner) case class outerV1(f1:String,f2:Inner,f3:Int) case class Inner(f3:String,f4:Int) 测试代码 package com.yy.table.convertimport org.apache.flink.streaming.api.scala.StreamExecutionEnvironment import org.apache.flink.tabl…
阅读更多...
canvas绘制直角梯形（向左）

canvas绘制直角梯形（向左）

查看专栏目录 canvas示例教程100专栏&#xff0c;提供canvas的基础知识&#xff0c;高级动画&#xff0c;相关应用扩展等信息。canvas作为html的一部分&#xff0c;是图像图标地图可视化的一个重要的基础&#xff0c;学好了canvas&#xff0c;在其他的一些应用上将会起到非常重…
阅读更多...
visual studio 2022在查找和替换使用正则表达式查找if()

visual studio 2022在查找和替换使用正则表达式查找if()

文件内容如下&#xff1a; using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks;namespace ConsoleApp1 {internal class Program{static void Main(string[] args){TempFunction();}private static void T…
阅读更多...
初识Web服务器

初识Web服务器

一、web服务器 1、什么是web服务器&#xff1f; web服务器就是web项目的容器&#xff0c;我们将开发好的web项目部署到web容器中&#xff0c;才能使用网络中的用户通过浏览器进行访问。 一张图带你了解web服务器有啥作用&#xff1a; 在我的电脑上有一个已经做好的项目&#…
阅读更多...
【Python学习】Python学习1

【Python学习】Python学习1

目录 【Python学习】Python学习1 1.前言2.Python安装3.PyCharm安装4.PyCharm插件推荐5.参考 文章所属专区 Python学习 1.前言 Python 是一种解释型、面向对象、动态数据类型的高级程序设计语言。Python 由 Guido van Rossum 于 1989 年底发明&#xff0c;第一个公开发行版发…
阅读更多...
如何借助于AI自研一款换脸app

如何借助于AI自研一款换脸app

文章目录 背景涉及的关键技术解析技术流程详解后续待补充 背景 在当今的数字时代&#xff0c;人工智能&#xff08;AI&#xff09;技术已经深入到各个领域&#xff0c;其中之一就是换脸技术。现在&#xff0c;有一个免费的AI换脸应用程序&#xff0c;可以让用户轻松地将自己的…
阅读更多...
CTF数据分析题详解

CTF数据分析题详解

目录 题目一(1.pcap) 题目二(2.pcap) 题目三(3.pcap) 题目四(4.pcap) CTF流量分析经典例题详解-CSDN博客 本文章涉及的所有题目附件下载地址&#xff1a; 链接&#xff1a; https://pan.baidu.com/s/18mWo5vn1zp_XbmcQrMOKRA 提取码&#xff1a;hrc4 声明&#xff1a;这里…
阅读更多...
python统计分析——直方图（df.hist）

python统计分析——直方图（df.hist）

使用dataframe.hist()或series.hist()函数绘制直方图 import numpy as np import pandas as pd from matplotlib import pyplot as plt.dfpd.DataFrame(data{type:[A,A,A,A,A,A,A,A,A,A,B,B,B,B,B,B,B,B,B,B],value:[2,3,3,4,4,4,4,5,5,6,5,6,6,7,7,7,7,8,8,9] }) serpd.Serie…
阅读更多...
Focal Loss

Focal Loss

1、样本不均衡的 问题 与 方案 Focal loss 用于解决上述 样本不均衡的问题 : \quad 1、正负样本数量不均衡 \quad 2、易分类的样本和难分类的样本数量不均衡
阅读更多...
4.快速实现增删改查，模糊查询功能

4.快速实现增删改查，模糊查询功能

打开springboot项目&#xff0c;在com.example下建包common,在common下新建Result.java 4.1封装统一的返回数据结构 1.在Result.java中编写如下代码&#xff1a; private static final String *SUCCESS*"0"; private static final String *ERROR*"-1"; p…
阅读更多...
使用Kafka与Spark Streaming进行流数据集成

使用Kafka与Spark Streaming进行流数据集成

在当今的大数据时代&#xff0c;实时数据处理和分析已经变得至关重要。为了实现实时数据集成和分析&#xff0c;组合使用Apache Kafka和Apache Spark Streaming是一种常见的做法。本文将深入探讨如何使用Kafka与Spark Streaming进行流数据集成&#xff0c;以及如何构建强大的实…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023