堆排序原理与实现详解

堆排序是一种高效的排序算法，本文将深入解析其原理及实现方法。作为一种基于二叉堆的比较排序，堆排序通过构建最大堆，并反复将堆顶最大值与末尾元素交换、调整堆结构，最终实现数组的升序排列。本文将详细介绍堆排序的**核心概念**、**关键步骤**（如建堆、堆化heapify），并提供**Python代码示例**，帮助读者理解其具体实现。堆排序拥有稳定的O(n log n)时间复杂度，使其在特定场景下具有优势。想要深入了解堆排序？赶快阅读本文，掌握这一经典排序算法吧！

堆排序是一种基于二叉堆的比较排序算法，先构建最大堆再逐个将堆顶最大值与末尾元素交换并调整堆，最终实现升序排列。

堆排序是一种基于比较的排序算法，它利用了二叉堆这种数据结构来实现。二叉堆本质上是一个完全二叉树，并且满足堆的性质：父节点的值总是大于或等于（最大堆）或小于或等于（最小堆）其子节点的值。

堆排序的基本原理

堆排序主要分为两个阶段：

• 建堆：将无序数组构造成一个最大堆（升序排序时）或最小堆（降序排序时）。最大堆的根节点是当前堆中最大的元素。
• 排序：反复将堆顶元素（最大值）与堆的最后一个元素交换，然后减少堆的大小，并对新的堆顶进行调整，使其重新满足堆的性质。

这个过程持续进行，直到整个数组有序。

关键操作：堆化（heapify）

堆排序的核心是heapify函数，它的作用是让某个子树满足堆的性质。通常从最后一个非叶子节点开始，自底向上进行堆化，构建初始堆。

Python 实现示例

以下是一个用 Python 实现的堆排序代码：

def heapify(arr, n, i):
    largest = i
    left = 2 * i + 1
    right = 2 * i + 2
<pre class="brush:python;toolbar:false;">if left &lt; n and arr[left] &gt; arr[largest]:
    largest = left

if right &lt; n and arr[right] &gt; arr[largest]:
    largest = right

if largest != i:
    arr[i], arr[largest] = arr[largest], arr[i]
    heapify(arr, n, largest)

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)

# 逐个提取元素
for i in range(n - 1, 0, -1):
    arr[0], arr[i] = arr[i], arr[0]
    heapify(arr, i, 0)

调用 heap_sort([64, 34, 25, 12, 22, 11, 90]) 后，数组会变为有序状态。

堆排序的特点

• 时间复杂度：O(n log n)，无论最好、最坏、平均情况都一样。
• 空间复杂度：O(1)，是原地排序算法。
• 不稳定：相同元素的相对位置可能改变。

基本上就这些。堆排序虽然不如快排常用，但在某些限制内存或要求最坏情况性能稳定的场景中很有用。理解它有助于掌握优先队列和堆结构的应用。

今天关于《堆排序原理与实现详解》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！