Queue and stack are a linear data type.
Trees are non-linear.
Folders are a tree data type
Every node has up to two child nodes.
o Level 0
o o o Level 1
o o o Level 2 # 이진 트리(X)
o Level 0
o o Level 1
o o o Level 2 # 이진 트리(O)
Every node has up to two child nodes and the child must be inserted from the leftmost node.
o Level 0
o o Level 1
o o Level 2 # -> 이진 트리 O 완전 이진 트리 X
o Level 0
o o Level 1
o o o Level 2 # -> 이진 트리 O 완전 이진 트리 O
The complete binary tree has rules that can allow it to be contained in an array.
The first index is None
for convenience.
8 Level 0 -> [None, 8] 첫번째 레벨의 8을 넣고,
6 3 Level 1 -> [None, 8, 6, 3] 다음 레벨인 6, 3을 넣고
4 2 5 Level 2 -> [None, 8, 6, 3, 4, 2, 5] 다음 레벨인 4, 2, 5를 넣으면 됩니다!
1. 현재 인덱스 * 2 -> 왼쪽 자식의 인덱스
2. 현재 인덱스 * 2 + 1 -> 오른쪽 자식의 인덱스
3. 현재 인덱스 // 2 -> 부모의 인덱스
The top (root) node is at level 0. Its children are level 1.
o Level 0 # 루트 노드
o o Level 1
o o o Level 2 # 가장 아래 리프 노드
If there are 'k' number of nodes, then the maximum number of nodes that can exist is 2^k.
If the height is h:
Number of nodes N = 1 + 2^1 + 2^3 + 2^4 + ... + 2^h
Therefore, the maximum number of nodes that can exist is 2^(h+1)-1
2^(h+1)-1 = N -> h = log2(N+1)-1
Therefore its complexity is O(log(N))
Heap is a complete binary tree to quickly find the max or min value.
Heap must have the max or min value in root.
This rule must be followed when adding or deleting a node.
The maximum height is O(log(N)) and therefore this function has a complexity of O(log(N)).
1. 원소를 맨 마지막에 넣습니다.
2. 그리고 부모 노드와 비교합니다. 만약 더 크다면 자리를 바꿉니다.
3. 부모 노드보다 작거나 가장 위에 도달하지 않을 때까지 2. 과정을 반복합니다.
이 맥스 힙에서 9를 추가해보겠습니다!
8 Level 0
6 3 Level 1
4 2 1 Level 2
1. 맨 마지막에 원소를 넣습니다.
8 Level 0
6 3 Level 1
4 2 1 9 Level 2
2-1. 부모 노드와 비교합니다. 3보다 9가 더 크니까! 둘의 자리를 변경합니다.
8 Level 0
6 3 Level 1
4 2 1 9 Level 2
8 Level 0
6 9 Level 1
4 2 1 3 Level 2
2-2. 다시 부모 노드와 비교합니다. 8보다 9가 더 크니까! 둘의 자리를 변경합니다.
8 Level 0
6 9 Level 1
4 2 1 3 Level 2
9 Level 0
6 8 Level 1
4 2 1 3 Level 2
3. 가장 위에 도달했으므로 멈춥니다. 힙의 특성을 그대로 유지해 데이터를 삽입했습니다!
9 Level 0
6 8 Level 1
4 2 1 3 Level 2
class MaxHeap:
def __init__(self):
self.items = [None]
def insert(self, value):
self.items.append(value)
index = len(self.items) - 1
# 값이 부모 값보다 크면 swap
# 1층 비교했으면 while 반복문을 멈춤
while index > 1:
parentIndex = index // 2
if value > self.items[parentIndex]:
self.items[index], self.items[parentIndex] = self.items[index // 2], self.items[index]
index = parentIndex
# 부모 값이 더 크면 break
else:
break
return
The maximum height is O(log(N)) and therefore this function has a complexity of O(log(N)).
이 맥스 힙에서 원소를 제거해보겠습니다! (항상 맨 위의 루트 노드가 제거 됩니다.)
8 Level 0
6 7 Level 1
2 5 4 3 Level 2
1. 루트 노드와 맨 끝에 있는 원소를 교체한다.
8 Level 0
6 7 Level 1
2 5 4 3 Level 2
3 Level 0
7 6 Level 1
2 5 4 8 Level 2
2. 맨 뒤에 있는 원소를 (원래 루트 노드)를 삭제합니다.
이 값이 기존 맥스힙에 있던 가장 큰 값입니다. 따라서 이 값을 마지막에는 반환해줘야 합니다!
3 Level 0
6 7 Level 1
2 5 4 X Level 2
3-1. 변경된 노드를 더 큰 자식 노드와 비교해야 합니다.
우선 부모와 왼쪽 자식을 비교합니다. 그리고 부모와 오른쪽 자식을 비교합니다.
그리고 부모 보다 큰 자식 중, 더 큰 자식과 변경해야 합니다.
왼쪽 자식인 6과 오른쪽 자식인 7 중에서 7이 더 크고, 부모인 3보다 크니까 둘의 자리를 변경합니다.
3 Level 0
6 7 Level 1
2 5 4 Level 2
7 Level 0
6 3 Level 1
2 5 4 Level 2
3-2. 다시 자식 노드와 비교합니다.
우선 부모와 왼쪽 자식을 비교합니다.
왼쪽 자식인 4는 부모인 3보다 더 크니까 둘의 자리를 변경합니다.
7 Level 0
6 3 Level 1
2 5 4 Level 2
7 Level 0
6 4 Level 1
2 5 3 Level 2
4. 가장 아래 레벨에 도달했으므로 멈춥니다. 힙의 특성을 그대로 유지해 데이터를 삭제했습니다!
7 Level 0
6 4 Level 1
2 5 3 Level 2
5. 그리고, 아까 제거한 원래 루트 노드, 8을 반환하면 됩니다!
def delete(self):
if self.items == [None]:
return [None]
# Swap root node with last node
self.items[1], self.items[-1] = self.items[-1], self.items[1]
# Delete former root node
prevMax = self.items.pop(-1)
# Reorganize (heapify) the heap from root to child nodes
index = 1
while index <= len(self.items)-1:
leftChildIndex = index * 2
rightChildIndex = index * 2 + 1
maxIndex = index
# If the value of the new is smaller than its left child's value
if self.items[maxIndex] < self.items[leftChildIndex] and leftChildIndex <= len(self.items) -1:
maxIndex = leftChildIndex
# If the value of the new is smaller than its right child's value
if self.items[maxIndex] < self.items[rightChildIndex] and rightChildIndex <= len(self.items) -1:
maxIndex = rightChildIndex
# If current index has the biggest value, break
if maxIndex == index:
break
self.items[maxIndex], self.items[index] = self.items[index], self.items[maxIndex]
return prevMax # 8 을 반환해야 합니다.