并查集的介绍

并查集（Union-find）数据结构也称作合并查找集（Merge-find set）或者不相交集数据结构（disjoint-set data structure），它是一种记录了由一个或多个元素组成的不连续的分组的集合。并查集提供常数量的复杂度来添加、合并以及确定两个元素是否属于同一个集合。
并查集除了能够实现这些快速便利的操作，它在Krukal算法中寻找最小生成树的图也起着关键的作用

并查集结构
并查集是一种树形数据结构，但是它和二叉树、红黑树、B树不同，它对树形结构的要求十分简单：
1. 同一个数据组中的元素对应在同一颗树（判断两个元素是否在同一颗树时，可以判断根结点是否相同）
2. 同一数据组中的每一个元素对应树中的一个结点
3. 不同数据组之间不存在任何相关的联系，可以看做多个数据组成一个森林（合并数据组时，只需要将一棵树的根结点指向另一颗树的根结点即可）
4. 树中的结点不存在硬性的顺序/父子关系

并查集的功能实现

方法设计

self.groups 是一个列表，其索引代表传入的元素的值，其元素代表传入元素所在分组
count_groups() 返回并查集中组的数量
which_group(item) 判断传入的元素item属于哪一个群组
in_the_same_group(item1, item2) 判断传入的两个元素是否在同一个分组
merge(item1, item2) 将两个元素各自所在的分组合并到一个组，合并后的分组为后者所在的组

Python代码实现

class UnionFind:def __init__(self, n):self.num_groups = nself.groups = [i for i in range(n)]  # Let the indices be the elements, and the elements be the group numbersdef count_groups(self):return self.num_groupsdef which_group(self, item):"""The indices are items, the elements are group numbers"""return self.groups[item]def in_the_same_group(self, item1, item2):return self.which_group(item1) == self.which_group(item2)def merge(self, item1, item2):group1 = self.which_group(item1)group2 = self.which_group(item2)if group1 == group2:returnfor i in range(len(self.groups)):if self.groups[i] == group1:self.groups[i] = group2self.num_groups -= 1

代码测试

if __name__ == '__main__':UF = UnionFind(5)print(f"The initial number of groups is {UF.num_groups}")print(f"The initial groups is {UF.groups}")while True:p = int(input(f'Input the to-be-merge element: '))q = int(input(f"Merge to the target element's group: "))if UF.in_the_same_group(p, q):print(f"They are already in the same group")continueUF.merge(p, q)print(f"The number of groups now is {UF.count_groups()}")print(UF.groups)

测试结果

The initial number of groups is 5
The initial groups is [0, 1, 2, 3, 4]
Input the to-be-merge element: 0
Merge to the target element's group: 1
The number of groups now is 4
[1, 1, 2, 3, 4]
Input the to-be-merge element: 1
Merge to the target element's group: 2
The number of groups now is 3
[2, 2, 2, 3, 4]
Input the to-be-merge element: 2
Merge to the target element's group: 3
The number of groups now is 2
[3, 3, 3, 3, 4]
Input the to-be-merge element: 3
Merge to the target element's group: 4
The number of groups now is 1
[4, 4, 4, 4, 4]
Input the to-be-merge element:

最少需要n-1 = 4 次合并，就可以将所有元素都合并到一个分组到一个组。

数据结构之并查集：并查集的介绍与Python代码实现——18相关推荐

数据结构之平衡树：红黑树的介绍与Python代码实现——17
红黑树的介绍与Python代码实现红黑树的介绍红黑树(Red-Black Tree)是一种平衡二叉查找树,它是一种以比较简单的方式实现的2-3查找树红黑树基于2-3查找树的表现红链接:将两个2 ...
数据结构--队列、双端队列实际举例详解（Python代码）
https://blog.csdn.net/hanhanwanghaha宝藏女孩欢迎您的关注! 欢迎关注微信公众号:宝藏女孩的成长日记让这个可爱的宝藏女孩在努力的道路上与你一起同行! 如有转载,请 ...
【数据结构】动态规划——找零钱问题解析（含c++和python代码）
一个具体的找零钱问题: 参考:程序员面试再也不怕动态规划了,看动画,学DP,找零钱 (LeetCode 322) 硬币面值:1,2,5,7,10 找零金额:14 step1:定义长度为15的dp数组 ...
基础数据结构(二):字典树、并查集、堆、哈希表、字符串的哈希方式、STL的常见容器及其接口
文章目录一.字典树Trie 1 原理 2 Trie字符串统计 3 [LeetCode 208. 实现 Trie (前缀树)](https://leetcode-cn.com/problems/imp ...
数据结构（八）：并查集详解（多图+动图）
目录一.什么是并查集二.并查集的存储结构三.并查集的基本操作 (一)初始化 (二)Find操作 (三)Union操作四.并查集的优化 (一)Union操作优化(小树并入大树) (二)Find操 ...
并查集（python代码实现）
并查集并查集是一种树型的数据结构,用于处理一些不相交集合的合并与查询问题.主要两种操作(合并和查询): 根据两个元素的关系合并两个集合: 查询两个元素是否存在关系(是否在同一个集合中)和查询节点的根 ...
绿建科技加密图纸查看器安装_施工图看不懂？1.1G工程施工图纸详解，253页图文合集一查就清楚...
施工图看不懂?1.1G工程施工图纸详解,253页图文合集一查就清楚只要是对建筑行业,有所了解的朋友都清楚,钢筋施工图纸对于建筑物,有着举足轻重的地位!一点都不得马虎大意,接触建筑行业,第一步还是需 ...
洛谷 P1892 [BOI2003]团伙（并查集变种反集）
[BOI2003]团伙题目描述现在有 n n n 个人,他们之间有两种关系:朋友和敌人.我们知道: 一个人的朋友的朋友是朋友一个人的敌人的敌人是朋友现在要对这些人进行组团.两个人在一个团体内当 ...
Redis数据结构、持久化、缓存技术和集群详解
redis 是什么? 是完全开源免费的,用c语言编写的,是一个单线程,高性能的(key/value)内存数据库,基于内存运行并支持持久化的nosql数据库能干嘛? 主要是用来做缓存,但不仅仅只能做缓 ...

数据结构之并查集：并查集的介绍与Python代码实现——18

并查集的介绍

并查集的功能实现

方法设计

Python代码实现

代码测试

测试结果

数据结构之并查集：并查集的介绍与Python代码实现——18相关推荐

最新文章

热门文章