在 JavaScript 中使用最小和最大堆管理流数据：数字运动员健康技术视角

php中文网 2024-10-15 11:43:43

数据管理在健康技术中至关重要。无论是跟踪运动员的表现指标还是监控运动员的恢复时间，有效地组织数据都可以对洞察的获取方式产生重大影响。在这种情况下管理数据的一种强大工具是堆，特别是最小堆和最大堆。在这篇文章中，我们将使用与运动员数据管理相关的实际示例，探索如何在 javascript 中实现和使用最小堆和最大堆。

什么是堆？

堆是一种特殊的基于二叉树的数据结构，满足堆属性。在最小堆中，父节点始终小于或等于其子节点。相反，在最大堆中，父节点始终大于或等于其子节点。这使得堆对于从数据集中高效检索最小值或最大值特别有用。

最小堆用例：跟踪恢复时间

想象一下您是一名临床医生，正在跟踪运动员锻炼后的恢复时间。您希望有效地记录最短恢复时间，以便快速识别哪位运动员恢复最快。

创建最小堆

在 javascript 中，您可以使用数组创建最小堆，并使用简单的函数对其进行管理以维护堆属性：

class minheap {
    constructor() {
        this.heap = [];
    }

    getmin() {
        return this.heap[0];
    }

    insert(value) {
        this.heap.push(value);
        this.bubbleup();
    }

    bubbleup() {
        let index = this.heap.length - 1;
        while (index &gt; 0) {
            let parentindex = math.floor((index - 1) / 2);
            if (this.heap[parentindex] 



<h4>
  
  
  使用最小堆计算运动员恢复时间
</h4>

<p>现在，让我们将其应用到我们的场景中：<br></p>

<pre class="brush:php;toolbar:false">const recoverytimes = new minheap();
recoverytimes.insert(10); // athlete a
recoverytimes.insert(7);  // athlete b
recoverytimes.insert(12); // athlete c

console.log("fastest recovery time:", recoverytimes.getmin()); // outputs: 7

在这里，最小堆可以让临床医生快速识别恢复时间最快的运动员，这对于在训练期间做出实时决策至关重要。

立即学习“Java免费学习笔记（深入）”；

最大堆用例：监控峰值性能指标

另一方面，最大堆非常适合需要跟踪最高值的场景，例如监控峰值性能指标，例如剧烈锻炼期间达到的最大心率。

创建最大堆

最大堆的实现方式与最小堆类似，但需要进行一些调整：

class maxheap {
    constructor() {
        this.heap = [];
    }

    getmax() {
        return this.heap[0];
    }

    insert(value) {
        this.heap.push(value);
        this.bubbleup();
    }

    bubbleup() {
        let index = this.heap.length - 1;
        while (index &gt; 0) {
            let parentindex = math.floor((index - 1) / 2);
            if (this.heap[parentindex] &gt;= this.heap[index]) break;
            [this.heap[parentindex], this.heap[index]] = [this.heap[index], this.heap[parentindex]];
            index = parentindex;
        }
    }

    extractmax() {
        if (this.heap.length === 1) return this.heap.pop();
        const max = this.heap[0];
        this.heap[0] = this.heap.pop();
        this.bubbledown();
        return max;
    }

    bubbledown() {
        let index = 0;
        const length = this.heap.length;
        const element = this.heap[0];

        while (true) {
            let leftchildindex = 2 * index + 1;
            let rightchildindex = 2 * index + 2;
            let leftchild, rightchild;
            let swap = null;

            if (leftchildindex  element) swap = leftchildindex;
            }

            if (rightchildindex  element) ||
                    (swap !== null &amp;&amp; rightchild &gt; leftchild)
                ) {
                    swap = rightchildindex;
                }
            }

            if (swap === null) break;
            [this.heap[index], this.heap[swap]] = [this.heap[swap], this.heap[index]];
            index = swap;
        }
    }
}

使用最大堆实现峰值心率

让我们考虑如何使用最大堆来跟踪运动员在锻炼期间的峰值心率：

const heartrates = new maxheap();
heartrates.insert(150); // athlete a
heartrates.insert(165); // athlete b
heartrates.insert(160); // athlete c

console.log("peak heart rate:", heartrates.getmax()); // outputs: 165

在这里，最大堆确保临床医生可以快速识别达到最高心率的运动员，这可能表明需要进一步关注或冷却。

其他基本堆操作

除了插入元素和检索最小值或最大值之外，堆还支持其他基本操作，例如：

提取最小/最大：这会删除堆的根（最小堆中的最小元素或最大堆中的最大元素）并重新平衡堆。
heapify：将任意数组转换为堆，确保堆属性得到维护。
peek：查看最小值或最大值，而不将其从堆中删除。

这些操作对于高效管理和实时处理数据至关重要，使堆成为健康技术应用中的宝贵工具。

简化 python 和 javascript 中的堆操作

在python中，heapq模块提供了一种使用列表来管理最小堆的简单有效的方法。这是一个例子：

import heapq

# create an empty list to represent the heap
recovery_times = []

# add elements to the heap
heapq.heappush(recovery_times, 10)  # athlete a
heapq.heappush(recovery_times, 7)   # athlete b
heapq.heappush(recovery_times, 12)  # athlete c

# retrieve the smallest element (fastest recovery time)
fastest_recovery_time = heapq.heappop(recovery_times)
print(f"fastest recovery time: {fastest_recovery_time}")  # outputs: 7

对于 javascript，虽然没有内置的堆模块，但您可以使用 @datastructs-js/priority-queue 等第三方库来实现类似的功能：

// First, you would need to install the @datastructures-js/priority-queue library using npm:
// npm install @datastructures-js/priority-queue

const { MinPriorityQueue } = require('@datastructures-js/priority-queue');

// Create a new min heap
const minHeap = new MinPriorityQueue();

// Add elements to the heap
minHeap.enqueue(10); // Athlete A
minHeap.enqueue(7);  // Athlete B
minHeap.enqueue(12); // Athlete C

// Retrieve the smallest element
const fastestRecoveryTime = minHeap.dequeue().element;
console.log("Fastest recovery time:", fastestRecoveryTime); // Outputs: 7

通过利用这些工具，您可以专注于应用程序的关键方面，例如分析运动员数据，而不必陷入堆实现的细节中。