Python 3.x 为什么siftdown在heapsort工作，而不是siftup？

我的编程作业如下： 您将需要仅使用O（n）交换将数组转换为堆，如在讲座中所述。注意，在这个问题中，您需要使用最小堆而不是最大堆。输出的第一行应该包含单个整数m—交换的总数。m必须满足条件0≤ M≤ 4n。接下来的m行应该包含用于将数组a转换为堆的交换操作。每个交换由一对整数i，j描述，i，j是要交换的元素的基于0的索引

我使用筛选技术实现了一个解决方案，通过与父值进行比较，该值为小文本案例提供了解决方案，当数组中的整数数小于10时，通过手动检查进行验证，但它无法通过输入100000个整数的测试案例。 这就是代码

类HeapBuilder：
定义初始化（自）：
self._swaps=[]#元组数组或数组
self._data=[]
def读取数据（自身）：
n=int（输入（））
self._data=[int（s）表示输入中的s（）.split（）]
断言n==len（自身数据）
def WriteResponse（自身）：
打印（len（自交换））
对于自交换。\u交换：
打印（交换[0]，交换[1]）
def swapup（自我，i）：
如果我=0:
如果自我数据[int（（i-1）/2）]>自我数据[i]：
self._swaps.append（（int（（i-1）/2）），i））
自我数据[int（（i-1）/2]，自我数据[i]=自我数据[i]，自我数据[int（（i-1）/2]
自我交换（内部（（i-1）/2））
def生成WAP（自）：
对于范围内的i（len（自身数据）-1,0，-1）：
赛尔夫·斯瓦普（i）
def解算（自）：
self.ReadData（）
self.GenerateSwaps（）
self.WriteResponse（）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
heap\u builder=HeapBuilder（）
heap_builder.Solve（）

另一方面，我使用筛选技术和类似的比较过程实现了一个堆排序，并且它通过了每个测试用例。 下面是此方法的代码

类HeapBuilder：
定义初始化（自）：
self._swaps=[]#元组数组或数组
self._data=[]
def读取数据（自身）：
n=int（输入（））
self._data=[int（s）表示输入中的s（）.split（）]
断言n==len（自身数据）
def WriteResponse（自身）：
打印（len（自交换））
对于自交换。\u交换：
打印（交换[0]，交换[1]）
def swapdown（自我，i）：
n=长度（自身数据）
最小指数=i
L＝2×i＋1如果（2×i＋1＜p）试图从底部“交换”来建立堆不会总是有效的。得到的数组不一定是有效堆。例如，考虑这个数组：<代码> [3，6，2，4，5，7，1] < /代码>。
       3
    4     2
   6 5   7 1

您的算法从最后一项开始，向上交换到根。因此，您将1与2交换，然后将1与3交换。这将为您提供：

       1
    4     3
   6 5   7 2

然后继续处理其余的项目，不必移动任何项目

结果是一个无效堆：最后一项2应该是3的父项

这里的关键是，向上交换方法假定，当您处理完
a[i]
后，最终位于该位置的项就位于其最终位置。与此相反，向下交换方法允许重复调整堆中较低的项。
尝试通过“向上交换”来构建堆从底部开始并不总是有效的。结果数组不一定是一个有效的堆。例如，考虑这个数组：<代码> [3，6，2，4，5，7，1] < /代码>。
       3
    4     2
   6 5   7 1

您的算法从最后一项开始，向上交换到根。因此，您将1与2交换，然后将1与3交换。这将为您提供：

       1
    4     3
   6 5   7 2

然后继续处理其余的项目，不必移动任何项目

结果是一个无效堆：最后一项2应该是3的父项

这里的关键是，swapping-up方法假设当您处理
a[i]
，则最终位于该位置的项目位于其最终位置。与此相比，交换向下方法允许重复调整堆中较低的项目。
我不是在问时间复杂性，我很清楚筛选向下在O（n）中工作，而筛选向上在O（nlogn）中工作.我想知道的是筛选给出错误答案的原因（不是时间限制的问题，而是不准确的问题）我不是问时间复杂性，我很清楚筛选在O（n）中起作用，而筛选在O（nlogn）中起作用.我想知道的是筛选给出错误答案的原因（不是时间限制的问题，而是不准确的问题）