黄泓毅堆排序这东西，我在C语言学习阶段一直觉得它“看着简单，写起来总差一口气”。后来在嵌入式开发里处理实时数据排序、在刷题时被卡时间限制，才真正把它吃透。这篇博客就用C语言完整走一遍堆排序：从堆的结构原理、代码逐行讲解，到复杂度分析、踩坑实录和Top K等衍生应用，一次性把堆排序讲明白。适合刚学完数组和指针、想在排序算法上进阶的C语言学习者，也适合准备笔试面试时拿堆排序救急的求职者。
1. 堆排序是什么，为什么值得用C语言实现
1.1 堆排序的本质：用完全二叉树的思想排序一个数组
堆排序（Heapsort）是一类基于比较的排序算法，核心思想非常巧妙：它不额外开辟大块内存，而是把待排序的数组本身“看成”一棵完全二叉树，然后利用这棵树的父子关系，把数组调整成一个大顶堆或小顶堆，再反复取出堆顶元素完成排序。
堆排序由J. W. J. Williams在1964年发明，同年Robert W. Floyd提出了原地建堆的线性时间算法，所以堆排序从诞生起就是“原地排序”的代表。它最吸引人的一点是：无论数据原本是正序、倒序还是乱序，时间复杂度都是稳定的O(n log n)，不像快速排序那样存在最坏情况下退化成O(n²)的风险。
我第一次接触堆排序时最大的困惑是：“排序就排序，为什么非要搞一棵树出来？”后来才明白，数组虽然是一维线性结构，但通过下标关系可以映射成完全二叉树——父节点在下标i，左孩子在2i+1，右孩子在2i+2（下标从0开始）。这个映射关系是堆排序能原地工作的基石。也就是说，堆排序的逻辑结构是树，物理存储却是数组，两头的好处都占了。
1.2 为什么用C语言实现堆排序
用C语言实现堆排序，比起Java或Python有一个非常实际的好处：C语言暴露了数组和指针的本质，你在写arr[left]和arr[right]时，脑子里会时刻想着“这其实是对一块连续内存的偏移访问”。这种底层感知，让你更容易理解堆排序为什么能原地工作、为什么空间复杂度是O(1)。
另一方面，C语言在嵌入式场景中的地位无可替代。我在做单片机上的数据采集系统时，需要对传感器数据进行排序后取中位数或极值，那套板子的RAM只有几十KB，堆排序这种不依赖递归栈深度（虽然有递归版，但深度仅为O(log n)）、不申请辅助数组的排序算法，就成了非常可靠的选择。
而且C语言里指针和数组的微妙关系，在实现堆排序时体现得淋漓极致。void heapify(int arr[], int n, int i)和void heapify(int *arr, int n, int i)在参数传递层面是等价的，但在阅读代码时，用数组写法更能表达“对一堆元素进行堆调整”的意图。这种“同一个功能，多种表达方式”的特点，也是C语言学习者必须跨过的一道坎。
1.3 堆排序解决了什么实际问题
堆排序最典型的应用场景有两类。
一类是面对“不能在内存里放下全部数据”的排序需求。比如要对磁盘上几个GB的大文件排序，内存只能容纳部分数据，这时可以用堆维护一个大小为k的“窗口”，在流式读取的过程中不断把最大（或最小）的元素放到输出缓冲区，避免全量排序。
另一类是Top K问题：从海量数据中找出最大的K个数。传统做法是全部排序再取前K个，时间复杂度O(n log n)，如果数据量是上亿级别，排序开销太大。更聪明的做法是用一个大小为K的小顶堆，遍历一遍数据，每遇到一个比堆顶大的元素就替换堆顶并调整堆。这样时间复杂度只有O(n log K)，空间复杂度O(K)。我在处理日志分析时，要从千万级访问记录里找出访问量最高的10个IP，用的就是这个思路。
注意：堆排序适合“取最大/最小的前K个”“维护中位数”这类只需要部分排序的场景。如果需要完全有序且要求稳定，堆排序并不合适，我后面会详细讲稳定性问题。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 正式实现前，必须搞懂的“堆”数据结构
2.1 堆与完全二叉树的关系
堆在逻辑上一棵完全二叉树，所谓完全二叉树，是指除了最后一层外，其他每一层都被节点填满，并且最后一层的节点都集中在左侧。数组天然可以表示完全二叉树，因为下标连续、没有空洞。
大顶堆的定义是：每个父节点的值都大于或等于其左右孩子节点的值。这样一来，整个堆的根节点（也就是数组的arr[0]）一定是全局最大值。小顶堆则相反，每个父节点都小于或等于孩子节点，根节点是最小值。
搞清楚“堆”和“二叉搜索树（BST）”的区别很重要。堆只保证父节点与孩子节点的顺序关系，不保证左孩子一定小于右孩子，也不保证某个节点的左子树里的所有值都小于右子树里的所有值。所以堆只适合快速获取最大值或最小值，不适合做查找——想找一个特定值，堆的时间复杂度是O(n)，而平衡二叉树是O(log n)。
我在教学时喜欢用“食堂排队”打比方：大顶堆像是老师让个子最高的站前面，但后面的人怎么站比较随意；二叉搜索树则是严格按照“从矮到高”排好的一条队伍。堆的“纪律性”没那么强，但它维护最大/最小值的成本极低，这就是它的生存价值。
2.2 数组下标与父子关系的三个关键公式
用C语言实现堆排序，有三个下标公式必须烂熟于心，并且每次写代码时都要重新确认一遍。
- 父节点下标：
parent = (i - 1) / 2（当i > 0时） - 左孩子下标：
left = 2 * i + 1 - 右孩子下标：
right = 2 * i + 2
我见过无数人把左孩子写成2 * i，这是因为许多教材用下标从1开始的数组讲堆排序，那时左孩子是2*i，右孩子是2*i+1，父节点是i/2。但C语言数组下标从0开始，所以公式整体偏移了一位。这个看似“小”的差别，能让你调试一下午。
可以验证一下：下标0的根节点，左孩子是1，右孩子是2；下标1的左孩子是3，右孩子是4；下标2的左孩子是5，右孩子是6。这些结果和完全二叉树的布局完全吻合。用一段简单的C代码就能打印验证：
c复制#include <stdio.h>
int main(void) {
for (int i = 0; i < 7; i++) {
int left = 2 * i + 1;
int right = 2 * i + 2;
printf("node %d -> left %d, right %d\n", i, left, right);
}
return 0;
}
输出如下：
text复制node 0 -> left 1, right 2
node 1 -> left 3, right 4
node 2 -> left 5, right 6
node 3 -> left 7, right 8
node 4 -> left 9, right 10
node 5 -> left 11, right 12
node 6 -> left 13, right 14
2.3 大顶堆和小顶堆如何决定排序方向
堆排序用大顶堆还是小顶堆，决定了最终元素在数组里是怎么排列的。
- 用大顶堆做升序排序：每次把堆顶（最大值）和数组末尾元素交换，然后把堆的范围缩小1，再对堆顶做调整。交换后，最大值被“钉”在数组末尾，第二轮又从剩下元素里取最大值到倒数第二的位置，以此类推。这就是“升序用大顶堆”。
- 用小顶堆做降序排序：每次把最小值扔到数组末尾，剩余元素继续调整成小顶堆。
这个关系很多初学者容易记反，我提供一个记忆窍门：堆顶是最大（或最小）的值，你把它放到数组的哪个方向，就决定了数组的哪个方向优先排列完毕。升序时要让最大的值先归位，所以把堆顶往末尾放，自然用大顶堆。
在实际刷题时，比如洛谷、GESP或者CSP这类比赛中，题目如果要求从大到小输出，很多考生会直接调用qsort并自定义比较函数，但手写堆排序时，方向搞反能错得非常隐蔽——代码看起来没问题，但结果顺序完全反了。我的建议是：写排序前