哈夫曼树是一种加权最优路径树。也就是说，每个叶子都有一个权重，叶子节点的权重乘以其到根节点的路径长度，然后对所有叶子求和，这个和是最小的。
Huffman编码利用Huffman树对不同的字符进行编码，以求获得最高的码率（最小的编码长度），其中心思想是先统计字符的频率，让出现频率高的码长短，出现频率低的码长长。可以证明，Huffman编码是最优的，即码长等于香农熵，也就是说，Huffman是一种无损压缩。
在NLP中词向量学习的Hierachical softmax中，也用到了Huffman编码对所有word建立Huffman树。从而提高训练的效率。
建立Huffman树的算法流程：
输入：待编码字符 v1, v2, ..., vn，以及对应的频率 p1, p2, ..., pn
输出：Huffman树及编码
def genHuffmanTree(p):
建立HuffmanTree，只有叶子节点v1,...,vn
while len(p) > 1:
p = ascendingsort(p)
min_1, min_2 = p[0], p[1]
p.remove(min_1)
p.remove(min_2)
new_prob = min_1 + min_2
p = p + [new_prob]
对min_1，min_2对应的v的节点进行合并，合并后的节点频率为new_prob
对每个叶子节点，向根节点的路径记录下来，左右子树代表0和1，得到各自编码，即HuffmanCode
return HuffmanTree，HuffmanCode