【python】详解python数据结构堆（heapq）库使用

数据结构堆（heap）是一种优先队列。使用优先队列能够以任意顺序增加对象，并且能在任意的时间（可能在增加对象的同时）找到（也可能移除）最小的元素，也就是说它比python的min方法更加有效率。

1、heappush(heap,n)数据堆入

In [1]: import heapq as hq In [2]: import numpy as np In [3]: data = np.arange(10) #将生成的数据随机打乱顺序 In [4]: np.random.shuffle(data) In [5]: data Out[5]: array([5, 8, 6, 3, 4, 7, 0, 1, 2, 9]) #定义heap列表 In [6]: heap = [] #使用heapq库的heappush函数将数据堆入 In [7]: for i in data: ...: hq.heappush(heap,i) ...: In [8]: heap Out[8]: [0, 1, 3, 2, 5, 7, 6, 8, 4, 9] In [9]: hq.heappush(heap,0.5) In [10]: heap Out[10]: [0, 0.5, 3, 2, 1, 7, 6, 8, 4, 9, 5]

2、heappop(heap)将数组堆中的最小元素弹出

In [11]: hq.heappop(heap) Out[11]: 0 In [12]: hq.heappop(heap) Out[12]: 0.5

3、heapify(heap) 将heap属性强制应用到任意一个列表

heapify 函数将使用任意列表作为参数，并且尽可能少的移位操作，，将其转化为合法的堆。如果没有建立堆，那么在使用heappush和heappop前应该使用该函数。

In [13]: heap = [5,8,0,3,6,7,9,1,4,2] In [14]: hq.heapify(heap) In [15]: heap Out[15]: [0, 1, 5, 3, 2, 7, 9, 8, 4, 6]

4、heapreplace(heap，n)弹出最小的元素被n替代

In [17]: hq.heapreplace(heap,0.5) Out[17]: 0 In [18]: heap Out[18]: [0.5, 1, 5, 3, 2, 7, 9, 8, 4, 6]

5、nlargest(n,iter)、nsmallest(n,iter)
heapq中剩下的两个函数nlargest(n.iter)和nsmallest(n.iter)分别用来寻找任何可迭代的对象iter中第n大或者第n小的元素。可以通过使用排序（sorted函数）和分片进行完成。

#返回第一个最大的数 In [19]: hq.nlargest(1,heap) Out[19]: [9] #返回第一个最小的数 In [20]: hq.nsmallest(1,heap) Out[20]: [0.5]