问题
如何从一个集合中获得最大或者最小的N个元素列表呢?
解决方案
heapq
模块有两个函数:nlargest()
和 nsmallest()
可以完美解决这个问题。
heapq
模块是Python中用于堆heap
操作的标准库模块。堆是一种特殊的数据结构,常用于实现优先队列等算法。
>>> import heapq
>>> nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]
>>> print(heapq.nlargest(3, nums))
[42, 37, 23]
>>> print(heapq.nsmallest(3, nums))
[-4, 1, 2]
>>>
此外,两个函数还可以接受一个关键字参数,用于更复杂的数据结构中:
>>> portfolio = [
... {'name': 'IBM', 'shares': 100, 'price': 91.1},
... {'name': 'AAPL', 'shares': 50, 'price': 543.22},
... {'name': 'FB', 'shares': 200, 'price': 21.09},
... {'name': 'HPQ', 'shares': 35, 'price': 31.75},
... {'name': 'YHOO', 'shares': 45, 'price': 16.35},
... {'name': 'ACME', 'shares': 75, 'price': 115.65}
... ]
>>> cheap = heapq.nsmallest(3, portfolio, key=lambda s: s['price'])
>>> expensive = heapq.nlargest(3, portfolio, key=lambda s: s['price'])
>>> print(cheap)
[{'price': 16.35, 'name': 'YHOO', 'shares': 45}, {'price': 21.09, 'name': 'FB', 'shares': 200}, {'price': 31.75, 'name': 'HPQ', 'shares': 35}]
>>> print(expensive)
[{'price': 543.22, 'name': 'AAPL', 'shares': 50}, {'price': 115.65, 'name': 'ACME', 'shares': 75}, {'price': 91.1, 'name': 'IBM', 'shares': 100}]
>>>
上述代码在进行比较的时候,会以price
的值进行比较。
讨论
如果你想在一个集合中查找最小或最大的 N 个元素,并且 N 小于集合元素数量,那么这些函数提供了很好的性能。 因为在底层实现里面,首先会先将集合数据进行堆排序后放入一个列表中:
>>> nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]
>>> import heapq
>>> heap = list(nums)
>>> heapq.heapify(heap)
>>> heap
[-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]
>>>
其中,heapify
函数的意义是,将一个可迭代对象转换为堆,时间复杂度为O(n)。
堆数据结构最重要的特征是 heap[0] 永远是最小的元素
。并且剩余的元素可以很容易的通过调用 heapq.heappop()
方法得到, 该方法会先将第一个元素弹出来,然后用下一个最小的元素来取代被弹出元素(这种操作时间复杂度仅仅是 O(log N),N 是堆大小)。 比如,如果想要查找最小的 3 个元素,你可以这样做:
>>> heapq.heappop(heap)
-4
>>> heapq.heappop(heap)
1
>>> heapq.heappop(heap)
2
当要查找的元素个数相对比较小的时候,函数 nlargest()
和nsmallest()
是很合适的。 如果你仅仅想查找**唯一的最小或最大(N=1)**的元素的话,那么使用 min()
和 max()
函数会更快些。 类似的,如果 N 的大小和集合大小接近的时候,通常先排序这个集合然后再使用切片操作会更快点 ( sorted(items)[:N] 或者是 sorted(items)[-N:] )。 需要在正确场合使用函数 nlargest() 和 nsmallest() 才能发挥它们的优势 (如果 N 快接近集合大小了,那么使用排序操作会更好些)。
拓展
关于heapq
的其他一些函数用法:
heappush(heap, item)
:将元素插入堆中,并保持堆的性质。
>>> heapq.heappush(heap, 35)
>>> heap
[1, 2, 2, 23, 7, 8, 18, 23, 42, 37, 35]
>>>
heappop(heap)
:弹出并返回堆顶元素,并保持堆的性质。
>>> heapq.heappop(heap)
-4
>>> heap
[1, 2, 2, 23, 7, 8, 18, 23, 42, 37]
>>>
heapreplace(heap, item)
:先弹出并返回堆顶元素,然后将新元素插入堆中,并保持堆的性质,效率比分别调用heappop和heappush高。可以看到先弹出了堆顶元素1
,并将新元素1111
插入到堆中。
>>> heapq.heapreplace(heap, 1111)
1
>>> heap
[2, 2, 8, 23, 7, 1111, 18, 23, 42, 37, 35]
>>>