Python heapq库方法详细介绍，最小堆的实现，Leetcode215 数组中的第K个最大元素（暴力解法、维护最小堆（大小为n和长度为k）、快排）

数据结构：堆的特点

• 1、内部数据是有序的
• 2、可以弹出堆顶元素，最小堆（小顶堆/小根堆）弹出的最小值，最大堆（大顶堆/大根堆）弹出的就是最大值
• 3、每次加入新元素或弹出栈顶元素后，调整堆使之重新有序，时间复杂度O(logn)
  最小堆： 就是具备每一个父节点都小于其子节点这一特点的一个二叉树
  

如图所示，绘制最小堆就是将一个数组，从上到下从左至右绘制出来即可，可以发现每一个父节点均满足小于其所有子节点。

Python heapq() 模块，可以实现最小堆

1、最小堆的创建：
要创建堆，使用初始化为 [] 的列表，或者可以通过 heapify() 方法将一个列表转换为最小堆
2、主要函数
1） heapq.heappush(heap, item)

将值item推入堆heap

import heapq
lst = [1,3,5,2,5]
heapq.heappush(lst, 1) # 将1推入堆中
lst
# [1,3,1,2,5,5]

2) heapq.heappop(heap)

弹出并返回堆中的最小项，要访问堆中的最小项，请使用heap[0]

import heapq
lst = [1,3,5,2,5]
heapq.heappop(lst)
# 1

3) heapq.heappushpop(heap, item)

将item推入堆中，然后弹出并返回堆中的最小值，该操作相当于heappush
()+heappop(),但比这个操作组合更有效

import heapq
lst = [1,3,5,2,5]
print(heapq.heappushpop(lst,6))
print(lst)
# 1
# [3, 2, 5, 6, 5]

4) heapq.heapify(x)

将列表在线性时间内转换为最小堆

import heapq
lst = [1,3,4,5,2]
heapq.heapify(lst)
print(lst)

# [1, 2, 4, 5, 3]

5) heapq.heapreplace(heap, item)

弹出并返回heap中最小的一项，同时推入新的item

import heapq
lst = [1,3,5,2,5]
heapq.heapreplace(lst, 6)
# 1

6) heapq.nlargest(n, iterable, key=None)

从可迭代对象iterable中返回n个最大元素的列表，key(如果提供)指定一个参数的功能，该参数用于从iterable中的每个元素中提取比较键

import heapq
lst1 = [1,3,5,2,5,6]
heapq.nlargest(3, lst1)

# [6, 5, 5]

7） heaqp.nsmallest(n, iterable, key=None)

从可迭代对象iterable中返回n个最大元素的列表，key(如果提供)指定一个参数的功能，该参数用于从iterable中的每个元素中提取比较键

import heapq
lst1 = [1,3,5,2,5,6]
heapq.nsmallest(3, lst1)
#[1, 2, 3]

Leetcode 215 数组中的第K个最大元素 题目链接

方法一：暴力解法，看个乐就行，面试的时候必会被喷

def findKthLargest(nums, k):
	nums.sort(reverse =True)
	result = nums[k-1]
	return result

**方法二：维护一个大小为len(nums)的最小堆 **

def findKthLargest(nums, k):
    n = len(nums)
    heap = nums
    heapq. heapify(heap)
    # print(heap) # [1, 2, 3, 5, 6, 4]
    for _ in range(n-k):
        heapq.heappop(heap)
    return heap[0]

**方法三：维护一个大小为K的最小堆 **

def findKthLargest(nums, k):
    minheap = []
    for num in nums:
        heapq.heappush(minheap, num)
        if len(minheap)>k:
            heapq.heappop(minheap)
    return minheap[0]

方法四：直接使用heapq.nlargest

def findKthLargest(nums, k):
    heap = nums
    heapq.heapify(heap)
    nlargest = heapq.nlargest(k,heap)
    return nlargest[-1]

方法五：快排
最近在整理各种排序算法，等整理好后，届时同步更新