Python高级语法之堆

堆

特点

• 堆是一个二叉树，它的每个父节点的值都只会小于或等于所有孩子节点（的值）
• 它使用了数组来实现：从零开始计数，对于所有的k，都有heap[k] <= heap[2k+1] <=heap[2k+2]
• 堆最有趣的特性在于最小的元素总在根节点：heap[0]

heapq.heapify(x) 将list x 转换成堆

import heapq
x=[4,5,6,7,9,1,2,3,0]
print(x)
heapq.heapify(x)
print(x)
#结果
#[4, 5, 6, 7, 9, 1, 2, 3, 0]
#[0, 3, 1, 4, 9, 6, 2, 5, 7]

heapq.heappush(heap, item) 将item 的值加入heap中，保持堆的不变性

import heapq
x=[4,5,6,7,9,1,2,3,0]
print(x)
heapq.heappush(x,8)
print(x)
#结果
#[4, 5, 6, 7, 9, 1, 2, 3, 0]
#[4, 5, 6, 7, 8, 1, 2, 3, 0, 9]

heapq.heappop(heap) 弹出并返回heap的最小元素，保持堆的不变性。使用heap[0]，可以访问最小的元素而不弹出它

import heapq
x=[4,5,6,7,9,1,2,3,0]
print(x)
heapq.heapify(x)
print(x)
heapq.heappop(x)
print(x)
#结果
#[4, 5, 6, 7, 9, 1, 2, 3, 0]   列表
#[0, 3, 1, 4, 9, 6, 2, 5, 7]   堆
#[1, 3, 2, 4, 9, 6, 7, 5]      取出一个最小元素后的堆

heap.heappushpop(heap, item) 先将item放入堆中，然后弹出heap中最小元素并返回堆的值，堆大小保持不变

import heapq
x=[4,5,6,7,9,1,2,3,0]
print(x)
heapq.heapify(x)
heapq.heappushpop(x,8)
print(x)
#结果
#[4, 5, 6, 7, 9, 1, 2, 3, 0]
#[1, 3, 2, 4, 9, 6, 8, 5, 7]

heap.heapreplace(heap, item) 先弹出heap中最小元素，然后将item放入堆中并返回堆的值，堆大小保持不变

import heapq
x=[4,5,6,7,9,1,2,3,0]
print(x)
heapq.heapify(x)
heapq.heapreplace(x,8)
print(x)
#结果
#[4, 5, 6, 7, 9, 1, 2, 3, 0]
#[1, 3, 2, 4, 9, 6, 8, 5, 7]

heapq.merge(*iterables) 将多个已排序的输入合并为一个以排序的输出（例如：合并来自多个日志文件的带时间戳的条目）。返回已排序值的iterator.

import heapq
x = [5,15,62]
y = [1,7,34,56,88]
z = heapq.merge(x,y)
print(list(z))
#结果
#[1, 5, 7, 15, 34, 56, 62, 88]

heapq.nlargest(n, iterable) 从iterable所定义的数据集中返回前n个最大元素组成的列表

import heapq
x = [1,3,6,8,345,5,525,54,5568,656,33]
lg = heapq.nlargest(4, x)
print(lg)
#结果
#[5568, 656, 525, 345]

heapq.nsmallest(n, iterable)) 从iterable所定义的数据集中返回前n个最小元素组成的列表

import heapq
x = [1,3,6,8,345,5,525,54,5568,656,33]
sm = heapq.nsmallest(4, x)
print(sm)
#结果
#[1, 3, 5, 6]