python3入门之堆（heapq）

堆是一个二叉树，其中每个父节点的值都小于或等于其所有子节点的值。整个堆的最小元素总是位于二叉树的根节点。python的heapq模块提供了对堆的支持。
堆数据结构最重要的特征是heap[0]永远是最小的元素

heapq.heappush(heap,item) 
注：heap为定义堆，item增加的元素

>>> import heapq
>>> h = []
>>> heapq.heappush(h,2)
>>> h
[2]

heapq.heapify(list) 
注：将列表转换为堆

>>> list = [1,2,3,5,1,5,8,9,6]
>>> heapq.heapify(list)
>>> list
[1, 1, 3, 5, 2, 5, 8, 9, 6]

heapq.heappop(heap) 
注：删除最小值，因为堆的特征是heap[0]永远是最小的元素，所以一般都是删除第一个元素。

>>> list
[1, 1, 3, 5, 2, 5, 8, 9, 6]
>>> heapq.heappop(list)
1
>>> list
[1, 2, 3, 5, 6, 5, 8, 9]

heapq.heapreplace(heap.item) 
注：删除最小元素值，添加新的元素值

>>> list
[1, 2, 3, 5, 6, 5, 8, 9]
>>> heapq.heapreplace(list,99)
1
>>> list
[2, 5, 3, 9, 6, 5, 8, 99]

heapq.heapreplace(heap,item) 
注：首先判断添加元素值与堆的第一个元素值对比，如果大，则删除第一个元素，然后添加新的元素值，购置不更改堆

>>> list
[2, 5, 3, 9, 6, 5, 8, 99]
>>> heapq.heappushpop(list,6)
2
>>> list
[3, 5, 5, 9, 6, 6, 8, 99]
>>> heapq.heappushpop(list,1)
1
>>> list
[3, 5, 5, 9, 6, 6, 8, 99]

heapq.merge（…） 
注：将多个堆合并

>>> list
[3, 5, 5, 9, 6, 6, 8, 99]
>>> h
[1000]
>>> for i in heapq.merge(h,list):
...     print(i,end=" ")
...
3 5 5 9 6 6 8 99 1000 

heapq.nlargest(n,heap) 
注：查询堆中的最大元素，n表示查询元素个数

>>> list
[3, 5, 5, 9, 6, 6, 8, 99]
>>> heapq.nlargest(3,list)
[99, 9, 8]
>>>

heapq.nsmallest(n,heap) 
注：查询堆中的最小元素，n表示查询元素的个数

>>> list
[3, 5, 5, 9, 6, 6, 8, 99]
>>> heapq.nsmallest(3,list)
[3, 5, 5]