Python 堆模块(headq)

导入堆模块

import heapq

创建堆（小顶堆）

#方法一,创建一个空堆,然后逐个加入
>>> heap = []  #创建一个空堆
>>> num_list = [5, 4, 3, 2, 1] 
>>> for i in num_list:
>>> 	heapq.heappush(heap, i)
>>> heap
[1, 2, 3, 5, 4]	

#方法二：直接将数组转为堆，in_place操作，O(len(heap))复杂度
>>> heapq.heapify(num_list)
>>> num_list
[1, 2, 3, 5, 4]	

无序数组转化为小顶堆

heapq.heapify(list)  # in_place操作

>>> nums = [5, 4, 3, 2, 1]
>>> heapq.heapify(nums)
[1, 2, 3, 5, 4]	

插入

heapq.heappush(heap, item)
#插入item, 并保持堆结构的稳定性

弹出（最小元素）

heapq.heappop(heap)
#弹出最小元素, 并保持堆结构的稳定性

插入弹出

heapq.heappushpop(heap, item)
#先插入item，再弹出最小元素，比先 heapq.heappush()， 再heapq.heappop()的效率高

>>> heap = [1, 2, 3, 5, 4]	
>>> heap.heappushpop(heap, 0)
0

弹出插入

heapq.heapreplace(heap, item)
#再弹出最小元素，先插入item，比先 heapq.heappop()， 再heapq.heappush()的效率高

>>> heap = [1, 2, 3, 5, 4]	
>>> heap.heapreplace(heap, 0)
1		#先弹出1， 再插入零

获取前n个最大值 (利用小顶堆)

heapq.nlargest(n, iterable, key=None)
#效果有点像 sorted(iterable, key=key, reverse=True)[:n]， 但前者时间复杂度更低

>>> nums = [5, 4, 3, 2, 1]
>>> result = heapq.nlargest(3, nums)
>>> result
[5, 4, 3]

获取前n个最小值 (利用大顶堆)

heapq.nsmallest(n, iterable, key=None)
#效果有点像  sorted(iterable, key=key)[:n], 但前者时间复杂度更低

>>> result = heapq.nsmallest(3, nums)
>>> result
[1, 2, 3]

融合合并多个排序后的序列成一个排序后的序列

heapq.merge(*iterables, key=None, reverse=False)
# returns a generator, 并且输入已经是从小到大排好序了。
# If *key* is not None, applies a key function to each element to determine
    its sort order.

>>> list(heapq.merge([1,3,5,7], [0,2,4,8], [5,10,15,20], [], [25]))
[0, 1, 2, 3, 4, 5, 5, 7, 8, 10, 15, 20, 25]

>>> list(merge(['dog', 'horse'], ['cat', 'fish', 'kangaroo'], key=len)) #按照字符串长度排序
['dog', 'cat', 'fish', 'horse', 'kangaroo']