随笔——Python中对自定义类使用heapq堆操作

随笔——Python中对自定义类使用heapq堆操作

---

前言

由于最近在完成八数码的A*搜索大作业，那么很显然对于八数码的每一个状态应该是用一个矩阵来表示，并且可以将这些状态按其$f(n)$值放到最小堆里，这样的话每次从最小堆里取出一个元素，就可以达到A*搜索的目的。用C++语言倒是很好完成，但这次想用Python来完成，所以花了不少功夫来研究Python怎么实现自定义类的最小堆

实现

查阅资料发现Python自带heapq库，那么我们唯一需要做的就是对自定义类判断大小的方式进行重写了。查了老半天资料才发现是重写自定义类的__lt__函数，这样就可以实现自定义排序的需求了

示例代码

import heapq
import numpy as np
class test:
    def __init__(self):
        self.A=np.zeros((3,4),dtype=int)
    def __lt__(self,other):
        if self.A[0][0]<other.A[0][0]:
            return True
        else:
            return False
c=[]
a=test()
b=test()
a.A[0][0]=5
b.A[0][0]=1
heapq.heappush(c, a)
heapq.heappush(c, b)
#d=heapq.heappop(c)
heapq.heappop(c)
print(heapq.nlargest(2, c)[0].A[0][0])
#print(d.A[0][0])

这里根据test类对象的A[0][0]来作为比较的对象（可以任意定义），测试后发现满足要求

注意：这里的__lt__中的l是小写的L而不是大写的i

其他

想到这里突然想到C++STL中排序中一个比较有意思的现象

对于priority_queue使用仿函数greater代表的是最小堆，less代表的是最大堆

而sort排序中使用greater是指降序排列，less是指升序排列

其实这跟操作数的顺序有关，对于priority_queue我们在排序的时候，是拿要插入的数和现在堆内的数对比，也就是说如果使用greater的话，如果插入的数比当前数大，那么他就会插在当前数前面，也就形成了前面的数会比后面的数小，也就是最小堆

而sort中我们在排序的时候，序列中的数是已经确定的，相当于是拿前面的数和后面的数比，如果前面的数大于后面的数就会插在前面，否则就会移动到后面，这样以来就是降序排列了

其实这也算是一个困扰自己许久的问题，今天终于得到了解决