python cookbook 学习笔记 第一章 数据结构和算法(3)查找最大或最小的N个元素

• 查找最大或者最小的 N 个元素
• 问题：
  • 怎样从一个集合中获得最大或者最小的 N 个元素列表？
• 解决方案：
  • heapq 模块有两个函数：nlargest() 和 nsmallest()可以完美解决这个问题。

import heapq

nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]

print(heapq.nlargest(3,nums))
print(heapq.nsmallest(3,nums))

# [42, 37, 23]
# [-4, 1, 2]

• 两个函数都能接受一个关键字参数，用于更复杂的数据结构中：
• heapq.nsmallest(要获取元素的数量，数据名，key= lambda s:s[“筛选的键值”]

portfolio = [
    {"name":"IBM","shares":100,"price":91.1},
    {"name":"AAPL","shares":50,"price":543.22},
    {"name":"FB","shares":200,"price":21.09},
    {"name":"HPQ","shares":35,"price":31.75},
    {"name":"YHOO","shares":45,"price":16.35},
    {"name":"ACME","shares":75,"price":115.65}
]

cheap = heapq.nsmallest(3,portfolio,key= lambda s:s["price"])
expensive = heapq.nlargest(3,portfolio,key= lambda s:s["price"])

print(cheap)
print(expensive)

• 上面的代码在对每个元素进行对比的时候，会以 price 的值进行比较。

• 讨论：如果想在一个集合中查找最小或最大的 N 个元素，并且 N 小于集合元素数量，那么这些元素 提供了很好的性能。因为在底层实现里面，首先会将集合数据进行堆排序后放入一个列表中。

nums =[1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]

heapq.heapify(nums)

print(nums)

• 堆数据结构最重要的特征是 heap[0] 永远是最小的元素。并且剩余的元素可以很容易的通过调用heapq.heappop() 方法来得到，该方法会先将第一个元素弹出来，然后用下一个最小的元素来取 代被弹出的元素(这种操作时间复杂度仅是0(log N),N 是堆大小)。比如，如果想要查找最小的3 个元素，你可以这样做：

for i in range(3):
    print(heapq.heappop(nums))

• 当要查找的元素个数相对比较小的时候，函数 nlargest() 和 nsmallest() 是很合适的。如果 仅仅想要查找唯一的最小或者最大(N=1)的元素的话，那么使用min()和max()函数会更快些。类似 的，如果N的大小和集合大小接近的时候，通常先排序这个集合然后再使用切片操作会更快些。
• sorted(items)[:N]或者是sorted(items)[-N:]更快。
• 需要在正确场合使用函数 nlargest() 和 nsmallest() 才能发挥他们的优势。