Python——heapq堆队列算法

Python——heapq堆队列算法

特点

• 使用了从零开始的索引。这使得节点和其孩子节点索引之间的关系不太直观但更加适合，因为 Python 使用从零开始的索引。
• pop 方法返回最小的项而不是最大的项

创建一个堆

$heapq.heapify(x)$

将list x 转换成堆，原地，线性时间内。

加入和弹出

$heapq.heappush(heap,item)$

将 item 的值加入 heap 中，保持堆的不变性。

$heapq.heappop(heap,item)$

弹出并返回 heap 的最小的元素，保持堆的不变性。如果堆为空，抛出 IndexError 。使用 heap[0] ，可以只访问最小的元素而不弹出它。

$heapq.heappushpop(heap,item)$

将 item 放入堆中，然后弹出并返回 heap 的最小元素。该组合操作比先调用 heappush() 再调用 heappop() 运行起来更有效率。一般题目要求维持堆的大小不变。

$heapq.heapreplace(heap,item)$

弹出并返回 heap 中最小的一项，同时推入新的 item。 堆的大小不变。 如果堆为空则引发 IndexError。这个单步骤操作比 heappop() 加 heappush() 更高效，并且在使用固定大小的堆时更为适宜。

合并*

$heapq.merge(\ast iterables,key=None,reverse=False)$

将多个已排序的输入合并为一个已排序的输出（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。

最值

$heapq.nlargest(n,iterable,key=None)$

从 iterable 所定义的数据集中返回前 n 个最大元素组成的列表。 如果提供了 key 则其应指定一个单参数的函数，用于从 iterable 的每个元素中提取比较键 (例如 key=str.lower)。 等价于: sorted(iterable, key=key, reverse=True)[:n]。

$heapq.nsmallest(n,iterable,key=None)$

从 iterable 所定义的数据集中返回前 n 个最小元素组成的列表。 如果提供了 key 则其应指定一个单参数的函数，用于从 iterable 的每个元素中提取比较键 (例如 key=str.lower)。 等价于: sorted(iterable, key=key)[:n]。