python 堆

基本把论文搞好啦 加上出去玩了玩 重新开始学习~！
1、leetcode215 数组中第k大元素 （最小堆）

import heapq
class Solution(object):
    def findKthLargest(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: int
        """
        heap = []
        l=0
        for i in nums:
            if l <k:
                heapq.heappush(heap,i)
                l +=1
            else:
                if i>heap[0]:
                    heapq.heappop(heap)
                    heapq.heappush(heap,i)
        return heap[0]
                    

同时记录一下heapq模块常见的方法：

1. heap = []#建立一个常见的堆
2. heappush(heap,item)#往堆中插入一条新的值
3. item = heappop(heap)#弹出最小的值
4. item = heap[0]#查看堆中最小的值，不弹出
5. heapify(x)#以线性时间将一个列表转为堆
6. item = heapreplace(heap,item)#弹出一个最小的值，然后将item插入到堆当中。堆的整体的结构不会发生改变。
7. heappoppush()#弹出最小的值，并且将新的值插入其中
8. merge()#将多个堆进行合并
9. nlargest(n , iterbale, key=None)从堆中找出做大的N个数，key的作用和sorted( )方法里面的key类似，用列表元素的某个属性和函数作为关键字

2、leetcode295 动态维护数据流中位数

设计一个支持以下两种操作的数据结构：

void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。

from heapq import *
class MedianFinder(object):

    def __init__(self):
        """
        initialize your data structure here.
        """
        self.maxh = []
        self.minh=[]
        self.len = 0
        

    def addNum(self, num):
        """
        :type num: int
        :rtype: None
        """
        if not self.maxh:
            heappush(self.maxh,-num)
            return
        if len(self.maxh) == len(self.minh):
            if num > -self.maxh[0]:
                heappush(self.minh,num)
            else:
                heappush(self.maxh,-num)
        elif len(self.maxh) > len(self.minh):
            if num > -self.maxh[0]:
                heappush(self.minh,num)
            else:
                item = -heappop(self.maxh)
                heappush(self.maxh,-num)
                heappush(self.minh,item)
        else:
            if num < self.minh[0]:
                heappush(self.maxh,-num)
            else:
                item = heappop(self.minh)
                heappush(self.minh,num)
                heappush(self.maxh,-item)      
        return
    def findMedian(self):
        """
        :rtype: float
        """
        l1 = len(self.maxh)
        l2 = len(self.minh)
        if l1 == l2:
            return (-self.maxh[0]+self.minh[0])/2.
        elif l1 > l2:
            return -self.maxh[0]
        return self.minh[0]
        


# Your MedianFinder object will be instantiated and called as such:
# obj = MedianFinder()
# obj.addNum(num)
# param_2 = obj.findMedian()

主要是注意python没有最大堆，要在插入和取出的时候都取负数。