python中 堆heapq以及 队列queue的使用

python中 堆heapq以及 队列queue的使用

1. 堆heapq的使用

## ------------------------ 准备数据 -----------------------
import math
from io import StringIO

data = [19,9,4,10,11]

def show_tree(tree, total_width=36, fill=' '):
	output = StringIO()
	last_row = -1
	for i, n in enumerate(tree):
		if i:
			row = int(math.floor(math.log(i+1, 2)))
		else:
			row = 0
		if row != last_row:
			output.write('\n')

		columns = 2 ** row
		col_width = int(math.floor(total_width / columns))
		output.write(str(n).center(col_width, fill)) # Python center() 返回一个原字符串居中,并使用空格填充至长度 width 的新字符串。默认填充字符为空格。
		last_row = row
	print(output.getvalue())
	print('-' * total_width)
	print()



## ---------------------------- 1. 创建堆 ------------------------
# 创建堆有两种基本方式： heapq.heappush() 和 heapq.heapify()
# 1. heapq.heappush()
import heapq # 最小堆

heap = []
print('random : ', data)
print()

for n in data:
	print('add {:>3}:'.format(n))
	heapq.heappush(heap, n)
	show_tree(heap)

# 如果数据已经在内存中，那么使用heapify()原地重新组织列表中的元素会更高效
# 2. heapq.heapify() heapify:堆化
import heapq

print('random 	:', data)
heapq.heapify(data)
print('heapified :')
show_tree(data)

"""
## ------------------- 2.1 删除元素 --------------------------
for i in range(2):
	smallest = heapq.heappop(data)
	print('pop 	{}:'.format(smallest))
	show_tree(data)
"""

## ------------------- 2.2 删除并替换新值 --------------------
for n in [0, 13]:
	smallest = heapq.heapreplace(data, n)
	print('replace {:>2} with {:>2}:'.format(smallest, n) )
	show_tree(data)


## ------------------- 3. 查找最大和最小k个数 -------------
# heapq.nlargest() 和 heapq.nsmallest()
import heapq
print()
data = [19,9,4,10,11]
heapq.heapify(data)
print('heaptree: ')
show_tree(data)

print('all		 :', data, '\n')
print('3 largest :', heapq.nlargest(3, data))
print('from sort :', list(reversed(sorted(data)[-3:])), '\n')
print('3 smallest:', heapq.nsmallest(3, data))
print('from sort :', sorted(data)[:3])



## ------------------- 4. 高效合并有序序列 ------------------
# 对于小数据集，将多个有序序列合并到一个新序列很容易：
import heapq
import itertools
print()
data = [19,9,4,10,11]
heapq.heapify(data)
print('heaptree: ')
show_tree(data)

data2 = list(sorted(itertools.chain(data+data))) # chain()中可以放多个迭代对象，然后一一迭代出来
print('combined tree: ')
show_tree(data2)

# 对于较大的数据集, 这个技术可能会占用大量内存， merge()不是对整个合并后的序列排序，
# 而是使用一个堆一次一个元素地生成一个新序列，利用固定大小的内存确定下一个元素
import random
import heapq
random.seed(2020)

data = []
for i in range(4):
	new_data = list(random.sample(range(1,101), 5))
	new_data.sort()
	data.append(new_data)

for i,d in enumerate(data):
	print('{}: {}'.format(i, d))

print('\nMerged:')
for i in heapq.merge(*data):
	print(i, end=' ')
print()

2. queue的使用

from queue import Queue,LifoQueue,PriorityQueue

# 先进先出队列
q=Queue()
# 后进先出队列 （通常与栈数据结构关联的）
lq=LifoQueue(maxsize=6)
# 优先级队列
pq=PriorityQueue(maxsize=5)
 
for i in range(5):
    q.put(i) # 使用 put()将元素增加到序列的一端
    lq.put(i)
    pq.put(i)
    
print ("先进先出队列：%s;是否为空：%s；多大,%s;是否满,%s" %(q.queue,q.empty(),q.qsize(),q.full()))
print ("后进先出队列：%s;是否为空：%s;多大,%s;是否满,%s" %(lq.queue,lq.empty(),lq.qsize(),lq.full()))
print ("优先级队列：%s;是否为空：%s,多大,%s;是否满,%s" %(pq.queue,pq.empty(),pq.qsize(),pq.full()))
 
print(q.get(),lq.get(),pq.get()) # 使用 get() 从另一端取出（删除）
 
print ("先进先出队列：%s;是否为空：%s；多大,%s;是否满,%s" %(q.queue,q.empty(),q.qsize(),q.full()))
print ("后进先出队列：%s;是否为空：%s;多大,%s;是否满,%s" %(lq.queue,lq.empty(),lq.qsize(),lq.full()))
print ("优先级队列：%s;是否为空：%s,多大,%s;是否满,%s" %(pq.queue,pq.empty(),pq.qsize(),pq.full()))