本文介绍了Python内置模块heapq的nsmallest()函数，它能有效地找出列表中n个最小元素。这个函数只需要一次遍历输入数据，且在内存中仅保留n个最佳值，适合处理大量数据。对于寻找与特定值差值最小的元素，nsmallest()表现优秀。同时，它确保key函数只被调用一次，适用于各种寻找最接近值的问题。算法在随机、升序和降序输入中的比较次数分析表明其在不同情况下的高效性。
heapq.nsmallest()功能将这样整齐和有效：
>>> from heapq import nsmallest
>>> s = [1,2,3,4,5,6,7]
>>> nsmallest(3, s, key=lambda x: abs(x-6.5))
[6, 7, 5]
基本上，这说，“给我三个输入值与数字6.5的绝对差最小。
nsmallest的算法使得对数据进行单次传递，在任何时间保持不超过内存中的n个最佳值(这意味着它可以与任何输入迭代器一起使用，是高速缓存效率和空间效率的)。
当找到新的“最佳”值时，算法仅向堆添加新值。因此，它使得进行的比较的数量最小化。例如，如果您在1,000,000个随机输入中查找100个最佳值，则通常会进行少于1,008,000次比较(比使用min()找到单个最佳值大约多0.8％的比较)。
对于min()，nsmallest()和sorted()的key functions都保证在输入iterable中每个值只调用一次键函数。这意味着该技术对于n个最接近的值问题(即，sound the most alike，最接近colors，smallest diffs，最少的遗传突变，欧几里德距离等)的甚至更复杂和有趣的示例将是有效的。
nsmallest()和sorted()将返回按接近度排序的列表排名(关系由首先看到的值确定)。
对于有兴趣的人，有一个涉及的比较的预期数量的分析here和here.快速总结：
>随机输入的平均情况：n k *(log(k，2)* log(n / k)log(k，2)log(n / k))>用于上升输入的最佳情况：n k * log(k，2)>最差情况下降输入：n * log(k，2)
扫一扫
871
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
