用python做算法题的一些小技巧

heapq

a[k] <= a[2k+1] and a[k] <= a[2k+2]，（k从0开始),则这个列表是小顶堆（不存在的元素被视为无限大）
heapq库是python自带的最小堆实现
常用方法：

1. heapq.heappush(heap,item)
   当插入一个元素时，该方法会自动调堆中元素的位置。

• 比如插入一个比堆顶还小的元素，则新加入的节点会依次向父节点进行比较，然后调整位置直到堆顶。
  
• 需要注意的是，这个方法不会调整其他节点的元素位置（即不能调整其他节点满足父节点的值大于孩子节点的值），如下图
  
  上图可以看出，该方法只是对新加入节点到堆顶路径的元素进行了操作。

2.heapq.heappop(heap)
弹出并返回堆中的最小值，保持堆不变。如果堆是空的，会引起IndexError异常。如果想获得最小值而不是弹出它，则使用heap[0]

3. heapq.heappushpop(heap, item)
   先压item入堆，然后弹出堆里最小的元素。
   这个组合比先 heappush(heap,item) 然后再heappop(heap) 效率高。

4. heapq.heapify(x)
   把列表x转换成一个堆，就地转换，只用线性时间

5. heapq.heapreplace(heap,item)
   先弹出堆里的最小值，然后压入item。
   （其实更推荐用heappushpop(heap,item)，因为这样才能保证返回值是最小的)

7. 一个典型的堆排序可以这样做

>>> def heapsort(iterable):
...     h = []
...     for value in iterable:
...         heappush(h, value)
...     return [heappop(h) for i in range(len(h))]
...
>>> heapsort([1, 3, 5, 7, 9, 2, 4, 6, 8, 0])
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

堆排序可以用于任务优先级排序

>>> h = []
>>> heappush(h, (5, 'write code'))
>>> heappush(h, (7, 'release product'))
>>> heappush(h, (1, 'write spec'))
>>> heappush(h, (3, 'create tests'))
>>> heappop(h)
(1, 'write spec')

可是，如果有两个以上事件优先级相同呢？这时该怎么办呢？
可以在优先级后面加一个entry_counts表示进入时的计数值。因为没有两个任务是同时进入的，总有顺序，所以在判断了优先级之后，可以再判断entry_counts以区分相同优先级事件，这样可以让同一优先级下，先加入的任务，先被执行。

bisect

bisect库是python自带的二分查找（边界情况也已经考虑得很好了）
一下是一些方法地操作

1. bisect.bisect_left(a, x, lo=0, hi=len(a))
   返回应该插入的最左（如果有相同的元素）的下标位置
2. bisect.bisect_right(a, x, lo=0, hi=len(a))
   
   等价bisect = bisect_right（bisect.py源码最后两行有明确写）
   返回应该插入的最右（如果有相同的元素）的下标位