Python的heapq模块学习和使用

Python的heapq模块

heapq是堆队列的意思，从名字中也可以看出来，heap_queue。

一、基本概念

1.1 什么是堆？

堆是一个完全二叉树，完全二叉树的是指除了最后一层之外，其他所有层的结点都是满的，而最后一层不满的节点是左节点。

1.2 什么是最小堆？

最小堆每个父节点的值都会小于等于所有子节点的值，索引从0开始的话，可以得到heap[k]<=heap[2k+1] and heap[k]<=heap[2k+2]。下面是一个最小堆的示意图。有意思的是，最小堆的根节点的值一定是全局最小的。

知道了堆是怎样的一种结构，接下来我们来分析一下堆的输入和输出情况。

二、加深理解

给你一个序列

b = [18, 1, 20, 10, 5, 200]

然后让你画出它的节点图，怎么画？

第一个节点是18，直接画

第二个节点是1，比18要小，交换位置

第三个数字是20，满足条件，直接画上去

第四个数字是10，添加上去的时候会发现不满足条件，于是修改交换

第五个数字加上去，不满足条件，交换位置

第六个数字加上去，满足条件，不移动位置。

这就是我们最后得到的一个二叉树，也叫最小堆，如果要输出这个堆，按照宽度优先的输出策略，输出的结果应该为：

1, 5, 20, 18, 10, 200

也即按照一行一行从左到右输出。

接下来利用python程序输出看看我们的推理是否正确？具体的heapq的使用会在下面介绍。

import heapq

# 创建一个列表
b = [18, 1, 20, 10, 5, 200]
# 将列表中的数据添加到堆中
heapq.heapify(b)
print("b = ", b)

输出结果为：

b = [1, 5, 20, 10, 18, 200]

可以看到我们的推导是正确的。

三、python中的heapq的用法

3.1 创建堆

heapq有两种方式创建堆:

• 使用一个空列表，然后使用heapq.heappush()函数把值加入堆中
• 使用heap.heapify(list)转换列表成为堆结构

import heapq

# 第一种
nums = [2, 3, 5, 1, 54, 23, 132]
heap = []
for num in nums:
    heapq.heappush(heap, num)  # 加入堆

import heapq

# 第二种
nums = [2, 3, 5, 1, 54, 23, 132]
heapq.heapify(nums)

3.2 访问堆的内容

堆创建好后，可以通过heapq.heappop() 函数弹出堆中最小值，注意，这里每次弹出的都是全局最小值。

import heapq
nums = [2, 43, 45, 23, 12]
heapq.heapify(nums)

print(heapq.heappop(nums))

输出为：

2

四、实践运用–我们能用堆来做些什么呢？

排序

根据上面的描述，每次弹出的都是针对于当前堆的全局最小值，如果一直弹弹弹，直到堆为空，不就是进行一次从小到大排序的吗？

import heapq

# 创建一个列表
b = [18, 1, 20, 10, 5, 200]
# 将列表中的数据添加到堆中
heapq.heapify(b)
# 弹出所有值
for i in range(len(b)):
    out = heapq.heappop(b)
    print(out, end=" ")

输出为：

1 5 10 18 20 200

import heapq

# 创建一个列表
b = [18, 1, 20, 10, 5, 200]
# 将列表中的数据添加到堆中
heapq.heapify(b)
# 使用列表生成式来接收排序之后的值
sorted_list = [heapq.heappop(b) for i in range(len(b))]
print("排序后的列表为：", sorted_list)

输出为：

排序后的列表为： [1, 5, 10, 18, 20, 200]

参考内容：

详解数据结构—堆

Python标准库模块之heapq

heapq — 堆队列算法 官方文档