解锁Python优先队列----堆

        首先，堆是一种优先队列，能够以任意顺序添加对象，并随时(可能是在两次添加对象之间)找出(并删除)最小的元素。类似于列表方法min，但效率要高很多。

        其实在python中没有独立的堆类型，而只有一个包含一些堆操作函数的模块。这个模块名为heapq。

        堆特征 -> 元素不是严格，但必须保证一点：位置i处的元素总是大于位置 i // 2处的元素(反过来就是小于位置2 * i 和 2 * i + 1处的元素，i从1开始计数，即heap[0]为第一个元素)。

---

1.堆的主要函数及详解

In [34]: import heapq

In [35]: heapq.__all__

Out[35]: 

['heappush', 'heappop', 'heapify', 'heapreplace', 'merge', 'nlargest', 'nsmallest', 'heappushpop']

---

函数	描述
heappush(heap, item, /)	将item压入堆中
heappop(heap, /)	从堆中弹出最小的元素
heapify(heap, /)	让列表具有堆的特性，线性时间复杂度
heapreplace(heap, item, /)	弹出最小的元素，并将item压入堆中
merge(*iterables, key=None, reverse=False)	将多个排序的输入合并为一个排序的输出。
nlargest(n, iterable, key=None)	返回iterable中n个最大的元素
nsmallest(n, iterable, key=None)	返回iterable中n个最小的元素

---

2.堆函数的应用

heappush && heappop:压入和弹出元素

heappop弹出最小的元素，并确保剩余元素中最小的那个位于索引0处(保持堆特征)

from heapq import *
from random import shuffle

data = list(range(10))
shuffle(data)
heap = []
for n in data:
    heappush(heap, n)

print(heap)  # [0, 1, 3, 4, 2, 8, 6, 7, 5, 9]，严格满足heap[i] > heap[i//2]

print(heappop(heap))    # 0
print(heappop(heap))    # 1
print(heappop(heap))    # 2

print(heap)    # [3, 6, 4, 7, 8, 9, 5],移除元素的堆仍然具有堆特征

---

heapify ：将列表变为合法堆

如果你的堆不是通过heappush创建的,而是自己手动构造的，请在heappush和heappop之前使用这个函数

from heapq import *

heap1 = [3, 4, 2, 6, 7, 1, 0, 9]
heapify(heap1)
print(heap1)    # [0, 4, 1, 6, 7, 3, 2, 9]

---

heaprepalce：从堆中弹出最小的元素，并压入一个元素

相比于依次执行函数heappop和heappush，这个函数的效率更高

from heapq import *

heap2 = [3, 4, 2, 6, 7, 1, 0, 9]
heapreplace(heap2, 8)
print(heap2)    # [1, 4, 2, 6, 7, 3, 8, 9]

---

nlargest && nsmallest

这两个函数分别用于找出可迭代对象iter中最大和最小的n个元素。这种任务也可通过先排序(如使用函数sorted)再切片再完成，但堆算法的速度更快，使用的内存更少(而且使用起来也更容易)。

L = [3, 4, 2, 7, 8, 0, 11, 5]
print(sorted(L))    # [0, 2, 3, 4, 5, 7, 8, 11]
print(nlargest(3, L))    # [11, 8, 7] 从大到小的顺序
print(nsmallest(3, L))    # [0, 2, 3]