python- Heap queue（堆队列模块）

这个模块提供了一种实现对于堆队列算法，也是被人们所知的优先级队列算法。

堆是一个二叉树它的父结点小于等于子结点的值。它使用了heap[k] <= heap[2k+1] 和heap[k] <= heap[2k+2] 对于所有的k，计算元素从0开始。为了方便比较，不存在的元素被视为无穷大。对于一个堆，令人感兴趣的属性就是它的根heap[0]。

在不同的教科书的堆算法下的api是不同的，主要有两个方面：我们使用基于0的索引。这让结点跟结点对于它们子节点来说有点看起来不是那么明显，但对于python来说很适合。
另一方面，我们使用的pop方法返回的是最小值而不是最大值（我们称之为最小堆）

更常见的是最大堆，因为它极其适合就地排序。

这两点让它可能去把我们的堆视为一个正常的列表在python中，不用惊讶，heap[0]是最小的，然后使用heap.sort()去维持我们的堆的无关性。

为了创建一个堆，我们通过[]初始化一个列表，或者你能够把一个现存的列表，转化成一个堆通过heapify()。

下面是它提供的函数：
heapq.heappush(heap, item)
将value项推入堆，保持堆不变。

heapq.heappop(heap)
弹出并从堆中返回最小的项，保持堆不变。如果堆是空的，则引发IndexError。要访问最小的项而不弹出它，请使用堆[0]。

heapq.heappushpop(heap, item)
推动堆上的项，然后弹出并从堆中返回最小的项。组合操作运行起来比heappush()更有效，heappush()后面是对heappop()的单独调用。

heapq.heapify(x)
将列表x在线性时间内就地转换为堆。

heapq.heapreplace(heap, item)
弹出并从堆中返回最小的项，并推送新项。堆大小不变。如果堆是空的，则引发IndexError。

这一步操作比heappop()后面跟着heappush()更有效，并且在使用固定大小的堆时更合适。pop/push组合总是从堆中返回一个元素，并用item替换它。

返回的值可能大于添加的项。如果不希望这样，可以考虑使用heappushpop()。它的push/pop组合返回两个值中较小的一个，将较大的值留在堆上。

该模块还提供了基于堆的三个通用功能。

*heapq.merge(iterables)
将多个排序的输入合并到一个排序的输出中(例如，合并多个日志文件中的时间戳项)。返回已排序值的迭代器。

类似于已排序的(itertools.chain(*iterables))，但返回一个iterable，不立即将数据拉入内存，并假设每个输入流都已排序(从最小到最大)。

heapq.nlargest(n, iterable[, key])
从iterable定义的数据集中返回一个包含n个最大元素的列表。key(如果提供)指定一个参数的函数，该参数用于从iterable中的每个元素中提取一个比较键:key=str。下等价于:已排序(iterable, key=key, reverse=True)[:n]

heapq.nsmallest(n, iterable[, key])
从iterable定义的数据集中返回包含n个最小元素的列表。key(如果提供)指定一个参数的函数，该参数用于从iterable中的每个元素中提取一个比较键:key=str。下等价于:已排序(iterable, key=key)[:n]