python内置数据结构heapq【以后补充&修正】

heapq 最小堆

heapq.heapify()将列表原地转换为堆。

sort()区别在于heap采用的是堆排序算法，sort采用的是归并排序算法。

堆（heap）是一个树形数据结构，其中子节点与父节点是一种有序关系。

二叉堆（Binary heap）可以使用以如下方式组织的列表或数组表示，即元素N的子元素位于2*N+1和2*N+2（索引从0开始）。这种布局允许原地重新组织堆，从而不必在增加或删除元素时分配大量内存。

堆的逻辑结构就是完全二叉树，并且二叉树中父节点的值小于等于该节点的所有子节点的值。这种实现可以使用 heap[k] <= heap[2k+1] 并且 heap[k] <= heap[2k+2] （其中 k 为索引，从 0 开始计数）的形式体现，对于堆来说，最小元素即为根元素 heap[0]。

. heapq.py中提供的函数方法

heapq.heappush(heap, item)

heapq.heappop(heap)：返回 root 节点，即 heap 中最小的元素。

heapq.heapreplace(heap,item): python3中heappushpop的更高效版。

heapq.heappushpop(heap, item)：向 heap 中加入 item 元素，并返回 heap 中最小元素。

heapq.heapify(x)：Transform list into a heap, in-place, in O(len(x)) time

heapq.merge(*iterables, key=None, reverse=False)

heapq.nlargest(n, iterable, key=None)：返回可枚举对象中的 n 个最大值，并返回一个结果集 list，key 为对该结果集的操作。

heapq.nsmallest(n, iterable, key=None)：同上相反

heapq._heappop_max(heap): Maxheap version of a heappop 

heapq._heapreplace_max(heap,item)：Maxheap version of a heappop followed by a heappush.

heapq._heapify_max(x)：Transform list into a maxheap, in-place, in O(len(x)) time

heapq._siftdown(heap,startpos,pos)： Follow the path to the root, moving parents down until finding a place

heapq._siftup(heap,pos)：Bubble up the smaller child until hitting a leaf

heapq._siftdown_max(heap,startpos,pos)：Maxheap variant of _siftdown

heapq._siftup_max(heap,pos)：Maxheap variant of _siftup