很多Python的初学者可能对Python中的堆不太了解,堆是一种用于快速查找并提取集合中最大值或最小值的数据结构,它的典型用途就是按照优先级处理一系列的任务。
我们在前面讲列表和双端队列时,讲到过列表中的查找操作的时间复杂度是O(N),但如果列表是有序的,我们就可以使用模块bisect
实现时间复杂度为O(log(N))的查找操作。但虽然查找的时间缩短了,但如果要再进行插值,时间复杂度依然是O(N)。而堆是一种效率更高的数据结构,其元素插入操作和最大值提取操作的时间复杂度都是O(log(N))。
Python中,使用heapq
库来进行堆的一系列操作。heapq
中常用的函数:
Fucntion | Description |
---|---|
heapfiy() | 将列表转化为堆结构 |
heappop() | 从堆中弹出最小的元素 |
heappush(heap, x) | 将x压入堆中 |
heapreplace(heap, x) | 弹出最小元素,并将x压入堆中 |
nlargest(n, iter) | 返回iter中n个最大元素 |
nsmallest(n, iter) | 返回iter中n个最小元素 |
下面我们来看如何使用堆来完成高效的操作。
- 创建堆结构
有两种方式可以创建堆结构,一种是新建一个空的list,然后一个数一个数的往里压;一种是把list转成堆结构
import heapq
lst = [5, 2, 4, 1, 2, 8, 5, 4]
heapq.heapify(lst) # 转化为堆结构
heap = []
for i in range(10):
heappush(heap, i)
- 弹出值
heapq.heappop(lst) # 取出最小值
>>> 1
heapq.heappop(lst) #
>>> 2
- 将元素压入堆中
heapq.heappush(lst, 3) # 插值3
heapq.heappop(lst)
>>> 2
heapq.heappop(lst)
>>> 3
- 返回值但不弹出
heapq.nsamllest(3, lst) # 返回3个最小值
heapq.nlargest(3, lst) # 返回3个最大值
系列文章:
1. Python高性能计算之列表
2. Python高性能计算之字典
3. Python高性能计算之堆
4. Python高性能计算之字典树
5. Python常用操作的复杂度
微信公众号:Quant_Times