Python高性能计算之堆

  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