Python 进阶学习笔记之三：常用数据类型（下）

最新推荐文章于 2024-02-29 15:18:03 发布

VIP文章 zombres

最新推荐文章于 2024-02-29 15:18:03 发布

阅读量328

点赞数

分类专栏： Python 文章标签： types heapq bisect weakref copy

本文链接：https://blog.csdn.net/zombres/article/details/100160764

版权

本篇文章接上篇文章，但可以单独阅读。

8. heapq — 堆队列算法

这个模块提供了堆队列算法的实现，也称为优先队列算法。堆是一个二叉树，它使用了数组来实现：从零开始计数，对于所有的 k ，都有 heap[k] <= heap[2k+1] 和 heap[k] <= heap[2k+2] 。

这个模块中，原生的 list 就可以看作是堆形式。要创建一个堆，可以使用list来初始化为 [] ，或者你可以通过函数 heapq.heapify() ，来把一个list转换成堆。
模块中提供的方法包括：

heapq.heappush(heap, item)：将 item 的值加入 heap 中，保持堆的不变性。其中参数heap其实就是一个list
heapq.heappop(heap)：弹出并返回 heap 的最小的元素，保持堆的不变性。如果堆为空，抛出 IndexError 。使用 heap[0] ，可以只访问最小的元素而不弹出它。
heapq.heappushpop(heap, item)：将 item 放入堆中，然后弹出并返回 heap 的最小元素。该组合操作比先调用 heappush() 再调用 heappop() 运行起来更有效率。
heapq.heapify(x)：将list x 转换成堆，原地，线性时间内。
heapq.heapreplace(heap, item)：从heap中弹出最小值，然后把item push进heap，如果heap为空，则会报IndexError。这个方法有一个情况需要注意，就是可能弹出的值比item还大，如果要避免这种情况，推荐使用 heappushpop，它总会返回一个最小值。
heapq.merge(*iterables, key=None, reverse=False)：合并多个iter，并从小到大排序后返回，当然reverse=True的话，会是从大到小，key可以指定一个item处理方法。
heapq.nlargest(n, iterable, key=None)：从指定的iterable中返回前 N 大的结构，key可以指定一个item处理函数。
heapq.nsmallest(n, iterable, key=None)：从指定的iterable中返回前 N 小的结构，key可以指定一个item处理函数。

这个模块的方法使用都比较简单，下面写几个简单的例子展示一下：

>>> import heapq
>>> h = [9,8,7,1,2,3,6,10]
>>> h[0]
9
>>> heapq.heapify(h)        # 列表h被转成了堆
>>> h[0]                    # 访问堆的最小值
1
>>> heapq.heappop(h)        # 弹出堆的最小值
1
>>> h[0]
2
>>> heapq.nlargest(2, h)    # 返回最大的两个值
[10, 9]
>>> h
[2, 8, 3, 10, 9, 7, 6]
>>>

需要注意的是，上面代码中列表 h 本身并不会改变，只是使用优先队列算法对其进行操作。

9. bisect — 数组二分查找算法

这个模块对有序列表提供了支持，使得他们可以在插入新数据仍然保持有序。对于长列表，如果其包含元素的比较操作十分昂贵的话，这可以是对常见方法的改进。

模块提供一下方法：

bisect.bisect_left(a, x, lo=0, hi=len(a))：在列表 a 中找到 x 合适的插入点以维持有序，返回这个点的索引，如果 a 中存在与 x 相等的值，返回其相等值左侧的索引。要注意，实际只是查询合适的插入点。
bisect.bisect_right(a, x, lo=0, hi=len(a))：在列表 a 中找到 x 合适的插入点以维持有序，返回这个点的索引，如果 a 中存在与 x 相等的值，返回其相等值右侧的索引。<