heapq介绍

大油头儿

已于 2024-10-10 09:35:02 修改

阅读量860

点赞数 9

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： python 数据结构

于 2024-10-10 09:32:16 首次发布

本文链接：https://blog.csdn.net/sbdd6556/article/details/142812831

Python 专栏收录该内容

17 篇文章

订阅专栏

`heapq`模块概述

heapq是Python标准库中的一个模块，提供了堆（heap）的功能。在计算机科学中，堆是一种特殊的二叉树结构，通常用于实现优先队列。Python的heapq模块实现的是最小堆，即最小元素总是位于堆的根节点。

heapq的堆操作基于列表进行。这个模块的所有操作都可以在一个普通的Python列表上执行，使列表的第一个元素保持最小。

常用函数及其功能

以下是heapq模块中的一些主要函数及其作用：

heapify(iterable)

将一个可迭代对象转化为堆（就地修改）。
时间复杂度为O(n)。

import heapq

data = [3, 1, 4, 1, 5, 9]
heapq.heapify(data)
print(data)  # 输出: [1, 1, 4, 3, 5, 9]

heappush(heap, item)

向堆中添加一个元素，并维护堆的性质。
时间复杂度为O(log n)。

heap = [1, 3, 5]
heapq.heapify(heap)
heapq.heappush(heap, 2)
print(heap)  # 输出: [1, 2, 5, 3]

heappop(heap)

从堆中弹出最小的元素，同时维护堆的性质。
时间复杂度为O(log n)。

smallest = heapq.heappop(heap)
print(smallest)  # 输出: 1
print(heap)      # 输出: [2, 3, 5]

heappushpop(heap, item)
- 将新元素添加到堆中，然后弹出并返回堆中的最小元素。相比先调用heappush()再调用heappop()，此操作更高效。
- 时间复杂度为O(log n)。
```
result = heapq.heappushpop(heap, 0)
print(result)  # 输出: 0
print(heap)    # 输出: [2, 3, 5]
```
heapreplace(heap, item)
- 弹出并返回最小的元素，同时将新元素添加到堆中。和heappushpop()不同的是，heapreplace()始终将新元素加入堆中（适用于堆的大小固定的场景）。
- 时间复杂度为O(log n)。
```
result = heapq.heapreplace(heap, 8)
print(result)  # 输出: 2
print(heap)    # 输出: [3, 8, 5]
```
nlargest(n, iterable, key=None) 和 nsmallest(n, iterable, key=None)
- 返回可迭代对象中最大的n个元素或最小的n个元素。
- 时间复杂度与参数n有关，适用于从数据中提取部分最大或最小值。
```
nums = [3, 1, 4, 1, 5, 9, 2, 6]
print(heapq.nlargest(3, nums))  # 输出: [9, 6, 5]
print(heapq.nsmallest(3, nums)) # 输出: [1, 1, 2]
```

使用场景

heapq模块非常适合解决以下问题：

优先队列：需要动态维护一组元素中的最小值时。
排序大量数据：适合对数据流中提取前k个最小/最大元素。
实时数据处理：如实时流中需要持续获取最小/最大值的情景。

实例：优先队列

一个典型的使用场景是实现优先队列。下面是如何用heapq实现优先队列的一个示例：

import heapq

class PriorityQueue:
    def __init__(self):
        self._queue = []
        self._index = 0

    def push(self, item, priority):
        # 优先级是负数，以便优先级高的元素在堆顶
        heapq.heappush(self._queue, (-priority, self._index, item))
        self._index += 1

    def pop(self):
        return heapq.heappop(self._queue)[-1]

# 使用优先队列
pq = PriorityQueue()
pq.push("task1", priority=1)
pq.push("task2", priority=4)
pq.push("task3", priority=3)

print(pq.pop())  # 输出: task2
print(pq.pop())  # 输出: task3
print(pq.pop())  # 输出: task1