1.4查找最大或者最小的N个元素_找列表中最小的n个元素-优快云博客

本文介绍了如何使用Python的heapq模块中的nlargest()和nsmallest()函数来快速获取集合中最大或最小的N个元素，包括使用lambda表达式作为关键字参数的示例。同时，通过堆数据结构原理解析了其高效性能背后的机制。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

问题

怎样从一个集合中获得最大或者最小的N个元素列表？

解决方案

heapq模块有两个函数：nlargest（）和nsmallest()可以完美解决这个问题

import heapq
nums=[1,8,2,23,7,-4,18,23,42,37,2]
print(heapq.nlargest(3,nums))  # [42, 37, 23]
print(heapq.nsmallest(3,nums)) #[-4, 1, 2]

两个函数都能接受一个关键字参数，用于更复杂的数据结构中：

portfolio=[
    {'name':'IBM','shares':100,'price':91.1},
    {'name': 'AAPL', 'shares': 50, 'price': 543.22},
    {'name': 'FB', 'shares': 200, 'price': 21.09},
    {'name': 'HPQ', 'shares': 35, 'price': 31.75},
    {'name': 'YHOO', 'shares': 45, 'price': 16.35},
    {'name': 'ACME', 'shares': 75, 'price': 115.65},
]
cheap=heapq.nsmallest(3,portfolio,key=lambda s:s['price'])
expensive=heapq.nlargest(3,portfolio,key=lambda s:s['price'])
print(f"最便宜的3个：{cheap}")
'''
最便宜的3个：[{'name': 'YHOO', 'shares': 45, 'price': 16.35}, {'name': 'FB', 'shares': 200, 'price': 21.09}, {'name': 'HPQ', 'shares': 35, 'price': 31.75}]
'''
print(f'最贵的3个：{expensive}')
'''
最贵的3个：[{'name': 'AAPL', 'shares': 50, 'price': 543.22}, {'name': 'ACME', 'shares': 75, 'price': 115.65}, {'name': 'IBM', 'shares': 100, 'price': 91.1}]
'''

上面的代码在对每个元素进行对比的时候，会以price的值进行比较

讨论

如果你想在一个集合中查找最小或者最大的N个元素，并且N小于集合元素数量，那么这些函数提供了很好的性能。因为在底层实现里面，首先会先将集合数据进行堆排序后放入一个列表中：

nums=[1,8,2,23,7,-4,18,23,42,37,2]
import heapq
heap=list(nums)
heapq.heapify(heap)
print(heap)  # [-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]

堆数据结构最重要的特征是heap[0]永远是最小的元素。并且剩余的元素可以很容易的通过调用heapq.heappop()方法得到，该方法会先将第一个元素弹出来，然后用下一个最小的元素来取代被弹出元素（这种操作时间复杂度仅仅是O（logN)，N是堆大小）。比如，如果想要查找最小的3个元素，你可以这样做：

import heapq
heap=list(nums)
heapq.heapify(heap)
print(heap)  #  [-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]

print(heapq.heappop(heap))  # -4
print(heapq.heappop(heap))  # 1
print(heapq.heappop(heap))  # 2

当要查找的元素个数相比较小的时候，函数nlargest（）和nsmallest（）是很适合的。如果你仅仅想查找唯一的最小的或最大(N=1)的元素的话，那么使用min（）和max（）函数会更快些。类似的，如果N的大小和集合大小接近的时候，通常先排序这个集合然后再使用切片操作会更加快点（sorted(items)[:N]或者是sorted(items[-N:])。需要在正确场合使用函数nlargest()和nsmallest()才能发挥它们的优势(如果N快接近集合大小了，那么使用排序操作会更好些)。

尽管你没有必要一定使用这里的方法，但是堆数据结构的实现是一个很有趣并且值得你深入学习的东西。基本上只要是数据结构和算法书籍里面都会提及到。heapq模块的官方文档里面也详细介绍了堆数据结构底层的实现细节。