python——queue模块

Python的queue模块提供了Queue、LifoQueue和PriorityQueue三种队列,其中PriorityQueue是优先级队列,常用于按优先级取出元素。本文详细介绍了优先队列的概念,并对比了heapq模块的实现。同时,展示了queue模块中常用方法的使用,包括Queue、PriorityQueue和LifoQueue的示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

queue模块提供了队列这种数据结构,不必费时间自己去构建这类数据结构,比较方便。

虽然我们可以基于python中的list数据结构,使用pop(0)和append方法实现普通的队列。但是queue模块中提供了更丰富队列的API,该模块主要提供三种队列:Queue、LifoQueue、PriorityQueue。Queue就是前面说的普通队列,先入先出(FIFO),有最大容量;LifoQueue类似栈,后入先出(LIFO);PriorityQueue是优先队列,也是我认为这个模块最重要的类。

另外,其实queue模块还有一种类deque,即双向队列,方法和collections模块的deque类相同,本文不赘述。

下面先简要介绍一下优先队列这种数据结构:

优先队列

我们知道队列是先进去的元素可以先出来(FIFO),出队的次序完全取决于进队时间的早晚,队伍内部不改变数据的相对顺序。但是有时候我们希望维护这样一种数据结构,虽然进入数据有先后,但是每次取出的元素都是最大或最小的,即出队的数据是经过排序的,是有优先级的。这就是优先队列。python的queue模块中,优先队列中优先级约小越先出队。

优先队列通常都是通过堆来实现的,我另外一篇博文介绍了python的heapq模块,可以实现堆这种数据结构,提到了它的一种应用就是实现优先队列。queue模块的优先队列和heapq模块实现的优先队列的区别是:heapq模块实现最小堆,输入元素是包含数字的列表,通过数字大小排列优先级;queue模块的PriorityQueue,入队元素是tuple,优先级数字在元组中输入,数据可以是任意类型,具体介绍见下文。

queue模块

在python2中模块名称是Queue。

常用方法

因为queue模块中三种类的方法基本相同,所以下面仅以Queue类为例进行介绍。PriorityQueue的put方法有点差异。

注意:这里Queue是类的名称,不是模块名。

为了方便介绍后面的方法,生成了一个队列q。

q=queue.Queue(maxsize=0)
#初始化一个队列,maxsize表示最大容量,若小于等于0,表示容量无限。默认为0。

                
### Python 多线程使用 `queue` 实现线程间通信 在Python中,通过`threading`模块可以方便地创建和管理多线程程序。而`Queue`模块则提供了一种线程安全的方式来进行线程之间的数据交换与同步[^1]。 下面是一个简单的例子展示如何利用这两个工具来构建一个多生产者-消费者模型: #### 生产者-消费者模式示例 ```python import threading from queue import Queue import time class Producer(threading.Thread): def __init__(self, thread_name, q): super().__init__() self.thread_name = thread_name self.q = q def run(self): num = 0 while True: if not self.q.full(): num += 1 message = '{} adds {}'.format(self.thread_name, str(num)) self.q.put(message) print(f'Produced {message}') time.sleep(2) class Consumer(threading.Thread): def __init__(self, thread_name, q): super().__init__() self.thread_name = thread_name self.q = q def run(self): while True: if not self.q.empty(): message = self.q.get() print(f'{self.thread_name} consumes {message}') time.sleep(1) if __name__ == '__main__': q = Queue(maxsize=10) # 创建一个最大容量为10的消息队列 producer_threads = [] consumer_threads = [] for i in range(3): # 启动三个生产者线程 p_thread = Producer('Producer-%d'%i, q) p_thread.start() producer_threads.append(p_thread) for j in range(5): # 启动五个消费者线程 c_thread = Consumer('Consumer-%d'%j, q) c_thread.start() consumer_threads.append(c_thread) for t in producer_threads + consumer_threads: # 等待所有子线程结束 t.join() print("All threads have finished.") ``` 在这个例子中,定义了两种类型的线程——生产和消费。每个生产者会不断地向共享的`Queue`对象放入新产生的项目;与此同时,各个消费者尝试从未满的队列里取出并处理这些项。这种设计有效地实现了不同工作单元间的解耦合以及资源的有效分配[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值