python中heapq的使用

本文介绍了Python的heapq模块,包括heapify、heappush、heappop、nlargest、nsmallest、heapreplace和heappushpop等函数的使用,展示了如何在列表上构建和操作最小堆,以及如何找到列表中最大或最小的元素。

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

目录

1.heapq.heapify(list)

2.heapq.heappush(heap,item)

3.heapq.heappop(heap)

4.heapq.nlargest(n,heap)

5.heap.nsmallest(n,heap)

6.heapq.heapreplace(heap,item)

7.heapq.heappushpop(heap,item)


heapq库中的堆默认为最小堆,即heap[0]为最小的对象

堆采用的是先序遍历方式变成list类型

1.heapq.heapify(list)

        作用:将list用最小堆的方式重新排序。

import heapq

lst1 = [3,2,3,4]
heapq.heapify(lst1)
print(lst1,type(lst1))

        结果:

                [2, 3, 3, 4] <class 'list'>
2.heapq.heappush(heap,item)

        作用:将item添加到heap堆中。

lst1 = [3,2,3,4,5,6,7]
heapq.heappush(lst1,2)
print(lst1,type(lst1))

         结果:

                [3, 2, 3, 2, 5, 6, 7, 4] <class 'list'>

3.heapq.heappop(heap)

        作用:将heap堆中输出第一项,也就是输出最小项。

lst1 = [3,2,3,4,5,6,7]
a = heapq.heappop(lst1)
print(a)
print(lst1,type(lst1))

        结果:

                3

                [2, 4, 3, 7, 5, 6] <class 'list'>

4.heapq.nlargest(n,heap)

        作用:返回值是个list类型,list是从heap中从大到小查找n个放入列表的。

lst1 = [3,2,3,4,5,6,7]
print(heapq.nlargest(3,lst1))

        结果:

                [7, 6, 5]

5.heap.nsmallest(n,heap)

        作用:返回值是个list类型,list是从heap中从小到大查找n个放入列表的。

lst1 = [3,2,3,4,5,6,7]
print(heapq.nsmallest(3,lst1))

        结果:

                 [2, 3, 3]

6.heapq.heapreplace(heap,item)

        作用:item去替代heap中的第一个元素,被替代的元素作为返回值,heap按最小堆排序。

lst1 = [3,2,3,4,5,6,7]
b = heapq.heapreplace(lst1,1)
print(b)
print(lst1,type(lst1))

        结果:

                3

              [1, 2, 3, 4, 5, 6, 7] <class 'list'>   

7.heapq.heappushpop(heap,item)

        作用:先将item添加到heap中,再将添加后的heap堆中的第一个元素返回并删除。

lst1 = [3,2,3,4,5,6,7]
a = heapq.heappushpop(lst1,5)
print(a,lst1)
b = heapq.heappushpop(lst1,1)
print(b,lst1)

        结果:

              3 [2, 4, 3, 5, 5, 6, 7]  

              1 [2, 4, 3, 5, 5, 6, 7]  

### Python 中 `heapq` 模块的使用方法 #### 创建和初始化堆 为了创建一个最小堆,可以先定义一个空列表来表示这个堆。接着利用 `heappush()` 函数向其中添加元素。 ```python import heapq # 初始化一个空堆 min_heap = [] # 向堆中加入数值 heapq.heappush(min_heap, 5) heapq.heappush(min_heap, 3) heapq.heappush(min_heap, 7) heapq.heappush(min_heap, 1) print(f'当前堆的内容为 {min_heap}') # 堆内部结构可能不是完全有序排列,但始终满足根节点是最小值的要求[^3] ``` #### 获取堆顶元素(即最小/大元素) 当需要获取堆内的极值时,可调用 `heappop()`, 这会弹出并返回该堆里的最小项;如果希望仅查看而不移除,则可以用 `nsmallest(1,...)` 或者直接访问第一个索引位置 `[0]`. ```python # 取得并移除最小元素 minimum_value = heapq.heappop(min_heap) print(f'取出的最小值是 {minimum_value}') # 查看新的堆首部元素 if min_heap: next_min_element = min_heap[0] print(f'下一个最小值将是 {next_min_element}') else: print('堆已为空') ``` #### 列表转成堆 对于已经存在的列表数据想要迅速构建成堆的形式,可以通过内置函数 `heapify()` 实现这一目的。这一步骤的时间复杂度接近线性时间 O(n),效率很高。 ```python existing_list = [9, 8, 7, 6, 5, 4, 3, 2, 1] # 把现有列表转换成堆形式 heapq.heapify(existing_list) print(f'经过 heapify 处理后的列表变为 {existing_list} ') ``` #### 找到最大的 N 个项目或者最小的 N 个项目 除了基本功能外,`heapq` 提供了两个特别有用的方法——`nlargest()` 和 `nsmallest()` ,用于快速检索指定数量的最大或最小条目。 ```python sample_data = [random.randint(-100, 100) for _ in range(20)] top_three_largest = heapq.nlargest(3, sample_data) bottom_four_smallest = heapq.nsmallest(4, sample_data) print(f'{len(sample_data)}个随机整数里前三大的分别是{top_three_largest}') print(f'{len(sample_data)}个随机整数里最四小的是{bottom_four_smallest}') ``` 通过这些例子可以看出,在面对涉及大量动态变化的数据集以及频繁查询极端值的应用场景下,采用基于二叉树性质构建起来的小顶堆或是大顶堆能够显著提高算法性能[^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

打赏作者

own_monkey

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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