Python3 查找最大或最小的 N 个元素,heapq模块

最新推荐文章于 2024-04-18 17:14:24 发布

原创最新推荐文章于 2024-04-18 17:14:24 发布 · 141 阅读

0 ·

CC 4.0 BY-SA版权

Python中的heapq模块提供了一种堆队列heapq类型,这样实现堆排序等算法便相当方便,这里我们就来详解Python中heapq模块的用法,需要的朋友可以参考下

Python

# -*- coding: utf-8 -*- __author__ = 'songhao' import <span class="wp_keywordlink_affiliate"><a href="https://www.168seo.cn/tag/heapq" title="View all posts in heapq" target="_blank">heapq</a></span> l = range(100) # 获取最大的是个元素 print(heapq.nlargest(10, l)) # 获取最小的是个元素 print(heapq.nsmallest(10, l))

# -*- coding: utf-8 -*-

__author__ = 'songhao'

import heapq

l = range ( 100 )

# 获取最大的是个元素

print ( heapq . nlargest ( 10 , l ) )

# 获取最小的是个元素

print ( heapq . nsmallest ( 10 , l ) )

# heapq 排序

Python

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} ] # 根据价格进行排序降速排序 print(heapq.nsmallest(3, portfolio, key=lambda s: s['shares'])) # 根据价格进行排序; print(heapq.nlargest(3, portfolio, key=lambda s: s['price']))

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 }

]

# 根据价格进行排序降速排序

print ( heapq . nsmallest ( 3 , portfolio , key = lambda s : s [ 'shares' ] ) )

# 根据价格进行排序;

print ( heapq . nlargest ( 3 , portfolio , key = lambda s : s [ 'price' ] ) )

输出结果是:

Python

# /usr/local/bin/python3 "/Users/songhao/Desktop/Python3 入门和进阶/Python file/d7/c1.py" # [99, 98, 97, 96, 95, 94, 93, 92, 91, 90] # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] # [{'name': 'HPQ', 'shares': 35, 'price': 31.75}, {'name': 'YHOO', 'shares': 45, 'price': 16.35}, {'name': 'AAPL', 'shares': 50, 'price': 543.22}] # [{'name': 'AAPL', 'shares': 50, 'price': 543.22}, {'name': 'ACME', 'shares': 7

# /usr/local/bin/python3 "/Users/songhao/Desktop/Python3 入门和进阶/Python file/d7/c1.py"

# [99, 98, 97, 96, 95, 94, 93, 92, 91, 90]

# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

# [{'name': 'HPQ', 'shares': 35, 'price': 31.75}, {'name': 'YHOO', 'shares': 45, 'price': 16.35}, {'name': 'AAPL', 'shares': 50, 'price': 543.22}]

# [{'name': 'AAPL', 'shares': 50, 'price': 543.22}, {'name': 'ACME', 'shares': 7

当要查找的元素个数相对比较小的时候，函数 nlargest() 和 nsmallest() 是很合适的。如果你仅仅想查找唯一的最小或最大（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）。