Python标准库模块之heapq – 堆构造

读前福利：几百本经典书籍https://www.johngo689.com/2158/

原文链接：https://www.johngo689.com/2264/

堆作为优先队列的常用方法，而且在数据结构和算法方面，经常使用大顶堆和小顶堆进行问题的解决。

使用 Python 提供的标准库

heapq

：

import heapq

注意：默认的堆结构是小顶堆

一、构造堆 & 获取最小值

方法一：创建空列表，然后手动加入元素

heapq.heappush()

举例：

>>> nums = [2, 5, 1, 6, 9, 0]>>> heap = []>>> for num in nums:...     heapq.heappush(heap, num)...>>> print(heap[0])0>>> print([heapq.heappop(heap) for _ in range(len(nums))])[0, 1, 2, 5, 6, 9]

方法二：初始化 list，然后转为堆结构

heapq.heapify(list)

直接将 list 转为堆结构

举例：

>>> nums = [2, 5, 1, 6, 9, 0]>>> # 转为heap结构...>>> heap.heapify(nums)>>> print(nums[0])0>>> print([heapq.heappop(nums) for _ in range(len(nums))])[0, 1, 2, 5, 6, 9]

删除最小值 并且 加入新元素， 使用

heapq.heaprepalce()

>>> nums = [2, 5, 1, 6, 9, 0]>>> # 转为heap结构...>>> heap.heapify(nums)>>> heapq.heapreplace(nums, 100)0>>> heapq.heapreplace(nums, -1)1>>> print([heapq.heappop(nums) for _ in range(len(nums))])[-1, 2, 5, 6, 9, 100]

二、获取最大值

这里没有直接构造大顶堆的方法，可以使用一个很巧妙的思路进行解决。

这是一个很 Tirck 的思路：

首先我们用上述方法一进行构造堆结构，注意要在每一个元素增加一个负号（-）：

>>> nums[0, 5, 1, 6, 9, 2]>>> nums = [2, 5, 1, 6, 9, 0]>>> heap = []>>> for num in nums:...     heapq.heappush(heap, -num)>>> heap[-9, -6, -1, -2, -5, 0]

接下来，打印堆元素，注意也要加负号（-）：

>>> print([-heapq.heappop(heap) for _ in range(len(nums))])[9, 6, 5, 2, 1, 0]

这样是不是就巧妙的将大顶堆进行打印出来了。

整体思路：push(-) -> pop(-)，负负得正。

三、获取最小值和最大值的范围

获取堆中最大或最小的范围值。

使用

heapq.nlargest()

或

heapq.nsmallest()

函数进行求得：

>>> nums = [2, 5, 1, 6, 9, 0]>>> heapq.heapify(nums)>>> heapq.nlargest(3, nums)[9, 6, 5]>>> heapq.nsmallest(3, nums)[0, 1, 2]

这个比较简单，需要主要添加范围值。