python的十大数据结构之堆队列heapq(heap queue)

　　heap queque（堆队列），是一个完全二叉树，并且满足一个条件：每个节点（叶节点除外）的值都大于等于（或小于等于）它的子节点。提供了构建小顶堆的方法和一些小顶堆的基本操作方法（如入堆、出堆等），可以用于实现堆排序算法。

创建堆的两种方法：

import heapq

lists = [3, 10, 20, 52, 2, 83, 52, 81, 51]
#一、 创建空列表，然后使用heappush将数据添加到空列表中，每添加一个新数据后，该列表都满足小顶堆特性。
heap = []
for i in lists:
    heapq.heappush(heap, i)

print("lists: ",lists)
print("heap: ",heap)

# 二、使用heapify直接将数据列表调整为小顶堆格式
heapq.heapify(lists)
print("The lists after heap is : ",lists)

注：小顶堆含义，每个节点（叶节点除外）的值都小于等于其子节点的值，根节点的值是所有节点中最小的。大顶堆反之。

使用heapq进行堆排序：

import heapq

lists = [3, 10, 20, 52, 2, 83, 52, 81, 51]
# 这里需要先构建堆，否则直接heappop得不到排序后的结果
heap = []
for i in lists:
    heapq.heappush(heap, i)

print(heap[0])
# heappop(heap)，依次取出堆顶的值，并将剩余的数据构造成新的小顶堆
heap_sort = [heapq.heappop(heap) for _ in range(len(heap))]
print("heap sort result: ", heap_sort)

获取堆中的最大值和最小值

import heapq

lists = [3, 10, 20, 52, 2, 83, 52, 81, 51]
# 这里的heapq.heapify(lists)写与不写效果一样
heapq.heapify(lists)
# heapq.nlargest和heapq.nsmallest两个函数可以用于堆，也可以用于列表，功能相同。所以前面无需构造堆
print(heapq.nlargest(2, lists))
print(heapq.nsmallest(3, lists))

堆中元素的替换方法

import heapq

# 这里演示heappushpop和heapreplace的用法
# heappushpop，先入堆再出堆，所以堆元素不变化
array_c = [10, 7, 15, 8]
heapq.heapify(array_c)
print("before: ",array_c)
# 先push再pop
item = heapq.heappushpop(array_c, 5)
print("after: ",array_c)
print(item)

# heapreplace，先出堆，再将新元素入堆，堆元素发生变化
array_d = [10, 7, 15, 8]
heapq.heapify(array_d)
print("before: ",array_d)
item = heapq.heapreplace(array_d, 5)
print("after: ",array_d)
print(item)

堆的方法：

heapq.heapify(x)：创建堆，将list转化为堆

heapq.heappush(heap, item)： 添加新元素到堆

heapq.heappop(heap)：弹出堆顶元素，并将剩余元素组成新的小顶堆

heap.heappushpop(heap, item)：先将item入堆，再将item出堆

heapq.merge(*iterables, key = None, reverse = False)：暂未了解

heapq.heapreplace(heap, item)：先弹出堆顶元素，再将item入堆

heapq.nlargest(n, iterable, key = None)

heapq.nsmallest(n, iterable, key = None)