堆是一种特殊的树结构，其中每个父节点均小于或等于其子节点。这就是所谓的Min Heap。如果每个父节点大于或等于其子节点，则称为最大堆。实施优先级队列非常有用，在该队列中，权重较高的队列项目在处理中具有更高的优先级。关于堆的详细讨论可以在我们的网站上找到。如果您不熟悉数据结构，请先进行研究。在本章中，我们将看到使用Python实现堆数据结构的方法。

创建一个堆

堆是使用python内置的名为heapq的库创建的。该库具有相关的功能，可以对堆数据结构执行各种操作。下面是这些功能的列表。

• heapify-此函数将常规列表转换为堆。在生成的堆中，最小的元素被推到索引位置0。但是其余数据元素不一定要排序。
• heappush –此函数在不更改当前堆的情况下将元素添加到堆中。
• heappop-此函数返回堆中最小的数据元素。
• heapreplace -该函数替换在函数提供一个新的值最小的数据元素。

创建堆

堆是通过简单地使用带有heapify函数的元素列表来创建的。在下面的示例中，我们提供了元素列表，并且heapify函数重新排列了元素，将最小的元素移到了第一个位置。

import heapq

H = [21,1,45,78,3,5]
# Use heapify to rearrange the elements
heapq.heapify(H)
print(H)

执行以上代码后，将产生以下结果-

[1, 3, 5, 78, 21, 45]
 

插入堆

向堆中插入数据元素总是将元素添加到最后一个索引。但是您可以再次应用heapify函数，以将新添加的元素的值最小时才将其添加到第一个索引。在下面的示例中，我们插入数字8。

import heapq
H = [21,1,45,78,3,5]
# Covert to a heap
heapq.heapify(H)
print(H)
# Add element
heapq.heappush(H,8)
print(H)

执行以上代码后，将产生以下结果-

[1, 3, 5, 78, 21, 45]
[1, 3, 5, 78, 21, 45, 8]
 

从堆中删除

您可以使用此函数删除第一个索引处的元素。在下面的示例中，该函数将始终删除索引位置为1的元素。

import heapq

H = [21,1,45,78,3,5]
# Create the heap

heapq.heapify(H)
print(H)

# Remove element from the heap
heapq.heappop(H)

print(H)

执行以上代码后，将产生以下结果-

[1, 3, 5, 78, 21, 45]
[3, 21, 5, 78, 45]
 

更换堆

heapreplace函数始终会删除堆中最小的元素，并将新的传入元素插入未按任何顺序固定的某个位置。

import heapq

H = [21,1,45,78,3,5]
# Create the heap

heapq.heapify(H)
print(H)

# Replace an element
heapq.heapreplace(H,6)
print(H)

[1, 3, 5, 78, 21, 45]
[3, 6, 5, 78, 21, 45]