📅 最后修改于: 2020-04-15 09:46:28 🧑 作者: Mango
堆数据结构主要用于表示优先级队列。在Python中，可以使用“ heapq “模块。Python中此数据结构的属性是每次弹出最小堆元素(最小堆)。每当元素被推入或弹出时，堆结构都被维护。每次，heap [0]元素也会返回最小的元素。
堆上的操作：
1. heapify(iterable)：此函数用于将可迭代对象转换为堆数据结构，即按堆顺序。
2. heappush(heap，ele)：此函数用于将参数中提到的元素插入堆中，从而堆结构被维持。
3. heappop(heap)：此函数用于 从堆中删除并返回最小的元，从而堆结构被维持。
# Python代码演示heapify()，heappush()和heappop()的工作方式
# 导入“ heapq"以实现堆队列
import heapq
# 初始化 list
li = [5, 7, 9, 1, 3]
# 使用heapify将列表转换为堆
heapq.heapify(li)
# 打印创建的堆
print ("创建的堆是 : ",end="")
print (list(li))
# 使用heappush()将元素压入堆
# 压入4
heapq.heappush(li,4)
# 打印修改后的堆
print ("推送后的修改堆是 : ",end="")
print (list(li))
# 使用heappop()弹出最小的元素
print ("弹出的最小元素是 : ",end="")
print (heapq.heappop(li))输出：
创建的堆是 : [1, 3, 9, 7, 5]
推送后的修改堆是 : [1, 3, 4, 7, 5, 9]
弹出的最小元素是 : 14. heappushpop(heap，ele)：此函数在一个语句中结合了推和弹出操作的功能，从而提高了效率。此操作后，将保持堆顺序。
5. heapreplace(heap，ele)：此函数还在一条语句中插入和弹出元素，但与上述函数不同。在这种情况下，首先弹出元素，然后推送元素，即，可以返回大于推送值的值。
# Python代码演示heappushpop()和heapreplce()的工作
# 导入“ heapq"以实现堆队列
import heapq
# 初始化list 1
li1 = [5, 7, 9, 4, 3]
# 初始化list 2
li2 = [5, 7, 9, 4, 3]
# 使用heapify()将列表转换为堆
heapq.heapify(li1)
heapq.heapify(li2)
# 使用heappushpop()同时推送和弹出元素
# 弹出2
print ("使用heappushpop()弹出的项目是 : ",end="")
print (heapq.heappushpop(li1, 2))
# 使用heapreplace()同时推送和弹出项目
# 弹出3
print ("使用heapreplace()弹出的项目是 : ",end="")
print (heapq.heapreplace(li2, 2))输出：
使用heappushpop()弹出的项目是: 2
使用heapreplace()弹出的项目是 : 36. nlargest(k，iterable，key = fun)：此函数用于从指定的iterable返回k个最大元素，并满足提及的键。
7. nsmallest(k，iterable，key = fun)：此函数用于从指定的iterable返回k个最小元素，并满足提及的键。
# Python代码演示nlargest()和nsmallest()的工作
# 导入“ heapq"以实现堆队列
import heapq
# 初始化list
li1 = [6, 7, 9, 4, 3, 5, 8, 10, 1]
# 使用heapify()将列表转换为堆
heapq.heapify(li1)
# 使用nlargest打印3个最大数字，打印10、9和8
print("列表中3个最大的数字是: ",end="")
print(heapq.nlargest(3, li1))
# 使用nsmallest打印3个最小的数字
# 打印1、3和4
print("列表中3个最小的数字是 : ",end="")
print(heapq.nsmallest(3, li1))输出：
列表中3个最大的数字是 : [10, 9, 8]
列表中3个最小的数字是 : [1, 3, 4]