网站优化方法_自助建站整站源码_白山seo_潮州网站建设

Python中heapq库的基础使用方法和示例代码，包含详细注释说明：

---

1. 基本功能

heapq 实现的是最小堆（父节点值 ≤ 子节点值），核心操作包括：

• 插入元素：heappush(heap, item)
• 弹出最小值：heappop(heap)
• 堆化列表：heapify(list)（将无序列表转换为堆）
• 查看最小值：heap[0]

---

2. 基础示例代码

import heapq# 创建一个空堆
heap = []# 插入元素
heapq.heappush(heap, 3)
heapq.heappush(heap, 1)
heapq.heappush(heap, 4)print("当前堆:", heap)  # 输出: [1, 3, 4]（实际存储为堆结构）# 弹出最小值
min_val = heapq.heappop(heap)
print("弹出的最小值:", min_val)  # 输出: 1
print("剩余堆:", heap)  # 输出: [3, 4]# 堆化现有列表
existing_list = [5, 2, 7, 1]
heapq.heapify(existing_list)
print("堆化后的列表:", existing_list)  # 输出: [1, 2, 7, 5]

---

3. 进阶用法

3.1 合并堆

heap1 = [1, 3, 5]
heap2 = [2, 4, 6]
merged_heap = heapq.merge(heap1, heap2)
print("合并后的堆（迭代器）:", list(merged_heap))  # 输出: [1, 2, 3, 4, 5, 6]

3.2 处理复杂元素

当元素是元组时，默认按第一个元素排序。可通过tuple调整优先级：

# 按元组第二个元素排序（需预处理）
tasks = [(3, "任务A"), (1, "任务B"), (2, "任务C")]
heapq.heapify(tasks)
print("按优先级排序的任务:", tasks)  # 输出: [(1, '任务B'), (3, '任务A'), (2, '任务C')]# 提取所有元素（从小到大）
while tasks:print(heapq.heappop(tasks))
# 输出:
# (1, '任务B')
# (2, '任务C')
# (3, '任务A')

3.3 限制堆大小

保留堆中最大的N个元素（或最小的N个元素）：

# 保留最小的3个元素
nums = [4, 1, 7, 3, 8, 5]
heapq.heapify(nums)
heapq.nlargest(3, nums)  # 直接返回前3大元素（无需修改堆）
# 或者使用堆维护：
smallest_3 = []
for num in nums:heapq.heappush(smallest_3, num)if len(smallest_3) > 3:heapq.heappop(smallest_3)
print("最小的3个元素:", smallest_3)  # 输出: [1, 3, 4]

---

4. 注意事项

1. 堆的索引：堆的根节点在索引0，子节点在2*i+1和2*i+2。
2. 时间复杂度：
   • 插入/弹出：O(log n)
   • 堆化列表：O(n)
3. 直接操作堆：避免手动修改堆列表，需通过heapq函数维护堆性质。

---

5. 应用场景

• 优先队列：如任务调度系统。
• Top K 问题：快速找到前K大/小的元素。
• 图算法：如Dijkstra算法中的优先队列。
• 流数据处理：实时维护最大/最小值的集合。

如果需要最大堆，可以将元素取负数后存入最小堆，使用时再转换回来。