4.数据结构---堆
一、堆
1.最小堆 【Python heapq模块】
heap为定义堆，item增加的元素 heapq.heappush(heap,item)
>>> import heapq >>> h = [] >>> heapq.heappush(h,2) >>> h [2]
将列表转换为堆 heapq.heapify(list)
>>> list = [1,2,3,5,1,5,8,9,6] >>> heapq.heapify(list) >>> list [1, 1, 3, 5, 2, 5, 8, 9, 6]
删除最小值，因为堆的特征是heap[0]永远是最小的元素，所以一般都是删除第一个元素 heapq.heappop(heap)
>>> list [1, 1, 3, 5, 2, 5, 8, 9, 6] >>> heapq.heappop(list) 1 >>> list [1, 2, 3, 5, 6, 5, 8, 9]
删除最小元素值，添加新的元素值 heapq.heapreplace(heap.item)
>>> list [1, 2, 3, 5, 6, 5, 8, 9] >>> heapq.heapreplace(list,99) 1 >>> list [2, 5, 3, 9, 6, 5, 8, 99]
首先判断添加元素值与堆的第一个元素值对比，如果大，则删除第一个元素，然后添加新的元素值，否则不更改堆 heapq.heapreplace(heap,item)
>>> list [2, 5, 3, 9, 6, 5, 8, 99] >>> heapq.heappushpop(list,6) 2 >>> list [3, 5, 5, 9, 6, 6, 8, 99] >>> heapq.heappushpop(list,1) 1 >>> list [3, 5, 5, 9, 6, 6, 8, 99]
将多个堆合并 heapq.merge（…）
>>> list [3, 5, 5, 9, 6, 6, 8, 99] >>> h [1000] >>> for i in heapq.merge(h,list): ... print(i,end=" ") ... 3 5 5 9 6 6 8 99 1000
查询堆中的最大元素，n表示查询元素个数 heapq.nlargest(n,heap)
>>> list [3, 5, 5, 9, 6, 6, 8, 99] >>> heapq.nlargest(3,list) [99, 9, 8] >>>
查询堆中的最小元素，n表示查询元素的个数 heapq.nsmallest(n,heap)
>>> list [3, 5, 5, 9, 6, 6, 8, 99] >>> heapq.nsmallest(3,list) [3, 5, 5]
2.最大堆
用heapy建立大顶堆：将数据以相反数的形式存入堆，再以相反数的形式取出
push(e) --->>> push(-e) pop(e) --->>> pop(-e)
参考文献：
