【python】详解python数据结构堆（heapq）库使⽤
数据结构堆（heap）是⼀种优先队列。使⽤优先队列能够以任意顺序增加对象，并且能在任意的时间（可能在增加对象的同时）到（也可能移除）最⼩的元素，也就是说它⽐python的min⽅法更加有效率。
1、heappush(heap,n)数据堆⼊
In [1]: import heapq as hq
In [2]: import numpy as np
In [3]: data = np.arange(10)
#将⽣成的数据随机打乱顺序
In [4]: np.random.shuffle(data)
In [5]: data
Out[5]: array([5, 8, 6, 3, 4, 7, 0, 1, 2, 9])
#定义heap列表
In [6]: heap = []
#使⽤heapq库的heappush函数将数据堆⼊
In [7]: for i in data:
...:    hq.heappush(heap,i)
...:
In [8]: heap
Out[8]: [0, 1, 3, 2, 5, 7, 6, 8, 4, 9]
In [9]: hq.heappush(heap,0.5)
In [10]: heap
Out[10]: [0, 0.5, 3, 2, 1, 7, 6, 8, 4, 9, 5]
2、heappop(heap)将数组堆中的最⼩元素弹出
python 定义数组
In [11]: hq.heappop(heap)
Out[11]: 0
In [12]: hq.heappop(heap)
Out[12]: 0.5
3、heapify(heap) 将heap属性强制应⽤到任意⼀个列表
heapify 函数将使⽤任意列表作为参数，并且尽可能少的移位操作，，将其转化为合法的堆。如果没有建⽴堆，那么在使⽤heappush和heappop前应该使⽤该函数。
In [13]: heap = [5,8,0,3,6,7,9,1,4,2]
In [14]: hq.heapify(heap)
In [15]: heap
Out[15]: [0, 1, 5, 3, 2, 7, 9, 8, 4, 6]
4、heapreplace(heap，n)弹出最⼩的元素被n替代
In[17]: hq.heapreplace(heap,0.5)
Out[17]: 0
In[18]: heap
Out[18]: [0.5, 1, 5, 3, 2, 7, 9, 8, 4, 6]
5、nlargest(n,iter)、nsmallest(n,iter)
heapq中剩下的两个函数nlargest(n.iter)和nsmallest(n.iter)分别⽤来寻任何可迭代的对象iter中第n⼤或者第n⼩的元素。可以通过使⽤排序（sorted函数）和分⽚进⾏完成。
#返回第⼀个最⼤的数
In [19]: hq.nlargest(1,heap) Out[19]: [9]
#返回第⼀个最⼩的数
In [20]: hq.nsmallest(1,heap) Out[20]: [0.5]