堆-python

前言

这个模块提供了堆队列算法的实现，也称为优先队列算法
堆总是一个二叉树，与C++的堆不太相同，Python 语言中的堆为小根堆。
它的每个父节点的值都只会小于或等于所有孩子节点（的值）。 它使用了数组来实现：从零开始计数，对于所有的 k ，都有 heap[k] <= heap[2k+1] 和 heap[k] <= heap[2k+2]。 为了便于比较，不存在的元素被认为是无限大。 堆最有趣的特性在于最小的元素总是在根结点：heap[0]。

一、一些函数

• heapq.heappush(heap, item)
  将 item 的值加入 heap 中，保持堆的不变性。
• heapq.heappop(heap)
  弹出并返回 heap 的最小的元素，保持堆的不变性。如果堆为空，抛出 IndexError 。使用 heap[0] ，可以只访问最小的元素而不弹出它。
• heapq.heappushpop(heap, item)
  将 item 放入堆中，然后弹出并返回 heap 的最小元素。该组合操作比先调用 heappush() 再调用 heappop() 运行起来更有效率。
• heapq.heapify(x)
  将list x 转换成堆，原地，线性时间内。
• heapq.heapreplace(x) - 该函数用函数中提供的新值替换最小的数据元素。

二、例子

创建一个堆-heapify

通过简单地使用具有heapify函数的元素列表来创建堆。在下面的例子中，我们提供了一个元素列表，heapify函数重新排列了元素到最初位置的元素。

import heapq

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

结果

[1, 3, 5, 78, 21, 45]
复制

插入堆-heappush

# Add element
heapq.heappush(H,8)
print(H)
复制

结果

[1, 3, 5, 78, 21, 45, 8]
复制

从堆中移除-heappop

可以使用此功能在第一个索引处移除元素。在下面的例子中，函数将始终删除索引位置1处的元素。

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

[3, 21, 5, 78, 45]
复制

替换堆-heapreplace

heapreplace函数总是删除堆中最小的元素，并在未被任何顺序修复的地方插入新的传入元素。

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

[3, 6, 5, 78, 21, 45]
复制