使用内置的heapd模块
In [1]:
import heapq
In [2]: nums = [1,8, 2, 23, 7, -4, 18, 23, 42, 37, 2
]
In [3]:
print(heapq.nlargest(2
,nums))
[42, 37
]
In [4]:
print(heapq.nlargest(5
,nums))
[42, 37, 23, 23, 18
]
In [5]:
print(heapq.nsmallest(5
,nums))
[-4, 1, 2, 2, 7]
两个函数都能接受一个关键字参数，用于更复杂的数据结构中
In [6]: portfolio =
[
...: {'name':
'IBM',
'shares': 100,
'price': 91.1
},
...: {'name':
'AAPL',
'shares': 50,
'price': 543.22
},
...: {'name':
'FB',
'shares': 200,
'price': 21.09
},
...: {'name':
'HPQ',
'shares': 35,
'price': 31.75
},
...: {'name':
'YHOO',
'shares': 45,
'price': 16.35
},
...: {'name':
'ACME',
'shares': 75,
'price': 115.65
}
...: ]
In [11]:
print(heapq.nsmallest(3,portfolio,key=
lambda s: s[
'price']))
[{'price': 16.35,
'name':
'YHOO',
'shares': 45}, {
'price': 21.09,
'name':
'FB',
'shares': 200}, {
'price': 31.75,
'name':
'HPQ',
'shares': 35
}]
In [12]:
print(heapq.nsmallest(2,portfolio,key=
lambda s: s[
'price']))
[{'price': 16.35,
'name':
'YHOO',
'shares': 45}, {
'price': 21.09,
'name':
'FB',
'shares': 200}]
那么如果你想在集合中找到最小和最大的值
因为在底层实现里面，首先会先将集合数据进行堆排序后放入一个列表中
In [1]:
import heapq
In [2]: nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2
...: ]
In [3]: heap=
list(nums)
In [4
]: heap
Out[4]: [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2
]
In [5
]: heapq.heapify(heap)
In [6
]: heap
Out[6]: [-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8
]
In [7
]: heap[0]
Out[7]: -4
In [8
]: heapq.heappop(heap)
Out[8]: -4
In [9
]: heapq.heappop(heap)
Out[9]: 1
In [10
]: heapq.heappop(heap)
Out[10]: 2
In [11
]: heapq.heappop(heap)
Out[11]: 2
In [12
]: heapq.heappop(heap)
Out[12]: 7
In [13
]: heap
Out[13]: [8, 23, 18, 23, 42, 37]
堆数据结构最重要的特征是 heap[0] 永远是最小的元素。并且剩余的元素可以很容易的通过调用heapq.heappop() 方法得到， 该方法会先将第一个元素弹出来，然后用下一个最小的元素来取代被弹出元素（这种操作时间复杂度仅仅是 O(log N)，N 是堆大小
当要查找的元素个数相对比较小的时候，函数 nlargest() 和 nsmallest() 是很合适的。 如果你仅仅想查找唯一的最小或最大（N=1）的元素的话，那么使用 min() 和 max() 函数会更快些。 类似的，如果 N 的大小和集合大小接近的时候，通常先排序这个集合然后再使用切片操作会更快点 （ sorted(items)[:N] 或者是 sorted(items)[-N:] ）。 需要在正确场合使用函数 nlargest() 和 nsmallest() 才能发挥它们的优势 （如果 N 快接近集合大小了，那么使用排序操作会更好些）。
转载于:https://www.cnblogs.com/zcqdream/p/7211282.html
