堆heapq-python_heapq.heapify(nums)

heapq

两个函数——nlargest()和nsmallest()

>> import heapq
>>> nums=[1,8,2,23,7,-4,18,23,42,37,2]
>>> print(heapq.nlargest(3,nums))
[42, 37, 23]
>>> print(heapq.nsmallest(3,nums))
[-4, 1, 2]
heap=list(nums)
>>>heapq.heapify(nums)#将列表原地转换成堆
>>> nums
[-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]
 
heapq.heappop(nums） #轻松的找到最小的元素

常用

from heapq import *
import heapq #载入heap库，heap指的是最小堆 
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) #使数组转化为堆** ，原地，线性时间内。
heapq.heapreplace(heap, item):弹出并返回 heap 中最小的一项，同时推入新的 item。 堆的大小不变。先弹出再推入，heappushpop是先推入在弹出最小
 
#####   堆元素item可以为元组
 Python3以后的版本中，如果元组(priority,task)priority是一样的，而且task没有一个默认的比较参照值，那这样我们其实是没有办法来比较的。  
 我们可以采用三元数组的方法。设置一个优先级，一个条目值，一个任务值。  有相同优先级的时候，因为条目值不一样可以帮助cpu来裁决它们被加载的顺序 
##### 方法