heapq模块中的两个函数——nlargest()和nsmallest()

 

heapq.nlargest(n, iterable[, key])

 

从迭代器对象iterable中返回前n个最大的元素列表，其中关键字参数key用于匹配是字典对象的iterable，用于更复杂的数据结构中。

heapq.nsmallest(n, iterable[, key])

 

从迭代器对象iterable中返回前n个最小的元素列表，其中关键字参数key用于匹配是字典对象的iterable，用于更复杂的数据结构中。

这两个函数可以帮助我们在某个集合中找出最大或最小的N个元素。例如：

>>> 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]
7 student=[{'names':'CC','score':100,'height':189},
           {'names':'BB','score':10,'height':169},
           {'names':'AA','score':80,'height':179}]
8 print (heap.nsmallest(2,student,key=lambda x:x['height'])
>>{'names':'BB','score':10,'height':169},
  {'names':'AA','score':80,'height':179}]

如果正在寻找最大或者最小的N个元素，且同集合中元素的总数目相比，N很小，那么下面这些函数就可以提供更好的性能。这些函数首先会在底层将数据转化成列表，且元素会以堆得顺序排列。例如：

nums=[1,8,2,23,7,-4,18,23,42,37,2]
import heapq
heap=list(nums)
4 heapq.heapify(heap)#将列表原地转换成堆
heap
>>>[-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]

堆最重要的特性就是，heap[0]总是最小的那个元素，此外，接下来的最小元素可以一次通过heapq.heappop()的方法轻松的找到。该方法会将第一个元素（最小的）弹出，然后以第二小的元素取而代之。例如，要找到第三小的元素，可以这样做：

heapq.heappop(heap)
>>>-4
heapq.heappop(heap)
>>>1
heapq.heappop(heap)
>>>2
另外，heapq.heappush()的功能是把一项值压入堆，同时维持堆得排序要求。