Python - 堆

---

堆是一种特殊的树结构，其中每个父节点都小于或等于其子节点。那么它被称为最小堆。如果每个父节点都大于或等于其子节点，则称为最大堆。实现优先级队列非常有用，其中权重较高的队列项目在处理中被赋予更高的优先级。

有关堆的详细讨论可以在我们的网站上找到。如果您刚接触堆数据结构，请先学习一下。本章我们将看到使用Python实现堆数据结构。

创建堆

堆是使用 python 的内置库 heapq 创建的。该库具有对堆数据结构进行各种操作的相关函数。下面是这些函数的列表。

• heapify - 此函数将常规列表转换为堆。在生成的堆中，最小的元素被推送到索引位置 0。但其余数据元素不一定已排序。

• heappush - 此函数向堆添加一个元素而不更改当前堆。

• heappop - 此函数返回堆中的最小数据元素。

• heapreplace - 此函数用函数中提供的新值替换最小的数据元素。

创建堆

只需使用带有 heapify 函数的元素列表即可创建堆。在下面的示例中，我们提供一个元素列表，heapify 函数重新排列元素，将最小的元素带到第一个位置。

例子

import heapq

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

输出

执行上述代码时，会产生以下结果 -

[1, 3, 5, 78, 21, 45]

插入堆中

将数据元素插入到堆中总是将元素添加到最后一个索引处。但是，您可以再次应用 heapify 函数，仅当新添加的元素的值最小时，才将其带到第一个索引。在下面的示例中，我们插入数字 8。

例子

import heapq

H = [21,1,45,78,3,5]
# Covert to a heap
heapq.heapify(H)
print(H)

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

输出

执行上述代码时，会产生以下结果 -

[1, 3, 5, 78, 21, 45]
[1, 3, 5, 78, 21, 45, 8]

从堆中删除

您可以使用此函数删除第一个索引处的元素。在下面的示例中，该函数将始终删除索引位置 1 处的元素。

例子

import heapq

H = [21,1,45,78,3,5]
# Create the heap

heapq.heapify(H)
print(H)

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

print(H)

输出

执行上述代码时，会产生以下结果 -

[1, 3, 5, 78, 21, 45]
[3, 21, 5, 78, 45]

在堆中替换

堆替换函数总是删除堆中最小的元素，并将新传入的元素插入到某个不按任何顺序固定的位置。

例子

import heapq

H = [21,1,45,78,3,5]
# Create the heap

heapq.heapify(H)
print(H)

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

输出

执行上述代码时，会产生以下结果 -

[1, 3, 5, 78, 21, 45]
[3, 6, 5, 78, 21, 45]