Python3的heapq模块提供最小堆操作，通过heappush、heappop和heapify函数对列表进行堆处理；可通过取负数模拟最大堆；支持nsmallest、nlargest等高效应用；自定义对象需实现__lt__方法以支持比较。
Python3中的heapq模块提供了对堆（最小堆）的基本操作，常用于优先队列、求最大/最小K个数等场景。它本质上是对列表进行堆操作的工具集，不单独创建堆类，而是通过函数操作普通列表。
1. 基本用法：构建最小堆
heapq默认实现的是最小堆，即堆顶元素是当前最小值。
常用函数：
- heapq.heappush(heap, item)：将item加入堆
- heapq.heappop(heap)：弹出并返回堆顶（最小值）
- heapq.heapify(list)：将一个列表原地转换为堆
示例：
import heapqdata = [3, 1, 4, 1, 5]
heapq.heapify(data)
print(heapq.heappop(data)) # 输出 1
heapq.heappush(data, 2)
print(heapq.heappop(data)) # 输出 1
2. 实现最大堆
Python的heapq只支持最小堆，若要实现最大堆，可通过取负值的方式模拟。
例如，存储数值时存入其相反数，取出时再取反。
heapq.heappush(max_heap, -10)
heapq.heappush(max_heap, -20)
heapq.heappush(max_heap, -5)
largest = -heapq.heappop(max_heap) # 得到 20
3. 常见应用场景
利用heapq可以高效解决一些问题。
- 求Top K小元素：直接使用heapq.nsmallest(k, iterable)
- 求Top K大元素：使用heapq.nlargest(k, iterable)
- 合并多个有序序列：使用heapq.merge(*iterables)
示例：
nums = [1, 8, 3, 9, 4, 5, 7]print(heapq.nlargest(3, nums)) # [9, 8, 7]
print(heapq.nsmallest(3, nums)) # [1, 3, 4]
4. 自定义对象处理
如果要在堆中使用自定义对象，需确保对象支持比较操作。可以通过重写__lt__方法实现。
class Task:def __init__(self, priority, name):
self.priority = priority
self.name = name
def __lt__(self, other):
return self.priority
tasks = []
heapq.heappush(tasks, Task(3, "low"))
heapq.heappush(tasks, Task(1, "high"))
task = heapq.heappop(tasks)
print(task.name) # 输出 "high"
基本上就这些。掌握heappush、heappop和heapify三个核心操作，再结合取负技巧和内置辅助函数，就能应对大多数使用场景了。
