queue标准库

Python自带的queue标准库可以实现队列、栈、优先队列

import queueq = queue.Queue()# 队列
#也可用q = queue.Queue(maxsize=5)创建有限大小的队列，用q.full()判断队满
#队满后再入队貌似会卡死，若需“顶出”另一端元素，可用双端队列
stack = queue.LifoQueue()# 栈
pq = queue.PriorityQueue()# 优先队列================== RESTART: C:\Users\13272\Desktop\最大公约数gcd.py =================
>>> q.put(10)#10入队
>>> q.qsize()#队列大小
1
>>> q.get()#出队并返回队首元素
10
>>> q.empty()#队列是否为空
True

• 栈、优先队列的使用方法与队列类似，也有put()、get()、empty()、qsize()等方法
• 优先队列在入队时，优先将值小的元素放在队首
  对于数字、字符串等，会自动比较大小
  对于元组，优先按第一个值从小到大排，第一个值相同按第二个值从小到大排
  然而如果有更复杂的情况，可以自定义一个类，然后在类中重载__lt__“小于”成员函数，指定比较时采用的规则
• 若需要从大到小排列，可以在入队时，将[元素的负值]入队

例如，输入整数n和n个学生的信息，按照年龄从大到小输出学生信息，若年龄相同则按姓名字典序输出

class Stu:def __init__(self,name,age):self.name = nameself.age = agedef __lt__(self,another):if self.age!=another.age:#若年龄不同，按照年龄从大到小输出return self.age>another.agereturn self.name<another.name#年龄相同，按照姓名从小到大输出from queue import PriorityQueuen = int(input())
pq = PriorityQueue()
for i in range(n):name,age = input().split()age = int(age)pq.put(Stu(name,age))while pq.empty()==False:student = pq.get()print(student.name,student.age)
================= RESTART: C:/Users/13272/Desktop/优先队列输出学生名单.py ================
5
Rose 20
Tom 17
Bob 20
Eric 17
Jack 15Bob 20
Rose 20
Eric 17
Tom 17
Jack 15

heapq标准库

heapq标准库用于实现堆

ps. PriorityQueue底层实现就是堆heapq(主要区别是，PriorityQueue提供的是面对对象的接口，而heapq只提供用于操作列表的函数，更多信息)
当需要每次取出前n个大的元素，应该使用堆（提供了专门函数nlargest(n,heap)和nsmallest(n,heap)），如LeetCode 1046. 最后一块石头的重量

堆（二叉堆）

• 堆本质上是完全二叉树，由于其特性（左儿子2*i，右儿子2*i+1），直接使用数组来保存更加方便
• 堆近似理解为优先队列，不管元素的插入顺序，总能按照元素的优先级取出元素
• 堆的类型：
  最大堆-任意父节点的值一定大于或等于子节点（左右子节点的关系没有要求）
  最小堆-任意父节点的值一定小于或等于子节点…
• 堆的底层实现：关键在于插入和删除时，利用[siftUp上浮和siftDown下沉]两种核心操作，始终保持最大/最小堆的性质
• 堆的最大优势在于：在查询前n个最大/最小的元素时就有很好的性能

Python中堆的实现

• 首先要明确，堆本质上就是列表
• Python提供heapq标准库，用于操作具有堆性质的【列表】
  Python的heapq默认是小顶堆

创建堆、添加元素

• 可以先创建一个空堆，然后用heappush(heap, num)将数据一个一个地添加到堆中
• 也可以使用heapify(list)使一般的列表转化为堆

>>> from heapq import *>>> h=[]
>>> heappush(h,4)
>>> heappush(h,7)
>>> heappush(h,3)
>>> heappush(h,2)
>>> heappush(h,8)
>>> h
[2, 3, 4, 7, 8]>>> h=[4,7,3,2,8]
>>> heapify(h)
>>> h
[2, 4, 3, 7, 8]

删除元素

heappop(heap)只能弹出堆顶（最小值），且保证剩余的堆仍然是小顶堆

>>> heappop(h)
2
>>> h
[3, 7, 4, 8]

查询堆中前n大/小的几个元素

nlargest(n,heap)和nsmallest(n,heap)

>>> nlargest(3,h)
[8, 7, 4]
>>> nsmallest(3,h)
[3, 4, 7]

合并两个有序列表

heapq.merge(list1, list2)用于将两个有序列表合并成一个新的有序列表，返回结果是一个迭代器，这个方法可以用于归并排序

>>> l1=[1,5,8]
>>> l2=[2,3,9]
>>> list(merge(l1,l2))
[1, 2, 3, 5, 8, 9]