heapq python - 如何修改堆排序的值

Question

我将一个名为 UNVISITED 的空列表转换为一个堆，这样：

UNVISITED = []
heapq.heappush(UNVISITED, (a.f, a))

我推送的对象a，是从一个类中实例化的，有以下字段：

class UNVISITEDNode():
    def __init__(self, value1, value2 , value3, value4, value5):
            self.q = value1
            self.h = value2
            self.g = value3
            self.f = value4
            self.p = value5

在我的算法中，我会在需要时不断修改堆中已经存在的对象中的任何valueX，例如：

for i in range(len(UNVISITED)):
        UNVISITED[i][1].q = newvalue1
        UNVISITED[i][1].h = newvalue2
        UNVISITED[i][1].g = newvalue3
        UNVISITED[i][1].f = newvalue4
        UNVISITED[i][1].p = newvalue5

因为（或者我认为，如果我错了请纠正我）像我现在所做的那样修改值f不会改变影响堆排序的值，我直接尝试修改UNVISITED[i][0] （即上面的a.f 在创建堆时作为第二个参数的第二部分传递）。

[THE PROBLEM] -> 然后我被告知这个值不允许修改：

UNVISITED[i][0] = newvalue4

*Traceback (most recent call last):
  File "/home/daniel/pycharm-2017.3.3/helpers/pydev/
_pydevd_bundle/pydevd_exec.py", line 3, in Exec
        exec exp in global_vars, local_vars
      File "<input>", line 1, in <module>
    TypeError: 'tuple' object does not support item assignment

我确实需要修改对象a的值f，每次需要都会影响堆的排序，你不能通过UNVISITED[i][1].f = newvalue4来做到这一点（显然）强>。有没有办法做到这一点或任何解决方法？

编辑（已解决）

最终，我将一个简单的手动堆定义为 heap = [] 和 heap.append() 的对象。 您可以使用heap.pop() 弹出堆中的第一个元素，并使用heap.sort(key=lambda x: x.f, reverse=True) 根据属性值对其进行排序。 像这样，您将更接近heapq 的行为，并且您可以修改堆中的元素，该堆为其排序。 重要的是要说这比使用heapq 慢得多。

尽管如此，我将@Raymong Hettinger 的答案标记为好的答案，因为其他可能的变通方法的详细信息。

此外，@Davis Yoshida 提出了一个有效的观点，即定义的 堆 可能不是存储数据的最佳方式。

Answer 1

无效并重新插入

通常的解决方案是将对象标记为无效并重新插入一个新值。弹出值时，忽略无效条目。

只要不存在大量无效条目，此技术就非常有效。失效步骤在constant time 中运行，随后的弹出在logarithmic time 中运行。

重新堆放

调整一个或多个值后，运行heapify()函数恢复堆不变量。

这使用了一个保证在linear time中运行的公共函数。

直接堆调整

另一种方法是在堆列表中定位对象，使用list.index()。更改值后，根据值是增加还是减少，运行内部 _siftup() 或 _siftdown() 函数。

增加大小写：

>>> from heapq import _siftup, _siftdown, heapify, heappop

>>> data = [10, 5, 18, 2, 37, 3, 8, 7, 19, 1]
>>> heapify(data)
>>> old, new = 8, 22              # increase the 8 to 22
>>> i = data.index(old)
>>> data[i] = new
>>> _siftup(data, i)
>>> [heappop(data) for i in range(len(data))]
[1, 2, 3, 5, 7, 10, 18, 19, 22, 37]

减小大小写：

>>> data = [10, 5, 18, 2, 37, 3, 8, 7, 19, 1]
>>> heapify(data)
>>> old, new = 8, 4              # decrease the 8 to 4
>>> i = data.index(old)
>>> data[i] = new
>>> _siftdown(data, 0, i)
>>> [heappop(data) for i in range(len(data))]
[1, 2, 3, 4, 5, 7, 10, 18, 19, 37]

此技术使用线性时间列表索引和logarithmic time 堆更新。它使用的比较可能比 reheapifying 技术少，但这并不完全令人满意，因为它使用了非公共函数。

度假

最后，您可以使用数据：

>>> data.sort()

这种技术可能比 reheapifying 或直接堆调整进行更多的比较。它起作用的原因是“如果数据被排序，那么它已经是一个堆”。

最坏情况下运行时间可以是O(n log n)；然而，排序 实现应用了Timsort 算法，该算法对于部分排序的输入非常有效。

Answer 2

即使此代码运行，我相信它也不会达到您的预期。 具体来说，如果你这样做了

tup = (a.f, a) # a.f = 7

然后可以执行

tup[0] = 3

您会将tup 设置为(3, a)，但a.f 仍为7。

您可以做的一件事是通过向您的 UNVISITEDNode 类添加 __lt__（小于）方法来允许直接比较，如下所示：

class UNVISITEDNode:
   ...
   def __lt__(self, other):
       return self.f < other.f

那么，不用把元组放到heapq里，直接把节点对象放进去就行了。

但是，如果您修改不在堆根的对象，则不再保证堆是有效的，因此您需要重新heapfiy UNVISITED。