阅读 Guido 的 Sorting a million 32-bit integers in 2MB of RAM using Python 后，我发现了 heapq 模块，但这个概念对我来说非常抽象。
一个原因是我不完全理解堆的概念，但我明白 Guido 是如何使用它的。
现在，除了他有点疯狂的例子，你会将heapq 模块用于什么？
它必须总是与排序或最小值有关吗？它只是你使用的东西，因为它比其他方法更快吗？或者你能做一些你不能没有的优雅的事情吗？
【问题讨论】：
heapq 模块的文档以了解它的作用？
标签： python algorithm data-structures heap priority-queue
heapq module 通常用于实现priority queues。
您会在事件调度程序中看到优先级队列，这些队列不断添加新事件，并且需要使用堆来有效地定位下一个已调度事件。一些例子包括：
heapq 文档包括解决常见用例的priority queue implementation notes。
此外，堆非常适合实现部分排序。例如，heapq.nsmallest 和 heapq.nlargest 与完整排序后跟切片相比，内存效率更高，比较次数也更少：
>>> from heapq import nlargest
>>> from random import random
>>> nlargest(5, (random() for i in xrange(1000000)))
[0.9999995650034837, 0.9999985756262746, 0.9999971934450994, 0.9999960394998497, 0.9999949126363714]
【讨论】：
将它与自平衡二叉树相比，如果只看复杂性，堆似乎并没有给你带来太多好处：
但是，为了提高效率，二叉树往往需要每个节点都指向其子节点，而堆则将其数据紧密地存储在一个数组中。这使您可以在固定数量的内存中存储更多数据。
因此，对于只需要插入和最大删除的情况，堆是完美的，通常可以使用自平衡二叉树一半的内存（如果必须的话，更容易实现）。标准用例是优先级队列。
【讨论】：
这是我在尝试了解如何在 Python 2.6 中实现计数器模块时偶然发现的。只需看看collections.Counter 的实现和使用。这其实是通过heapq实现的。
【讨论】：