来自Python docs：
后两个函数 [heapq.nlargest 和 heapq.nsmallest] 对于较小的 n 值表现最好。为了 值越大，使用 sorted() 函数效率更高。 此外，当 n==1 时，使用内置的 min() 和 max() 函数。
如果我想检索最小堆中的最小元素，为什么 Python 文档建议使用 min()，我假设它在 O(n) 时间内运行，当
我可以在 O(1) 时间内检索堆中的第一个元素吗？ （我假设堆中的第一个元素是最小值）
【问题讨论】：
heapq 提供的 nsmallest 和 nlargest 方法不假定传递给它们的参数已经是堆格式。相反，他们在遍历参数时寻求“堆积”参数，这将比对小 k 值的前 k 个元素进行直接排序更有效，但对于 k 正好等于 1，避免支付heapify-as-you-traverse 开销，直接使用min。
你的说法是正确的。如果给定一个数组，您可以保证该数组已被堆化，并且此后未更改，那么访问第一个元素将为您提供最小值（分别为最大堆的最大值）。
查看source code for heapq（也许我正在查看旧代码？）对我来说仍然很奇怪。 nsmallest 有一个 n ==1 的特殊情况，像这样实现（第 397 行）：
def nsmallest(n, iterable, key=None):
"""Find the n smallest elements in a dataset.
Equivalent to: sorted(iterable, key=key)[:n]
"""
# Short-cut for n==1 is to use min() when len(iterable)>0
if n == 1:
it = iter(iterable)
head = list(islice(it, 1))
if not head:
return []
if key is None:
return [min(chain(head, it))]
return [min(chain(head, it), key=key)]
# ... rest of function
只是在解释器中玩弄那个表达式就会让人觉得很奇怪：
In [203]: foo = list(itertools.islice([1,2,3], 1)); it = iter([1,2,3]); x = itertools.chain(foo, it);
In [204]: x.next()
Out[204]: 1
In [205]: x.next()
Out[205]: 1
In [206]: x.next()
Out[206]: 2
In [207]: x.next()
Out[207]: 3
In [208]: x.next()
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-208-e05f366da090> in <module>()
----> 1 x.next()
StopIteration:
它似乎正在构建一个生成器（它立即变成一个list），它只使用第一个元素（正如你可能期望的那样使用最小堆），但奇怪的是chains 它只是一个普通的将遍历整个数组的旧生成器。
我同意，如果您从list 开始并想要查询最小元素，最好将其保留为list 并使用min。但是，如果您得到一个最小堆，是的，您确实应该只检查第一个元素——这是首先将它堆起来的一部分。
但无论如何，这个源代码对于将最小堆传递给min 看起来很奇怪——我非常欢迎更多关于它在做什么的解释——也许是指向一些更新的 C 级代码的指针以用于实现heapq，如果有的话。
【讨论】：
nsmallest 发布的代码不同。
itertools.chain的目的是为了处理iterable是一个迭代器的可能性。代码head = list(islice(it, 1)) 用于将空迭代器作为特殊情况处理。
foo = list(itertools.islice([1,2,3], 1)); it = iter([1,2,3]); x = itertools.chain(foo, it); 在 islice 之后定义 it。 nsmallest中的代码更像it = iter([1,2,3]); foo = list(itertools.islice(it, 1)); x = itertools.chain(foo, it);，也就是说islice前进了it，所以x中的第一个值不重复。
如果您只需要在堆积列表中选择一个最小元素，只需执行 list[0]：
import heapq
lst = [1,-1,100,200]
heapq.heapify(lst)
min_value = lst[0]
上面的文档是指获取 n 个最小的数字，如果 n 很大，堆并不是最有效的数据结构。
【讨论】：