二十五岁时我们都一样愚蠢、多愁善感，喜欢故弄玄虚，可如果不那样的话，五十岁时也就不会如此明智。
标题：Python - 堆
堆是一种特殊的树结构，其中每个父节点小于或等于其子节点。然后它被称为Min Heap。如果每个父节点大于或等于其子节点，则称它为最大堆。实施优先级队列是非常有用的，在该队列中，具有较高权重的队列项目在处理中具有更高的优先级。有关堆的详细讨论，请访问我们的网站。如果你是头部数据结构的新手，请先研究它。在本章中，我们将看到使用python实现堆数据结构。
创建一个堆
堆是通过使用python内建的名为heapq的库创建的。该库具有对堆数据结构进行各种操作的相关功能。以下是这些功能的列表。
- heapify - 此函数将常规列表转换为堆。在结果堆中，最小的元素被推到索引位置0.但其余的数据元素不一定被排序。
- heappush - 这个函数在堆中添加一个元素而不改变当前堆。
- heappop - 该函数返回堆中最小的数据元素。
- heapreplace - 该函数用函数中提供的新值替换最小的数据元素。
创建一个堆
通过简单地使用具有heapify函数的元素列表来创建堆。在下面的例子中，我们提供了一个元素列表，heapify函数重新排列了元素到最初位置的元素。
import heapq H = [21,1,45,78,3,5] # Use heapify to rearrange the elements heapq.heapify(H) print(H)当上面的代码被执行时，它会产生以下结果 -
[1, 3, 5, 78, 21, 45]插入堆
将数据元素插入堆总是在最后一个索引处添加元素。但是，只有在值最小的情况下，您才可以再次应用heapify函数将新添加的元素添加到第一个索引。在下面的例子中，我们插入数字8。
import heapq H = [21,1,45,78,3,5] # Covert to a heap heapq.heapify(H) print(H) # Add element heapq.heappush(H,8) print(H)当上面的代码被执行时，它会产生以下结果 -
[1, 3, 5, 78, 21, 45] [1, 3, 5, 78, 21, 45, 8]从堆中移除
您可以使用此功能在第一个索引处移除元素。在下面的例子中，函数将始终删除索引位置1处的元素。
import heapq H = [21,1,45,78,3,5] # Create the heap heapq.heapify(H) print(H) # Remove element from the heap heapq.heappop(H) print(H)当上面的代码被执行时，它会产生以下结果 -
[1, 3, 5, 78, 21, 45] [3, 21, 5, 78, 45]替换堆
heapreplace函数总是删除堆中最小的元素，并在未被任何顺序修复的地方插入新的传入元素。
import heapq H = [21,1,45,78,3,5] # Create the heap heapq.heapify(H) print(H) # Replace an element heapq.heapreplace(H,6) print(H) [1, 3, 5, 78, 21, 45] [3, 6, 5, 78, 21, 45]
