問題

怎樣從一個集合中獲得最大或者最小的 N 個元素列表？

解決方案

heapq 模組有兩個函式：nlargest() 和 nsmallest()可以完美解決這個問題。

import heapq
nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]
print(heapq.nlargest(3, nums)) # Prints [42, 37, 23]
print(heapq.nsmallest(3, nums)) # Prints [-4, 1, 2]

兩個函式都能接受一個關鍵字引數，用於更復雜的資料結構中：

ortfolio = [
    {
 
'name': 'IBM', 'shares': 100, 'price': 91.1},
    {'name': 'AAPL', 'shares': 50, 'price': 543.22},
    {'name': 'FB', 'shares': 200, 'price': 21.09},
    {'name': 'HPQ', 'shares': 35, 'price': 31.75},
    {'name': 'YHOO', 'shares': 45, 'price': 16.35},
    {'name': 'ACME', 'shares': 75, 'price': 115.65}
]
cheap 
 
= heapq.nsmallest(3, portfolio, key=lambda s: s['price'])
expensive = heapq.nlargest(3, portfolio, key=lambda s: s['price'])

上面程式碼在對每個元素進行對比的時候，會以 price 的值進行比較。

討論

如果你想在一個集合中查詢最小或最大的 N 個元素，並且 N 小於集合元素數量，那麼這些函式提供了很好的效能。 因為在底層實現裡面，首先會先將集合資料進行堆排序後放入一個列表中：

>>> nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]
 
>>> import heapq
>>> heap = list(nums)
>>> heapq.heapify(heap)
>>> heap
[-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]
>>>

堆資料結構最重要的特徵是 heap[0] 永遠是最小的元素。並且剩餘的元素可以很容易的通過呼叫heapq.heappop() 方法得到， 該方法會先將第一個元素彈出來，然後用下一個最小的元素來取代被彈出元素（這種操作時間複雜度僅僅是 O(log N)，N 是堆大小）。 比如，如果想要查詢最小的 3 個元素，你可以這樣做：

>>> heapq.heappop(heap)
-4
>>> heapq.heappop(heap)
1
>>> heapq.heappop(heap)
2

當要查詢的元素個數相對比較小的時候，函式nlargest() 和 nsmallest() 是很合適的。 如果你僅僅想查詢唯一的最小或最大（N=1）的元素的話，那麼使用 min() 和 max() 函式會更快些。 類似的，如果 N 的大小和集合大小接近的時候，通常先排序這個集合然後再使用切片操作會更快點 （ sorted(items)[:N]或者是 sorted(items)[-N:] ）。 需要在正確場合使用函式 nlargest() 和 nsmallest() 才能發揮它們的優勢 （如果 N 快接近集合大小了，那麼使用排序操作會更好些）。

儘管你沒有必要一定使用這裡的方法，但是堆資料結構的實現是一個很有趣並且值得你深入學習的東西。 基本上只要是資料結構和演算法書籍裡面都會有提及到。 heapq 模組的官方文件裡面也詳細的介紹了堆資料結構底層的實現細節。