标签：heapq pq python queue lq print data
参考链接： Python中的堆队列(Heap queue或heapq)
python中 堆heapq以及 队列queue的使用
1. 堆heapq的使用
## ------------------------ 准备数据 -----------------------
import math
from io import StringIO
data = [19,9,4,10,11]
def show_tree(tree, total_width=36, fill=' '):
output = StringIO()
last_row = -1
for i, n in enumerate(tree):
if i:
row = int(math.floor(math.log(i+1, 2)))
else:
row = 0
if row != last_row:
output.write('\n')
columns = 2 ** row
col_width = int(math.floor(total_width / columns))
output.write(str(n).center(col_width, fill)) # Python center() 返回一个原字符串居中,并使用空格填充至长度 width 的新字符串。默认填充字符为空格。
last_row = row
print(output.getvalue())
print('-' * total_width)
print()
## ---------------------------- 1. 创建堆 ------------------------
# 创建堆有两种基本方式： heapq.heappush() 和 heapq.heapify()
# 1. heapq.heappush()
import heapq # 最小堆
heap = []
print('random : ', data)
print()
for n in data:
print('add {:>3}:'.format(n))
heapq.heappush(heap, n)
show_tree(heap)
# 如果数据已经在内存中，那么使用heapify()原地重新组织列表中的元素会更高效
# 2. heapq.heapify() heapify:堆化
import heapq
print('random :', data)
heapq.heapify(data)
print('heapified :')
show_tree(data)
"""
## ------------------- 2.1 删除元素 --------------------------
for i in range(2):
smallest = heapq.heappop(data)
print('pop {}:'.format(smallest))
show_tree(data)
"""
## ------------------- 2.2 删除并替换新值 --------------------
for n in [0, 13]:
smallest = heapq.heapreplace(data, n)
print('replace {:>2} with {:>2}:'.format(smallest, n) )
show_tree(data)
## ------------------- 3. 查找最大和最小k个数 -------------
# heapq.nlargest() 和 heapq.nsmallest()
import heapq
print()
data = [19,9,4,10,11]
heapq.heapify(data)
print('heaptree: ')
show_tree(data)
print('all :', data, '\n')
print('3 largest :', heapq.nlargest(3, data))
print('from sort :', list(reversed(sorted(data)[-3:])), '\n')
print('3 smallest:', heapq.nsmallest(3, data))
print('from sort :', sorted(data)[:3])
## ------------------- 4. 高效合并有序序列 ------------------
# 对于小数据集，将多个有序序列合并到一个新序列很容易：
import heapq
import itertools
print()
data = [19,9,4,10,11]
heapq.heapify(data)
print('heaptree: ')
show_tree(data)
data2 = list(sorted(itertools.chain(data+data))) # chain()中可以放多个迭代对象，然后一一迭代出来
print('combined tree: ')
show_tree(data2)
# 对于较大的数据集, 这个技术可能会占用大量内存， merge()不是对整个合并后的序列排序，
# 而是使用一个堆一次一个元素地生成一个新序列，利用固定大小的内存确定下一个元素
import random
import heapq
random.seed(2020)
data = []
for i in range(4):
new_data = list(random.sample(range(1,101), 5))
new_data.sort()
data.append(new_data)
for i,d in enumerate(data):
print('{}: {}'.format(i, d))
print('\nMerged:')
for i in heapq.merge(*data):
print(i, end=' ')
print()
2. queue的使用
from queue import Queue,LifoQueue,PriorityQueue
# 先进先出队列
q=Queue()
# 后进先出队列 （通常与栈数据结构关联的）
lq=LifoQueue(maxsize=6)
# 优先级队列
pq=PriorityQueue(maxsize=5)
for i in range(5):
q.put(i) # 使用 put()将元素增加到序列的一端
lq.put(i)
pq.put(i)
print ("先进先出队列：%s;是否为空：%s；多大,%s;是否满,%s" %(q.queue,q.empty(),q.qsize(),q.full()))
print ("后进先出队列：%s;是否为空：%s;多大,%s;是否满,%s" %(lq.queue,lq.empty(),lq.qsize(),lq.full()))
print ("优先级队列：%s;是否为空：%s,多大,%s;是否满,%s" %(pq.queue,pq.empty(),pq.qsize(),pq.full()))
print(q.get(),lq.get(),pq.get()) # 使用 get() 从另一端取出（删除）
print ("先进先出队列：%s;是否为空：%s；多大,%s;是否满,%s" %(q.queue,q.empty(),q.qsize(),q.full()))
print ("后进先出队列：%s;是否为空：%s;多大,%s;是否满,%s" %(lq.queue,lq.empty(),lq.qsize(),lq.full()))
print ("优先级队列：%s;是否为空：%s,多大,%s;是否满,%s" %(pq.queue,pq.empty(),pq.qsize(),pq.full()))
标签：heapq,pq,python,queue,lq,print,data 来源： https://blog.csdn.net/u013946150/article/details/112167946
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。