heapqモジュール
heapq --nlargestモジュールは、2つの機能を有しており、リストnsmallestを見つけることができ、祖先、および他のデータ構造は、最大又はn個の要素の最小セット、のリストを返します
インポートheapqの
NUMS = {1、8、9、41、5、6、-5、21、42、37、2}
＃1 NUMS = [1、8、9、41、5、6、-5、21、42 、37、2]
＃1 NUMS =（1、8、9、41、5、6、-5、21、42、37、2）
印刷（heapq.nlargest（3、NUMS））
プリント（heapq.nsmallest（3 、NUMS））
結果
[42、41、37] [-5、1、2]
これらの2つの機能は、それらをより複雑なデータ構造で作業できるように、パラメータのキーを受け入れます
インポートheapqの
ポートフォリオ= [
{ '名前'： '日'、 '年齢'：25 '賃金'：100}、
{ '名前'： '明'、 '年齢'：10、 '賃金'：55}、
{ '名前'： 'サン'、 '年齢'：32、 '賃金'：321.5}、
{ '名前'： 'SI'、 '年齢' 28、 '賃金'：222.2}、
{ '名前'：「ウー」、 '年齢'：43 '賃金'：256}
]
安い= heapq.nsmallest（3、ポートフォリオ、キー=ラムダS：S [ '賃金']）
高価= heapq.nlargest（3、ポートフォリオ、キー=ラムダS：S [ '賃金']）
プリント（安い）
プリント（高価な）
結果
[{ '年齢'：10、 '名称'： '明'、 '賃金'：55}、{ '年齢'：25、 '名称'： '日'、 '賃金'：100}、{ '年齢'： 28、 '名称'： 'SI'、 '賃金'：222.2}]
[{ '年齢'：32、 '名称'： 'サン'、 '賃金'：321.5}、{ '年齢'：43、 'name'の： '呉'、 '賃金'：256}、{ '年齢'：28、 '名称'： 'SI'、 '賃金'：222.2}]
データ構造要素と比較して最大またはn個の要素の最小値、および探して、nが小さい場合は、上記の方法の性能は、我々は、スタックを使用することができ、このような場合には、それほど楽観的ではありません
インポートheapqの NUMS = [1、4、5、7、36、-3、65、33、26、28、2、4] ヒープ=リスト（NUMS） heapq.heapify（ヒープ） プリント（ヒープ）
結果
[-3、2、1、7,4、4、65、33、26、28、36、5]
これらの関数は、第1の下地データのリストに変換され、要素がスタックに配置されます
最も重要なパフォーマンス・ヒープヒープ[0]が最小の要素は常に、次の要素はheapq.heappopによって順番に（）メソッドを見つけてもよいです
この方法れる最初の要素（最小）ポップアップ（この操作の複雑さは、O（logN個）であり、Nは、ヒープのサイズを表す）は、第2の元素で置換
heapq --nlargestモジュールは、2つの機能を有しており、リストnsmallestを見つけることができ、祖先、および他のデータ構造は、最大又はn個の要素の最小セット、のリストを返します
インポートheapqの
NUMS = {1、8、9、41、5、6、-5、21、42、37、2}
＃1 NUMS = [1、8、9、41、5、6、-5、21、42 、37、2]
＃1 NUMS =（1、8、9、41、5、6、-5、21、42、37、2）
印刷（heapq.nlargest（3、NUMS））
プリント（heapq.nsmallest（3 、NUMS））
結果
[42、41、37] [-5、1、2]
これらの2つの機能は、それらをより複雑なデータ構造で作業できるように、パラメータのキーを受け入れます
インポートheapqの
ポートフォリオ= [
{ '名前'： '日'、 '年齢'：25 '賃金'：100}、
{ '名前'： '明'、 '年齢'：10、 '賃金'：55}、
{ '名前'： 'サン'、 '年齢'：32、 '賃金'：321.5}、
{ '名前'： 'SI'、 '年齢' 28、 '賃金'：222.2}、
{ '名前'：「ウー」、 '年齢'：43 '賃金'：256}
]
安い= heapq.nsmallest（3、ポートフォリオ、キー=ラムダS：S [ '賃金']）
高価= heapq.nlargest（3、ポートフォリオ、キー=ラムダS：S [ '賃金']）
プリント（安い）
プリント（高価な）
結果
[{ '年齢'：10、 '名称'： '明'、 '賃金'：55}、{ '年齢'：25、 '名称'： '日'、 '賃金'：100}、{ '年齢'： 28、 '名称'： 'SI'、 '賃金'：222.2}]
[{ '年齢'：32、 '名称'： 'サン'、 '賃金'：321.5}、{ '年齢'：43、 'name'の： '呉'、 '賃金'：256}、{ '年齢'：28、 '名称'： 'SI'、 '賃金'：222.2}]
データ構造要素と比較して最大またはn個の要素の最小値、および探して、nが小さい場合は、上記の方法の性能は、我々は、スタックを使用することができ、このような場合には、それほど楽観的ではありません
インポートheapqの NUMS = [1、4、5、7、36、-3、65、33、26、28、2、4] ヒープ=リスト（NUMS） heapq.heapify（ヒープ） プリント（ヒープ）
結果
[-3、2、1、7,4、4、65、33、26、28、36、5]
これらの関数は、第1の下地データのリストに変換され、要素がスタックに配置されます
最も重要なパフォーマンス・ヒープヒープ[0]が最小の要素は常に、次の要素はheapq.heappopによって順番に（）メソッドを見つけてもよいです
この方法れる最初の要素（最小）ポップアップ（この操作の複雑さは、O（logN個）であり、Nは、ヒープのサイズを表す）は、第2の元素で置換