堆队列是一种特殊的树结构，其中每个父节点均小于或等于其子节点。在python中，它是使用heapq模块实现的。实施优先级队列非常有用，在该队列中，权重较高的队列项目在处理中具有更高的优先级。
堆队列是使用python内置的名为heapq的库创建的。该库具有相关的功能，可以对堆数据结构执行各种操作。下面是这些功能的列表。
heapify –此函数将常规列表转换为堆。在生成的堆中，最小的元素被推到索引位置0。但是其余数据元素不一定要排序。
heappush –此函数在不更改当前堆的情况下将元素添加到堆中。
heappop –该函数从堆中返回最小的数据元素。
heapreplace –该函数用函数中提供的新值替换最小的数据元素。
堆是通过简单地使用带有heapify函数的元素列表来创建的。在下面的示例中，我们提供了元素列表，并且heapify函数重新排列了元素，将最小的元素移到了第一个位置。
import heapq H = [21,1,45,78,3,5] # Use heapify to rearrange the elements heapq.heapify(H) print(H)
执行以上代码后，将产生以下结果-
[1, 3, 5, 78, 21, 45]
向堆中插入数据元素总是将元素添加到最后一个索引。但是您可以再次应用heapify函数，以将新添加的元素的值最小时才将其添加到第一个索引。在下面的示例中，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)
执行以上代码后，将产生以下结果-
[1, 3, 5, 78, 21, 45] [1, 3, 5, 78, 21, 45, 8]
您可以使用此功能删除第一个索引处的元素。在下面的示例中，该函数将始终删除索引位置为1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)
执行以上代码后，将产生以下结果-
[1, 3, 5, 78, 21, 45] [3, 21, 5, 78, 45]
heapreplace函数始终会删除堆中最小的元素，并将新的传入元素插入未按任何顺序固定的某个位置。
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)
执行以上代码后，将产生以下结果-
[1, 3, 5, 78, 21, 45] [3, 6, 5, 78, 21, 45]