本文实例讲述了python找到最大或最小的N个元素实现方法。分享给大家供大家参考，具体如下：
问题：想在某个集合中找出最大或最小的N个元素
解决方案：heapq模块中的nlargest()和nsmallest()两个函数正是我们需要的。
>>> import heapq >>> nums=[1,8,2,23,7,-4,18,23,42,37,2] >>> print(heapq.nlargest(3,nums)) [42, 37, 23] >>> print(heapq.nsmallest(3,nums)) [-4, 1, 2] >>>
这两个函数接受一个参数key，允许其工作在更复杂的数据结构之上：
# example.py
#
# Example of using heapq to find the N smallest or largest items
import heapq
portfolio = [
{'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'])
print(cheap)
print(expensive)
Python 3.4.0 (v3.4.0:04f714765c13, Mar 16 2014, 19:24:06) [MSC v.1600 32 bit (Intel)] on win32
Type "copyright", "credits" or "license()" for more information.
>>> ================================ RESTART ================================
>>>
[{'name': 'YHOO', 'price': 16.35, 'shares': 45}, {'name': 'FB', 'price': 21.09, 'shares': 200}, {'name': 'HPQ', 'price': 31.75, 'shares': 35}]
[{'name': 'AAPL', 'price': 543.22, 'shares': 50}, {'name': 'ACME', 'price': 115.65, 'shares': 75}, {'name': 'IBM', 'price': 91.1, 'shares': 100}]
>>>
如果正在寻找的最大或最小的N个元素，且相比于集合中元素的数量，N很小时，下面的函数性能更好。
这些函数首先会在底层将数据转化为列表，且元素会以堆的顺序排列。
>>> import heapq >>> nums=[1,8,2,23,7,-4,18,23,42,37,2] >>> heap=list(nums) >>> heap [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2] >>> heapq.heapify(heap) #heapify()参数必须是list，此函数将list变成堆，实时操作。从而能够在任何情况下使用堆的函数。 >>> heap [-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8] >>> heapq.heappop(heap)#如下是为了找到第3小的元素 -4 >>> heapq.heappop(heap) 1 >>> heapq.heappop(heap) 2 >>>
堆（heap）最重要的特性就是heap[0]总是最小的元素。可通过heapq.heappop()轻松找到最小值，这个操作的复杂度为O(logN)，N代表堆得大小。
总结：
1、当要找的元素数量相对较小时，函数nlargest()和nsmallest()才最适用。
2、若只是想找到最小和最大值（N=1）时，使用min()和max()会更快。
3、若N和集合本身的大小差不多，更快的方法是先对集合排序再进行切片操作（例如使用sorted(items)[:N]或sorted(items)[-N：]）
4、heapq.heappush(heap, item):将item压入到堆数组heap中。如果不进行此步操作，后面的heappop()失效；
heapq.heappop(heap):从堆数组heap中取出最小的值，并返回。
heapq.heapify(list):参数必须是list，此函数将list变成堆，实时操作。从而能够在任何情况下使用堆的函数。
heapq.heappushpop(heap, item):是上述heappush和heappop的合体，同时完成两者的功能.注意：相当于先操作了heappush(heap,item),然后操作heappop(heap)
heapreplace(heap, item):是heappop(heap)和heappush(heap,item)的联合操作。注意，与heappushpop(heap,item)的区别在于，顺序不同，这里是先进行删除，后压入堆
heap,merge(*iterables)
>>> h=[] #定义一个list >>> from heapq import * #引入heapq模块 >>> h [] >>> heappush(h,5) #向堆中依次增加数值 >>> heappush(h,2) >>> heappush(h,3) >>> heappush(h,9) >>> h #h的值 [2, 5, 3, 9] >>> heappop(h) #从h中删除最小的，并返回该值 2 >>> h [3, 5, 9] >>> h.append(1) #注意，如果不是压入堆中，而是通过append追加一个数值 >>> h #堆的函数并不能操作这个增加的数值，或者说它堆对来讲是不存在的 [3, 5, 9, 1] >>> heappop(h) #从h中能够找到的最小值是3,而不是1 3 >>> heappush(h,2) #这时，不仅将2压入到堆内，而且1也进入了堆。 >>> h [1, 2, 9, 5] >>> heappop(h) #操作对象已经包含了1 1
>>> h [1, 2, 9, 5] >>> heappop(h) 1 >>> heappushpop(h,4) #增加4同时删除最小值2并返回该最小值，与下列操作等同： 2 #heappush(h,4),heappop(h) >>> h [4, 5, 9]
>>> a=[3,6,1] >>> heapify(a) #将a变成堆之后，可以对其操作 >>> heappop(a) 1 >>> b=[4,2,5] #b不是堆，如果对其进行操作，显示结果如下 >>> heappop(b) #按照顺序，删除第一个数值并返回,不会从中挑选出最小的 4 >>> heapify(b) #变成堆之后，再操作 >>> heappop(b) 2
>>> a=[] >>> heapreplace(a,3) #如果list空，则报错 Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: index out of range >>> heappush(a,3) >>> a [3] >>> heapreplace(a,2) #先执行删除（heappop(a)->3),再执行加入（heappush(a,2)) 3 >>> a [2] >>> heappush(a,5) >>> heappush(a,9) >>> heappush(a,4) >>> a [2, 4, 9, 5] >>> heapreplace(a,6) #先从堆a中找出最小值并返回，然后加入6 2 >>> a [4, 5, 9, 6] >>> heapreplace(a,1) #1是后来加入的，在1加入之前，a中的最小值是4 4 >>> a [1, 5, 9, 6]
>>> a=[2,4,6] >>> b=[1,3,5] >>> c=merge(a,b) >>> list(c) [1, 2, 3, 4, 5, 6]
更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数据结构与算法教程》、《Python加密解密算法与技巧总结》、《Python编码操作技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。