快捷導(dǎo)航

詳解python之heapq模塊及排序操作

更新時(shí)間：2019年04月04日 08:40:22 作者：二十一

說到排序，很多人可能第一想到的就是sorted,但是你可能不知道python中其實(shí)還有還就中方法喲，并且好多種場景下效率都會(huì)比sorted高。那么接下來我就依次來介紹我所知道的排序操作

說到排序，很多人可能第一想到的就是sorted,但是你可能不知道python中其實(shí)還有還就中方法喲，并且好多種場景下效率都會(huì)比sorted高。那么接下來我就依次來介紹我所知道的排序操作。

sorted(iterable, *, key=None, reverse=False)

list1=[1,6,4,3,9,5]
list2=['12','a6','4','c34','b9','5']

print(sorted(list1)) #[1, 3, 4, 5, 6, 9]
print(sorted(list2)) #['12', '4', '5', 'a6', 'b9', 'c34']
#總結(jié)上面兩種排序：字符串排序根據(jù)元素首字符的ASCII比較進(jìn)行排序，
#數(shù)字類型按照大小排序，數(shù)字不能混合排序

list3=[
 {'name':'jim','age':23,'price':500},
 {'name':'mase','age':23,'price':600},
 {'name':'tom','age':25,'price':2000},
 {'name':'alice','age':22,'price':300},
 {'name':'rose','age':21,'price':2400},
]

print(sorted(list3,key=lambda s:(s['age'],s['price'])))
#[{'name': 'rose', 'age': 21, 'price': 2400}, {'name': 'alice', 'age': 22, 'price': 300}, {'name': 'jim', 'age': 23, 'price': 500}, {'name': 'mase', 'age': 23, 'price': 600}, {'name': 'tom', 'age': 25, 'price': 2000}]

最后的reverse參數(shù)我就不作說明了，就是把結(jié)果進(jìn)行倒序，可用作降序排列
介紹一種比lambda效率高的方式：
operator模塊中的方法itemgetter
>>> itemgetter(1)('ABCDEFG')
'B'
>>> itemgetter(1,3,5)('ABCDEFG')
('B', 'D', 'F')
>>> itemgetter(slice(2,None))('ABCDEFG')
'CDEFG
運(yùn)用到上述代碼
print(sorted(list3,key=itemgetter('age','price'))) #結(jié)果同上但效率會(huì)比較高

接下來的排序操作涉及到一個(gè)非常重要的一種數(shù)據(jù)結(jié)構(gòu)——堆，不過今天我主要介紹這個(gè)模塊中的方法，具體什么是堆，及其還有一種數(shù)據(jù)結(jié)構(gòu)——棧，有時(shí)間我會(huì)專門寫一篇文章來介紹。

heapq(Python內(nèi)置的模塊)

__all__ = ['heappush', 'heappop', 'heapify', 'heapreplace', 'merge',
'nlargest', 'nsmallest', 'heappushpop']

接下來我們一一介紹。

nlargest與nsmallest,通過字面意思可以看出方法大致的作用，接下來動(dòng)手測(cè)驗(yàn)

nlargest(n, iterable, key=None)
nsmallest(n, iterable, key=None)
#n:查找個(gè)數(shù) iterable:可迭代對(duì)象 key：同sorted

list1=[1,6,4,3,9,5]
list2=['12','a6','4','c34','b9','5']
list3=[
 {'name':'jim','age':23,'price':500},
 {'name':'mase','age':23,'price':600},
 {'name':'tom','age':25,'price':2000},
 {'name':'alice','age':22,'price':300},
 {'name':'rose','age':21,'price':2400},
]

from operator import itemgetter
import heapq

print(heapq.nlargest(len(list1),list1))
print(heapq.nlargest(len(list2),list2))
print(heapq.nlargest(len(list3),list3,key=itemgetter('age','price')))
#以上代碼輸出結(jié)果同sorted

print(heapq.nsmallest(len(list1),list1))
print(heapq.nsmallest(len(list2),list2))
print(heapq.nsmallest(len(list3),list3,key=itemgetter('age','price')))
#結(jié)果是降序
[1, 3, 4, 5, 6, 9]
['12', '4', '5', 'a6', 'b9', 'c34']
[{'name': 'rose', 'age': 21, 'price': 2400}, {'name': 'alice', 'age': 22, 'price': 300}, {'name': 'jim', 'age': 23, 'price': 500}, {'name': 'mase', 'age': 23, 'price': 600}, {'name': 'tom', 'age': 25, 'price': 2000}]

heappush,heappop,heapify,heapreplace,heappushpop

堆結(jié)構(gòu)特點(diǎn)：heap[0]永遠(yuǎn)是最小的元素(利用此特性排序)

heapify：對(duì)序列進(jìn)行堆排序，
heappush:在堆序列中添加值
heappop:刪除最小值并返回
heappushpop:添加并刪除堆中最小值且返回，添加之后刪除
heapreplace:添加并刪除隊(duì)中最小值且返回，刪除之后添加

nums=[54,23,64.,323,53,3,212,453,65]
heapify(nums)  #先進(jìn)行堆排序
print(heappop(nums))  #3
print(heappush(nums,50))  #添加操作，返回None
print(heappushpop(nums,10))  #由于是添加后刪除，所以返回10
print(heappop(nums))  #23
print(heapreplace(nums,10))  #和heappushpop，返回50
print(nums)  #[10, 53, 54, 65, 323, 64.0, 212, 453]

merge：合并多個(gè)序列

list1 = [1, 2, 3, 4, 5, 12]
set1 = {2, 3, 9, 23, 54}
s = list(merge(list1,set1))
print(s)  #[1, 2, 2, 3, 3, 4, 5, 9, 12, 54, 23]
#發(fā)現(xiàn)輸出結(jié)果不僅進(jìn)行了合并，還進(jìn)行了排序，有意思哈，可是換個(gè)代碼測(cè)驗(yàn)，你再看一下

list1 = [31, 2, 83, 24, 5, 12]
set1 = {2, 83, 9, 23, 54}
s = list(merge(list1,set1))
print(s)  #[2, 9, 31, 2, 83, 24, 5, 12, 83, 54, 23]
#你們肯定想這是什么鬼，一點(diǎn)都沒有頭緒，其實(shí)經(jīng)過我的多次測(cè)驗(yàn)，還是有規(guī)律的，但是由于沒有什么作用就不大篇幅說明了，喜歡刨根問題的小伙伴可以嘗試自己思考一下。

小伙伴們有沒有想我為何介紹這個(gè)模塊，并且和排序放在一起呢，其實(shí)在很多時(shí)候我們需要找序列中的前幾個(gè)最大值或者最小值，使用此模塊中的方法是最好不過的了。

如果需要全部排序我們使用sorted，需要查找最大或最小的幾個(gè)或者多個(gè)我們使用alargest/asmallest,查找最大最小使用max/min

您可能感興趣的文章: