当我测试出以下代码时,我无法弄清楚函数heapq.heappushpop()和heapq.heapreplace()之间的区别(推/弹操作的常规性)。
>>> from heapq import *
>>> a=[2,7,4,0,8,12,14,13,10,3,4]
>>> heapify(a)
>>> heappush(a,9)
>>> a
[0, 2, 4, 7, 3, 9, 14, 13, 10, 8, 4, 12]
>>> heappop(a)
0
>>> b=a.copy()
>>> heappushpop(a,6)
2
>>> heapreplace(b,6)
2
>>> a
[3, 4, 4, 7, 6, 9, 14, 13, 10, 8, 12]
>>> b
[3, 4, 4, 7, 6, 9, 14, 13, 10, 8, 12]
答案 0 :(得分:7)
heapreplace(a, x)
的值如何, a
都会返回x
中最初的最小值,而顾名思义,heappushpop(a, x)
会将x
推送到a
在弹出最小值之前{1}} 。使用您的数据,这里有一个显示差异的序列:
>>> from heapq import *
>>> a = [2,7,4,0,8,12,14,13,10,3,4]
>>> heapify(a)
>>> b = a[:]
>>> heappushpop(a, -1)
-1
>>> heapreplace(b, -1)
0
答案 1 :(得分:5)
在许多常见情况下,最终结果似乎相同,但过程和行为是不同的,并且在角落情况下可见:
heappushpop()
相当于首先推送,然后弹出,这意味着,除了其他事项之外,您的堆大小可能会在此过程中发生变化(例如,如果您的堆是空的,那么您将获得回到你推动的元素。)
heapreplace()
相当于首先弹出,然后推送,并附加限制,保证您的堆大小不会在此过程中发生变化。这意味着你会在空堆上得到一个错误,以及其他有趣的角落行为。
答案 2 :(得分:2)
非常重要的是要知道heapq
拥有这些方法的原因是提高效率
在功能方面,您可以这样思考
# if we assume len(list) == k
heapq.heappushpop(list, elem): # 2*log(K) runtime
heapq.push(list, elem) # log(K) runtime
return heapq.pop(list) # log(k) runtime
heapq.heapreplace(list, elem): # 2*log(K) runtime
returnValue = heapq.pop(list) # log(K) runtime
heapq.push(list, elem) # log(K) runtime
return returnValue
但是,当您可以使用push
,pop
执行所有操作时,为什么还有两个附加功能?
heapq.heappushpop()
和heapq.heapreplace()
仅使用log(K)时间!
# if we assume len(list) == k
heapq.heappushpop(list, elem): # log(K) runtime
if elem < list[0]:
return elem
return heapq.heapreplace(list, elem) # log(K) runtime
heapq.heapreplace(list, elem): # log(K) runtime
returnValue = list[0] # peek operation
list[0] = elem
heapq.bubbledown(list,0) # restore heap structure in log(K) time
return returnValue
耗时的操作是heapq.bubbledown
(实际上不是python api),这个功能非常类似于heapq.pop()
在解决Merge K sorted arrays等问题时,您会注意到这些功能非常方便。如果你只使用pop
+ push
(就像在java中一样),它会慢两倍:(
答案 3 :(得分:-1)
heapq.heappushpop
相当于先推送再弹出
同时
heapq.heapreplace
相当于先弹出再推送
作为演示:
>>> seq
[0, 1, 5, 2, 6, 7, 9, 3]
>>> heapq.heappushpop(seq, -1)
-1
>>> seq
[0, 1, 5, 2, 6, 7, 9, 3]
>>> heapq.heapreplace(seq, -1)
0
>>> seq
[-1, 1, 5, 2, 6, 7, 9, 3]