Python bevat de heapq-module voor min-heaps, maar ik heb een max-heap nodig. Wat moet ik gebruiken voor een max-heap-implementatie in Python?
Antwoord 1, autoriteit 100%
De gemakkelijkste manier is om de waarde van de sleutels om te keren en heapq te gebruiken. Verander bijvoorbeeld 1000,0 in -1000,0 en 5,0 in -5,0.
Antwoord 2, autoriteit 88%
U kunt
. gebruiken
import heapq
listForTree = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]
heapq.heapify(listForTree) # for a min heap
heapq._heapify_max(listForTree) # for a maxheap!!
Als je dan elementen wilt laten knallen, gebruik dan:
heapq.heappop(minheap) # pop from minheap
heapq._heappop_max(maxheap) # pop from maxheap
Antwoord 3, autoriteit 33%
De oplossing is om uw waarden te negeren wanneer u ze opslaat in de heap, of uw objectvergelijking als volgt om te keren:
import heapq
class MaxHeapObj(object):
def __init__(self, val): self.val = val
def __lt__(self, other): return self.val > other.val
def __eq__(self, other): return self.val == other.val
def __str__(self): return str(self.val)
Voorbeeld van een max-heap:
maxh = []
heapq.heappush(maxh, MaxHeapObj(x))
x = maxh[0].val # fetch max value
x = heapq.heappop(maxh).val # pop max value
Maar je moet onthouden dat je je waarden moet in- en uitpakken, waarbij je moet weten of je te maken hebt met een min- of max-heap.
MinHeap, MaxHeap-klassen
Het toevoegen van klassen voor MinHeap– en MaxHeap-objecten kan uw code vereenvoudigen:
class MinHeap(object):
def __init__(self): self.h = []
def heappush(self, x): heapq.heappush(self.h, x)
def heappop(self): return heapq.heappop(self.h)
def __getitem__(self, i): return self.h[i]
def __len__(self): return len(self.h)
class MaxHeap(MinHeap):
def heappush(self, x): heapq.heappush(self.h, MaxHeapObj(x))
def heappop(self): return heapq.heappop(self.h).val
def __getitem__(self, i): return self.h[i].val
Voorbeeld van gebruik:
minh = MinHeap()
maxh = MaxHeap()
# add some values
minh.heappush(12)
maxh.heappush(12)
minh.heappush(4)
maxh.heappush(4)
# fetch "top" values
print(minh[0], maxh[0]) # "4 12"
# fetch and remove "top" values
print(minh.heappop(), maxh.heappop()) # "4 12"
Antwoord 4, autoriteit 15%
De gemakkelijkste en ideale oplossing
Vermenigvuldig de waarden met -1
Daar ga je. Alle hoogste getallen zijn nu de laagste en vice versa.
Onthoud dat wanneer je een element popt om het te vermenigvuldigen met -1 om de oorspronkelijke waarde weer te krijgen.
Antwoord 5, autoriteit 3%
Ik heb een max heap-versie van heapq geïmplementeerd en deze bij PyPI ingediend. (Zeer kleine wijziging van de CPython-code van de heapq-module.)
https://pypi.python.org/pypi/heapq_max/
https://github.com/he-zhe/heapq_max
Installatie
pip install heapq_max
Gebruik
tl;dr: hetzelfde als de heapq-module behalve het toevoegen van ‘_max’ aan alle functies.
heap_max = [] # creates an empty heap
heappush_max(heap_max, item) # pushes a new item on the heap
item = heappop_max(heap_max) # pops the largest item from the heap
item = heap_max[0] # largest item on the heap without popping it
heapify_max(x) # transforms list into a heap, in-place, in linear time
item = heapreplace_max(heap_max, item) # pops and returns largest item, and
# adds new item; the heap size is unchanged
Antwoord 6, autoriteit 3%
Dit is een eenvoudige MaxHeap-implementatie op basis van heapq. Hoewel het alleen werkt met numerieke waarden.
import heapq
from typing import List
class MaxHeap:
def __init__(self):
self.data = []
def top(self):
return -self.data[0]
def push(self, val):
heapq.heappush(self.data, -val)
def pop(self):
return -heapq.heappop(self.data)
Gebruik:
max_heap = MaxHeap()
max_heap.push(3)
max_heap.push(5)
max_heap.push(1)
print(max_heap.top()) # 5
Antwoord 7, autoriteit 3%
De gemakkelijkste manier
is om elk element in negatief om te zetten en het zal je probleem oplossen.
import heapq
heap = []
heapq.heappush(heap, 1*(-1))
heapq.heappush(heap, 10*(-1))
heapq.heappush(heap, 20*(-1))
print(heap)
De uitvoer ziet er als volgt uit:
[-20, -1, -10]
Antwoord 8, autoriteit 2%
Als u sleutels invoegt die vergelijkbaar zijn maar niet int-achtig, kunt u mogelijk de vergelijkingsoperatoren erop overschrijven (d.w.z. <= wordt > en > wordt <=). Anders kun je heapq._siftup overschrijven in de heapq-module (het is uiteindelijk allemaal maar Python-code).
Antwoord 9
Ik moest ook een max-heap gebruiken en ik had te maken met gehele getallen, dus heb ik de twee methoden die ik nodig had uit heapals volgt verpakt:
import heapq
def heappush(heap, item):
return heapq.heappush(heap, -item)
def heappop(heap):
return -heapq.heappop(heap)
En toen heb ik zojuist mijn heapq.heappush()– en heapq.heappop()-aanroepen vervangen door heappush()en heappop()respectievelijk.
Antwoord 10
Hiermee kunt u een willekeurig aantal grootste of kleinste items kiezen
import heapq
heap = [23, 7, -4, 18, 23, 42, 37, 2, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]
heapq.heapify(heap)
print(heapq.nlargest(3, heap)) # [42, 42, 37]
print(heapq.nsmallest(3, heap)) # [-4, -4, 2]
Antwoord 11
Het uitbreiden van de klasse int en het negeren van __lt__is een van de manieren.
import queue
class MyInt(int):
def __lt__(self, other):
return self > other
def main():
q = queue.PriorityQueue()
q.put(MyInt(10))
q.put(MyInt(5))
q.put(MyInt(1))
while not q.empty():
print (q.get())
if __name__ == "__main__":
main()
12
Als u het grootste k-element wilt ontvangen met behulp van Max Heap, kunt u de volgende truc doen:
nums= [3,2,1,5,6,4]
k = 2 #k being the kth largest element you want to get
heapq.heapify(nums)
temp = heapq.nlargest(k, nums)
return temp[-1]
13
Volgen op de uitstekende Antwoord , ik zou graag een voorbeeld geven op K Dichtste punten naar de oorsprong met behulp van Max Heap.
from math import sqrt
import heapq
class MaxHeapObj(object):
def __init__(self, val):
self.val = val.distance
self.coordinates = val.coordinates
def __lt__(self, other):
return self.val > other.val
def __eq__(self, other):
return self.val == other.val
def __str__(self):
return str(self.val)
class MinHeap(object):
def __init__(self):
self.h = []
def heappush(self, x):
heapq.heappush(self.h, x)
def heappop(self):
return heapq.heappop(self.h)
def __getitem__(self, i):
return self.h[i]
def __len__(self):
return len(self.h)
class MaxHeap(MinHeap):
def heappush(self, x):
heapq.heappush(self.h, MaxHeapObj(x))
def heappop(self):
return heapq.heappop(self.h).val
def peek(self):
return heapq.nsmallest(1, self.h)[0].val
def __getitem__(self, i):
return self.h[i].val
class Point():
def __init__(self, x, y):
self.distance = round(sqrt(x**2 + y**2), 3)
self.coordinates = (x, y)
def find_k_closest(points, k):
res = [Point(x, y) for (x, y) in points]
maxh = MaxHeap()
for i in range(k):
maxh.heappush(res[i])
for p in res[k:]:
if p.distance < maxh.peek():
maxh.heappop()
maxh.heappush(p)
res = [str(x.coordinates) for x in maxh.h]
print(f"{k} closest points from origin : {', '.join(res)}")
points = [(10, 8), (-2, 4), (0, -2), (-1, 0), (3, 5), (-2, 3), (3, 2), (0, 1)]
find_k_closest(points, 3)
14
Om uit te werken op https://stackoverflow.com/a/59311063/1328979 , hier is een volledig gedocumenteerd, geannoteerde en geteste Python 3-implementatie voor de algemene zaak.
from __future__ import annotations # To allow "MinHeap.push -> MinHeap:"
from typing import Generic, List, Optional, TypeVar
from heapq import heapify, heappop, heappush, heapreplace
T = TypeVar('T')
class MinHeap(Generic[T]):
'''
MinHeap provides a nicer API around heapq's functionality.
As it is a minimum heap, the first element of the heap is always the
smallest.
>>> h = MinHeap([3, 1, 4, 2])
>>> h[0]
1
>>> h.peek()
1
>>> h.push(5) # N.B.: the array isn't always fully sorted.
[1, 2, 4, 3, 5]
>>> h.pop()
1
>>> h.pop()
2
>>> h.pop()
3
>>> h.push(3).push(2)
[2, 3, 4, 5]
>>> h.replace(1)
2
>>> h
[1, 3, 4, 5]
'''
def __init__(self, array: Optional[List[T]] = None):
if array is None:
array = []
heapify(array)
self.h = array
def push(self, x: T) -> MinHeap:
heappush(self.h, x)
return self # To allow chaining operations.
def peek(self) -> T:
return self.h[0]
def pop(self) -> T:
return heappop(self.h)
def replace(self, x: T) -> T:
return heapreplace(self.h, x)
def __getitem__(self, i) -> T:
return self.h[i]
def __len__(self) -> int:
return len(self.h)
def __str__(self) -> str:
return str(self.h)
def __repr__(self) -> str:
return str(self.h)
class Reverse(Generic[T]):
'''
Wrap around the provided object, reversing the comparison operators.
>>> 1 < 2
True
>>> Reverse(1) < Reverse(2)
False
>>> Reverse(2) < Reverse(1)
True
>>> Reverse(1) <= Reverse(2)
False
>>> Reverse(2) <= Reverse(1)
True
>>> Reverse(2) <= Reverse(2)
True
>>> Reverse(1) == Reverse(1)
True
>>> Reverse(2) > Reverse(1)
False
>>> Reverse(1) > Reverse(2)
True
>>> Reverse(2) >= Reverse(1)
False
>>> Reverse(1) >= Reverse(2)
True
>>> Reverse(1)
1
'''
def __init__(self, x: T) -> None:
self.x = x
def __lt__(self, other: Reverse) -> bool:
return other.x.__lt__(self.x)
def __le__(self, other: Reverse) -> bool:
return other.x.__le__(self.x)
def __eq__(self, other) -> bool:
return self.x == other.x
def __ne__(self, other: Reverse) -> bool:
return other.x.__ne__(self.x)
def __ge__(self, other: Reverse) -> bool:
return other.x.__ge__(self.x)
def __gt__(self, other: Reverse) -> bool:
return other.x.__gt__(self.x)
def __str__(self):
return str(self.x)
def __repr__(self):
return str(self.x)
class MaxHeap(MinHeap):
'''
MaxHeap provides an implement of a maximum-heap, as heapq does not provide
it. As it is a maximum heap, the first element of the heap is always the
largest. It achieves this by wrapping around elements with Reverse,
which reverses the comparison operations used by heapq.
>>> h = MaxHeap([3, 1, 4, 2])
>>> h[0]
4
>>> h.peek()
4
>>> h.push(5) # N.B.: the array isn't always fully sorted.
[5, 4, 3, 1, 2]
>>> h.pop()
5
>>> h.pop()
4
>>> h.pop()
3
>>> h.pop()
2
>>> h.push(3).push(2).push(4)
[4, 3, 2, 1]
>>> h.replace(1)
4
>>> h
[3, 1, 2, 1]
'''
def __init__(self, array: Optional[List[T]] = None):
if array is not None:
array = [Reverse(x) for x in array] # Wrap with Reverse.
super().__init__(array)
def push(self, x: T) -> MaxHeap:
super().push(Reverse(x))
return self
def peek(self) -> T:
return super().peek().x
def pop(self) -> T:
return super().pop().x
def replace(self, x: T) -> T:
return super().replace(Reverse(x)).x
if __name__ == '__main__':
import doctest
doctest.testmod()
https://gist.github.com/marccarre/577a55850998da02af3d4b7b98152cf4
Antwoord 15
De heapq-moduleheeft alles wat je nodig hebt om een maxheap te implementeren.
Het doet alleen de heappush-functionaliteit van max-heap.
Hieronder heb ik laten zien hoe je dat kunt oplossen ⬇
Voeg deze functie toe aan de heapq-module:
def _heappush_max(heap, item):
"""Push item onto heap, maintaining the heap invariant."""
heap.append(item)
_siftdown_max(heap, 0, len(heap)-1)
en voeg aan het einde dit toe:
try:
from _heapq import _heappush_max
except ImportError:
pass
Voila! Het is klaar.
PS– om naar de heapq-functie te gaan. schrijf eerst ” import heapq” in je editor en klik dan met de rechtermuisknop op ‘heapq’ en selecteer ga naar definitie.