heapq

import heapq

nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]
print(heapq.nlargest(3, nums))
print(heapq.nsmallest(3, nums))
# [42, 37,23]
# [-4,1,2]

# with key

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)

nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]
heapq.heapify(nums)  # 将集合数据进行堆排序后放入一个列表中
print(nums)
# [-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]
print(heapq.heappop(nums))
# -4 
print(heapq.heappop(nums))
# 1
print(heapq.heappop(nums))
# 2

当要查找的元素个数相对比较小的时候，

函数 nlargest() 和 nsmallest() 是很合适的。


如果你仅仅想查找唯一的最小或最大(N=1)的元素的话，

那么使用min()和max()函数会更快些。 

类似的，如果N的大小和集合大小接近的时候，

通常先排序这个集合然后再使用切片操作会更快点， 

( sorted(items)[:N] 或者是 sorted(items)[-N:] )。