堆是一个非线树形的数据结构，具有两个堆，最大堆和最小的堆。最小的元素。
最大堆：树中父节点的值总是大于任意节点的值
最小堆：树中父节点的值始终大于任何子公司节点的值
我们通常使用二元桩来获得优先队列。其内部调整算法复杂性是logn
heappush（堆，项目）：将项目按入HEQP。
结果：
HEAPPOP（堆）：最小值从堆项目中弹出。
结果：
结果：
注意：如果没有将其压碎到堆中，而是通过HEAPQ添加一个值，则堆的功能无法操作元素，或者该元素对Heap.LET的看法很难看。
结果：
可以发现-1不被-1所感知，否则弹出的最小元素应为-1而不是1
HAEPQ.HEAPIFY（列表）：必须列出参数。此功能必须将列表变成堆并实时运行。
结果：
处理后，List1已成为堆（最小元素1首先排名）
heappushpop（堆，项目）：Heappush方法和Heappop方法的组合，首先是Heatpush（Heap，Item），然后是Heappop（Heap）
首先是Heatpush
结果：
再次出现
结果：
结果：
堆（堆，项目）：头部和heappush方法的拟合方法，第一个heappop（heap），然后heappush（heap，item）
注意此方法和HeapPushpop方法之间的区别
第一个船宝
结果：
再次出现
结果：
结果：
合并（*迭代）：合并多个堆
结果：
可以看出，此方法将返回可以使用迭代或列表（）方法获取其内容的生成器
结果：
HAEPQ.NLARGOGE（n，iToble）：获得最大的N值
结果：
这是List1的两个最大数量
HAEPQ.NSMALLEST（n，它可以）：获取iterabile中最大的n个值
结果：
这是nlarem方法和nsmallest方法的最小列表1。当发现要找到的元素的数量相对较小时，函数nlargest（）和nsmallest（）非常合适。如果您只想找到唯一的最小值或最大值或最大（n = 1）元素，则是min（）和max（）函数将更快。类似，如果N的大小接近收集大小，通常会先对此集进行排序，然后更快地使用切片操作（sorted（items）[：n] [：n]或排序（项目）[-n：]）。有必要在正确的场合使用函数nlarges（）和nsmallest（）来发挥其优势（如果n接近收集大小，则使用排序操作会更好）。