版权声明：本文为博主原创文章。未经博主同意不得转载。 https://blog.csdn.net/signjing/article/details/36201499
标准库：一些最爱
集合、堆和双端队列
集合
集合Set类位于sets模块中。
>>> range(10)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> set(range(10))
set([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
集合是由序列（或其它可迭代的对象)构建的。主要用于检查成员资格。因此，副本是被忽略的：
>>> range(10)*2
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> set(range(10)*2)
set([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
和字典一样，集合元素的顺序是随意的，因此不应该以元素的顺序作为根据进行编程：
>>> set(['b','a','c'])
set(['a', 'c', 'b'])
除了检查成员资格外，还能够使用标准的集合操作。如求并集和交集，能够用法，也能够对整数进行位操作时使用的操作。
如想找出两个集合的并集。能够使用其中一个集合的union方法或者使用按位与（OR）运算符”|”：
>>> a=set(range(5))
>>> a
set([0, 1, 2, 3, 4])
>>> b=set(range(1,8,2))
>>> b
set([1, 3, 5, 7])
>>> a.union(b)
set([0, 1, 2, 3, 4, 5, 7])
>>> a|b
set([0, 1, 2, 3, 4, 5, 7])
其它方法和运算符
交集
>>> c=a&b
>>> c
set([1, 3])
>>> c.issubset(a)
True
>>> c.issubset(b)
True
>>> c<=a
True
>>> c>=a
False
>>> c<=b
True
>>> c>=b
False
>>> a.intersection(b)
set([1, 3])
>>> a&b
set([1, 3])
差
>>> a.difference(b)
set([0, 2, 4])
>>> a-b
set([0, 2, 4])
>>> b-a
set([5, 7])
>>> b.difference(a)
set([5, 7])
对称差
>>> a.symmetric_difference(b)
set([0, 2, 4, 5, 7])
>>> a^b
set([0, 2, 4, 5, 7])
拷贝
>>> a.copy()
set([0, 1, 2, 3, 4])
>>> a.copy() is a
False
还有些原地运算符和相应的方法，以及基本方法add和remove。
集合是可变的，所以不能用做字典中的键。
另外一个问题是集合本身仅仅能包括不可变（可散列的）值，所以也就不能包括其它集合。
实际其中。集合的集合是非经常常使用的。所以这就是个问题：
幸好有个frozenset类型，用于代表不可变（可散列）的集合：
>>> a=set()
>>> b=set()
>>> a.add(b)
Traceback (most recent call last):
File "<pyshell#33>", line 1, in <module>
a.add(b)
TypeError: unhashable type: 'set'
>>> a.add(frozenset(b))
Frozenset构造函数创建给定集合的副本，无论是集合作为其它集合还是字典的键，frozenset都非常实用。
堆
堆（heap）是优先队列的一种。使用优先队列能够以随意顺序添加对象，而且能在不论什么时间（可能在添加对象的同一时候）找到（也可能是移除）最小的元素，也就是说比用于列表的min方法要有效率得多。
其实，python并没有独立的堆类型——仅仅有一个包括一些堆操作函数的模块，这个模块叫做heapq（q是queue的缩写）。
Heapq模块中重要的函数
|
函数 |
描写叙述 |
|
heappush(heap,x) |
将x入堆 |
|
heappop(heap,x) |
将堆中最小的元素弹出 |
|
heapify(heap) |
将heap属性强制应用到随意一个列表 |
|
heapreplace(heap,x) |
将堆中最小的元素弹出，同一时候将x入堆 |
|
nlargest(n,iter) |
返回iter中第n大的元素 |
|
nsmallest(n,iter) |
返回iter中第n小的元素 |
heappush函数用于添加堆的项。注意，不能将它用于不论什么之前讲述的列表中——它仅仅能用于通过各种堆函数创建的列表中。
原因是元素的顺序非常重要。
>>> from heapq import *
>>> from random import shuffle
>>> data=range(10)
>>> shuffle(data)
>>> heap=[]
>>> for n in data:
heappush(heap,n)
>>> heap
[0, 1, 5, 3, 2, 6, 7, 9, 8, 4]
>>> heappush(heap,0.5)
>>> heap
[0, 0.5, 5, 3, 1, 6, 7, 9, 8, 4, 2]
元素的顺序并不像看起来那么随意。虽然不是严格排序的，但也是有规则的：位于i位置上的元素总比i/2位置处的元素大（反过来说就是i位置处的元素总比2*i以及2*i+1位置处的元素小）。这是底层堆算法的基础，而这个特性称为堆属性。
heappop函数弹出最小的元素——一般来说都是在索引0处的元素，而且会确保剩余元素中最小的那个占领这个位置（保持刚才提到的堆属性）。
一般来说。虽然弹出列表的第一个元素并非非常有效率，但在这里不是问题。由于heappop在“幕后”会做一些静止的移位操作：
>>> heappop(heap)
0
>>> heappop(heap)
0.5
>>> heappop(heap)
1
>>> heap
[2, 3, 5, 8, 4, 6, 7, 9]
heapify函数使随意列表作为參数。并通过尽可能少的移位操作，将其转换为合法的堆。假设没实用heappush建立堆，那么在使用heappush和heappop前应该使用这个函数。
>>> heap=[5,8,0,3,6,7,9,1,4,2]
>>> heap
[5, 8, 0, 3, 6, 7, 9, 1, 4, 2]
>>> heapify(heap)
>>> heap
[0, 1, 5, 3, 2, 7, 9, 8, 4, 6]
heapreplace函数并不像其它函数那么经常使用。它弹出堆的最小元素。而且将新元素推入，这样做比调用heappop之后再调用heappush更高效。
>>> heapreplace(heap,0.5)
0
>>> heap
[0.5, 1, 5, 3, 2, 7, 9, 8, 4, 6]
>>> heapreplace(heap,10)
0.5
>>> heap
[1, 2, 5, 3, 6, 7, 9, 8, 4, 10]
heapq模块中剩下的两个函数nlargest(n,iter)和nsmallest(n,iter)分别用来寻找不论什么可迭代对象iter中第n大或第n小的元素。能够使用排序和分片来完毕这个工作。但堆算法更快而且更有效地使用内存。也更易用。
双端队列
双端队列（Double-ended queue，或称deque）在须要依照元素添加的顺序来移除元素时非常实用。
双端队列通过可迭代对象（比方集合）创建，而且有些非常实用的方法。
>>> from collections import deque
>>> q=deque(range(5))
>>> q.append(5)
>>> q.appendleft(6)
>>> q
deque([6, 0, 1, 2, 3, 4, 5])
>>> q.pop()
5
>>> q.popleft()
6
>>> q
deque([0, 1, 2, 3, 4])
>>> q.rotate(-1)
>>> q
deque([1, 2, 3, 4, 0])
>>> q.rotate(3)
>>> q
deque([3, 4, 0, 1, 2])
双端队列好用的原因是它能够有效地在开头（左側）添加和弹出元素，这是列表中无法实现的。
除此之外。使用双端队列的优点还有：能够有效地旋转（rotate）元素（也就是将它们左移或右移，使头尾相连）。双端队列对象还有extend和extendleft方法。extend和列表的extend方法几乎相同。extendleft则相似于appendleft。注意，extendleft使用的可迭代对象中的元素会反序出如今双端队列中。