标签：class 使用 ted 标准 优势 imp acm 最小 print
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:] ）。 需要在正确场合使用函数 nlargest() 和 nsmallest() 才能发挥它们的优势 （如果 N 快接近集合大小了，那么使用排序操作会更好些）
nlargest 相当于 sorted(iterable, key=key, reverse=True)[:n]
nsmallest 相当于 sorted(iterable, key=key)[:n]
import heapq nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2] print(heapq.nsmallest(2, nums)) print(heapq.nlargest(2, nums)) [-4, 1] [42, 37]
# 复杂的数据结构 可以通过key参数指定比较标准
import heapq 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} ] print(heapq.nlargest(2, portfolio, key=lambda x: x[‘price‘])) print(heapq.nsmallest(2, portfolio, key=lambda x: x[‘price‘])) [{‘name‘: ‘AAPL‘, ‘shares‘: 50, ‘price‘: 543.22}, {‘name‘: ‘ACME‘, ‘shares‘: 75, ‘price‘: 115.65}] [{‘name‘: ‘YHOO‘, ‘shares‘: 45, ‘price‘: 16.35}, {‘name‘: ‘FB‘, ‘shares‘: 200, ‘price‘: 21.09}]
标签：class 使用 ted 标准 优势 imp acm 最小 print
原文地址：https://www.cnblogs.com/wc89/p/12658598.html
