您可以很容易地从堆中删除第i个元素:
h[i] = h[-1]
h.pop()
heapq.heapify(h)
只需将要删除的元素替换为最后一个元素,然后删除最后一个元素,然后重新堆化堆即可。这是O(n),如果需要,您可以在O(log(n))中做同样的事情,但是您需要调用几个内部的heapify函数,或者更好的是,如larsmans指出的那样,只需复制将_siftup / _siftdown从heapq.py转换为您自己的代码:
h[i] = h[-1]
h.pop()
if i < len(h):
heapq._siftup(h, i)
heapq._siftdown(h, 0, i)
请注意,在每种情况下您都不能这样做h[i] = h.pop()
,因为如果i
引用最后一个元素,该操作将失败。如果特殊情况下删除最后一个元素,则可以结合覆盖和弹出。
请注意,根据堆的典型大小,您可能会发现,仅heapify
在理论上效率较低的情况下进行调用可能比重用_siftup
/快一些_siftdown
:进行一些自省会发现这heapify
可能是用C实现的,但是内部函数的C实现没有暴露。如果性能对您很重要,则可以考虑对典型数据进行一些时序测试,以了解哪种方法最好。除非您的堆真的很大,否则大O可能不是最重要的因素。
有人试图编辑此答案,以删除_siftdown
带有以下内容的通话:
不需要_siftdown。保证新h [i]是旧h [i]的最小子项??,但仍大于旧h [i]的父(新h [i]的父)。_siftdown将为空。由于我没有足够的代表来添加评论,因此我必须进行编辑。
他们在此评论中错过的h[-1]
可能根本不是孩子h[i]
。插入的新值h[i]
可能来自堆的完全不同的分支,因此可能需要沿任一方向进行筛选。
同样在询问为什么不仅仅用于sort()
还原堆的评论中:调用_siftup
和_siftdown
都是O(log n)操作,调用heapify就是O(n)。调用sort()
是一个O(n log n)操作。调用排序很有可能足够快,但是对于大堆来说,这是不必要的开销。
以避免@Seth Bruder指出的问题。当i
引用end元素时,_siftup()
调用将失败,但是在那种情况下,将元素从堆的末端弹出不会破坏堆的不变性。