Python 3.x 为什么heapq.heapify这么快？

我尝试重新实现heapify方法，以便使用

\u siftup

和

\u siftdown

更新或删除堆中的任何节点，并保持O（log（n））的时间复杂度

我做了一些努力来优化我的代码，但与

heapq.heapify

（就所花费的总时间而言）相比，它们被证明是更糟糕的。所以我决定调查一下。并将复制的代码与模块代码进行了比较

#堆不变量。
def\U siftdown（堆、启动、位置）：
newitem=heap[pos]
#沿着根的路径，向下移动父对象，直到找到一个位置
#新项目适合。
当pos>startpos时：
parentpos=（pos-1）>>1
父=堆[parentpos]
如果newitem<父项：
堆[pos]=父
pos=parentpos
持续
打破
堆[pos]=newitem
def_siftup（堆，位置）：
endpos=len（堆）
startpos=pos
newitem=heap[pos]
#把较小的孩子泡起来，直到碰到叶子为止。
childpos=2*pos+1#最左边的子位置
而childpos

我发现总是

cp3-cp2

=

cp2-cp1

不一样，

heapify

花费的时间比

heapq.heapify

多，即使两者都一样。 在某些情况下，

heapify

需要3秒，

heapq.heapify

需要0.1秒

heapq.heapfy模块的执行速度比同一个heapify模块快，因为它们仅通过导入而有所不同

---

请告诉我原因，如果我犯了一些愚蠢的错误，我很抱歉。

来自

heapq

模块的

heapify

实际上是一个内置函数：

>>> import heapq
>>> heapq
<module 'heapq' from 'python3.9/heapq.py'>
>>> heapq.heapify
<built-in function heapify>

---

这将用它们的C实现覆盖像

heapify

这样的函数。例如，

\u heapq.heapify

是。

添加到这一点上，因为我很惊讶。如果可能的话，就是用C覆盖Python定义的地方。@aryamcarthy，是的，我也找到了！

# If available, use C implementation
try:
    from _heapq import *
except ImportError:
    pass