Python heapify和heappush的区别是什么？哪个更好？

heapify和heapush将最小项目放在顶部，并且最低项目位于正确的位置。我不明白有什么区别和用法的区别

import heapq
H = [21,1,45,78,3,5]
# Covert to a heap

# Add element
heapq.heappush(H,-100)
heapq.heappush(H,-98)
heapq.heappush(H,-1)
print(H)
heapq.heapify(H)

print(H)


# output: [-100, -98, 21, -1, 3, 5, 45, 78, 1]
# [-100, -98, 5, -1, 3, 21, 45, 78, 1]

---

heappush

和

heapify

之间存在多重差异

heappush

假设数组（

H

在您的例子中）已经是一个堆

heapify

不--

H

只需要是一个列表。请注意，在您的示例中，在执行三个

heappush

命令之前，数据结构

H

不是堆。（例如，

H

以

[21,1,45,78,3,5]

开头，但第一项

21

大于第二项

1

，这违反了堆的定义。）因此，

H

也不是

heappush

命令之后的堆。（

H

变为

[-100，-98,21，-1,3,5,45,78,1]

，但第三项

21

大于第六项

5

，这也违反了堆的定义。）

heapify

之后，

5

和

21

项已交换位置，因此

H

是正确的堆

heappush

向堆中添加新值

heapify

不会添加值——它会重新排列列表中的值

您可以通过创建一个空堆，然后为每个要添加的项目调用

heappush

来构建一个堆，或者您可以按任意顺序创建一个项目列表，然后在列表上调用

heapify

。

heappush

方法的时间复杂度为O（n*log（n）），其中

n

是堆的结束大小，而

heapify

方法的复杂度为O（n），大大降低。例如，如果要创建包含一百万个项目的堆，

heappush

方法最多可以使用

20000000

操作，而

heapify

方法最多只能使用

1000000

操作。这是一个差异系数

20

。当然，这些操作并不完全相同，实际的数字也略有不同，因此实际的因子会有所不同，但是

heapify

几乎肯定会更快

构建堆的

heappush

方法需要许多单独的语句或某种循环来添加项。

heapify

方法只要求列表存在。因此，

heapify

方法很可能使用更少的代码行和更少的代码复杂性。（将

for

循环添加到代码中会增加另一个级别的复杂性，这可能会导致更多错误。）

---

总之，在列表上执行

heapify

几乎总是比创建空列表并使用

heappush

添加许多项更好的选择。如果您只添加一些项目，

heappush

可能会更好。

谢谢Rory。很好的解释。不过，我对复杂性有点困惑。O（log（n））是否不小于O（n）？那么heappush有多慢？@Atarnew:哎呀，我打错了。应该是O（n*log（n））。我刚刚纠正了。谢谢Rory。回答得好。