Python使用heapq实现小顶堆（TopK大）、大顶堆（BtmK小）

需1求：给出N长的序列，求出TopK大的元素，使用小顶堆，heapq模块实现。

import heapqimport randomclass TopkHeap(object):    def __init__(self, k):        self.k = k        self.data = []    def Push(self, elem):        if len(self.data) < self.k:            heapq.heappush(self.data, elem)        else:            topk_small = self.data[0]            if elem > topk_small:                heapq.heapreplace(self.data, elem)    def TopK(self):        return [x for x in reversed([heapq.heappop(self.data) for x in xrange(len(self.data))])]if __name__ == "__main__":    print "Hello"    list_rand = random.sample(xrange(1000000), 100)    th = TopkHeap(3)    for i in list_rand:        th.Push(i)    print th.TopK()    print sorted(list_rand, reverse=True)[0:3]

上面的用heapq就能轻松搞定。变态的需求来了：给出N长的序列，求出BtmK小的元素，即使用大顶堆。heapq在实现的时候，没有给出一个类似Java的Compartor函数接口或比较函数，开发者给出了原因见这里：http://code.activestate.com/lists/python-list/162387/于是，人们想出了一些很NB的思路，见：http://stackoverflow.com/questions/14189540/python-topn-max-heap-use-heapq-or-self-implement我来概括一种最简单的：将push(e)改为push(-e)、pop(e)改为-pop(e)。也就是说，在存入堆、从堆中取出的时候，都用相反数，而其他逻辑与TopK完全相同，看代码：

class BtmkHeap(object):    def __init__(self, k):        self.k = k        self.data = []    def Push(self, elem):        # Reverse elem to convert to max-heap        elem = -elem        # Using heap algorighem        if len(self.data) < self.k:            heapq.heappush(self.data, elem)        else:            topk_small = self.data[0]            if elem > topk_small:                heapq.heapreplace(self.data, elem)    def BtmK(self):        return sorted([-x for x in self.data])

经过测试，是完全没有问题的，这思路太Trick了……