heapq最主要的功能就是一个heapify，可以构造一个小根堆。注意默认是不支持大根堆的，可以采用插入相反数的方法来替代。
import heapq lst = [3, 1, 7, 9, 5] heapq.heapify(lst) print(lst) print(type(lst)) print(heapq.
输出为：
[1, 3, 7, 9, 5]
注意heapify(包括heapq封装的其他操作)都不会更改数据结构(仍为list)，只会以堆的操作规范对其进行处理。
虽然类型仍为list，但元素的顺序已经满足了堆的规范，所以从线性的角度看结果列表并非是有序的(是[1, 3, 7, 9, 5]而非[1, 3, 5, 7, 9])
插入元素
使用heappush方法：
import heapq lst = [3, 9, 7, 1, 5] heapq.heapify(lst) heapq.heappush(lst, 6) print(lst)
输出为：
[1, 3, 6, 9, 5, 7]
删除元素
即取出堆顶的最小元素：
import heapq
lst = [3, 9, 7, 1, 5]
heapq.heapify(lst)
heapq.heappush(lst, 6)
while len(lst) != 0:
print(heapq.heappop(lst))
输出为：
1 3 5 6 7 9
可以看到是升序的。需要注意的是，无论是插入还是删除，在进行操作之前必须调用heapify方法建堆：
import heapq
lst = [3, 9, 7, 1, 5]
# heapq.heapify(lst)
heapq.heappush(lst, 6)
while len(lst) != 0:
print(heapq.heappop(lst))
对于上面的代码，未建堆的话程序也能完成执行，但此时的结果是错误的：
3 6 5 1 7 9
获得前k大/小元素
使用nlargest与nsmallest方法：
import heapq lst = [3, 9, 7, 1, 5] heapq.heapify(lst) max_v = heapq.nlargest(2, lst) min_v = heapq.nsmallest(2, lst) print(max_v) print(min_v)
输出为：
[9, 7] [1, 3]
