"heapq" --- 堆積佇列 (heap queue) 演算法
****************************************

**原始碼：**Lib/heapq.py

======================================================================

這個模組實作了堆積佇列 (heap queue) 演算法，亦被稱為優先佇列 (priority
queue) 演算法。

最小堆積 (min-heap) 是一顆二元樹，樹上每個父節點的值都小於或等於其子節
點的值。我們將這種情況稱為堆積性質不變 (heap invariant)。

對於最小堆積，此實作使用串列，對於所有存在的被比較元素，*k* 都滿足
"heap[k] <= heap[2*k+1]" 和 "heap[k] <= heap[2*k+2]"。元素是從零開始計
數。最小堆積有一個有趣的性質：最小的元素永遠在根節點 "heap[0]"。

Max-heaps satisfy the reverse invariant: every parent node has a value
*greater* than any of its children.  These are implemented as lists
for which "maxheap[2*k+1] <= maxheap[k]" and "maxheap[2*k+2] <=
maxheap[k]" for all *k* for which the compared elements exist. The
root, "maxheap[0]", contains the *largest* element;
"heap.sort(reverse=True)" maintains the max-heap invariant.

"heapq" API 與教科書上的堆積演算法在兩個方面不同：(a) 我們使用從零開始
的索引。這使得節點索引和其子節點索引之間的關係變得不那麼明顯，但由於
Python 使用從零開始的索引，所以這樣更適合。(b) 教科書通常專注於最大堆
積，因為它們適合原地排序。我們的實作偏向於最小堆積，因為它們更符合
Python "串列"。

這兩個特性使得可以將堆積視為一個普通的 Python 串列而不會有意外：
"heap[0]" 是最小的元素，而 "heap.sort()" 維持堆積性質不變！

Like "list.sort()", this implementation uses only the "<" operator for
comparisons, for both min-heaps and max-heaps.

In the API below, and in this documentation, the unqualified term
*heap* generally refers to a min-heap. The API for max-heaps is named
using a "_max"  suffix.

要建立一個堆積，使用初始化為 "[]" 的串列，或者分別使用 "heapify()" 或
"heapify_max()" 函式將現有的串列轉換為最小堆積或最大堆積。

提供了以下針對最小堆積的函式：

heapq.heapify(x)

   在線性時間內將串列 *x* 原地轉換為最小堆積。

heapq.heappush(heap, item)

   將值 *item* 推入 *heap*，並維持最小堆積性質不變。

heapq.heappop(heap)

   從 *heap* 取出並回傳最小的元素，維持最小堆積性質不變。如果堆積為空
   ，會引發 "IndexError"。若要在不取出的情況下存取最小元素，請使用
   "heap[0]"。

heapq.heappushpop(heap, item)

   將 *item* 放入 heap ，接著從 *heap* 取出並回傳最小的元素。這個組合
   函式比呼叫 "heappush()" 之後呼叫 "heappop()" 更有效率。

heapq.heapreplace(heap, item)

   從 *heap* 取出並回傳最小的元素，接著將新的 *item* 放進heap。heap 的
   大小不會改變。如果 heap 是空的會產生 "IndexError" 錯誤。

   這個一次完成的操作會比呼叫 "heappop()" 之後呼叫 "heappush()" 更有效
   率，並在維護 heap 的大小不變時更為適當，取出/放入的組合函式一定會從
   heap 回傳一個元素並用 *item* 取代他。

   函式的回傳值可能會大於被加入的 *item* 。如果這不是你期望發生的，可
   以考慮使用 "heappushpop()" 替代，他會回傳 heap 的最小值和 *item* 兩
   個當中比較小的那個，並將大的留在 heap 內。

提供以下針對最大堆積的函式：

heapq.heapify_max(x)

   在線性時間內將串列 *x* 原地轉換為最大堆積。

   在 3.14 版被加入.

heapq.heappush_max(heap, item)

   將值 *item* 推入最大堆積 *heap*，維持最大堆積性質不變。

   在 3.14 版被加入.

heapq.heappop_max(heap)

   從最大堆積 *heap* 取出並回傳最大的元素，維持最大堆積性質不變。如果
   最大堆積為空，會引發 "IndexError"。若要在不取出的情況下存取最大元素
   ，請使用 "maxheap[0]"。

   在 3.14 版被加入.

heapq.heappushpop_max(heap, item)

   將 *item* 推入 max-heap *heap*，然後取出並回傳 *heap* 中最大的元素
   。這個組合動作比先呼叫 "heappush_max()" 再單獨呼叫 "heappop_max()"
   更有效率。

   在 3.14 版被加入.

heapq.heapreplace_max(heap, item)

   從最大堆積 *heap* 取出並回傳最大的元素，同時推入新的 *item*。最大堆
   積的大小不會改變。如果最大堆積為空，會引發 "IndexError"。

   The value returned may be smaller than the *item* added.  Refer to
   the analogous function "heapreplace()" for detailed usage notes.

   在 3.14 版被加入.

這個模組也提供三個利用 heap 實作的一般用途函式

heapq.merge(*iterables, key=None, reverse=False)

   合併多個已排序的輸入並產生單一且已排序的輸出（舉例：合併來自多個
   log 檔中有時間戳記的項目）。回傳一個 *iterator* 包含已經排序的值。

   和 "sorted(itertools.chain(*iterables))" 類似但回傳值是一個
   iterable ，不會一次把所有資料都放進記憶體中，並且假設每一個輸入都已
   經（由小到大）排序過了。

   有兩個選用參數，指定時必須被當作關鍵字參數指定。

   *key* 參數指定了一個 *key function*  引數，用來從每一個輸入的元素中
   決定一個比較的依據。預設的值是 "None" （直接比較元素）。

   *reverse* 是一個布林值，如果設定為 "True" ，則輸入的元素將以相反的
   比較順序進行合併。為了達成類似 "sorted(itertools.chain(*iterables),
   reverse=True)" 的行為，所有 iterables 必須由大到小排序。

   在 3.5 版的變更: 加入選用參數 *key* 和 *reverse* 。

heapq.nlargest(n, iterable, key=None)

   回傳一個包含資料 *iterable* 中前 *n* 大元素的 list 。如果有指定
   *key* 引數，*key* 會是只有一個引數的函式，用來從每一個在 *iterable*
   中的元素提取一個比較的依據（例如 "key=str.lower" ）。效果相當於
   "sorted(iterable, key=key, reverse=True)[:n]" 。

heapq.nsmallest(n, iterable, key=None)

   回傳一個包含資料 *iterable* 中前 *n* 小元素的 list 。如果有指定
   *key* 引數，*key* 會是只有一個引數的函式，用來從每一個在 *iterable*
   中的元素提取一個比較的依據（例如 "key=str.lower" ）。效果相當於
   "sorted(iterable, key=key)[:n]" 。

後兩個函式在 *n* 值比較小時有最好的表現。對於較大的 *n* 值，只用
"sorted()" 函式會更有效率。同樣地，當 "n==1" 時，使用內建函式 "min()"
和 "max()" 會有更好的效率。如果需要重複使用這些函式，可以考慮將
iterable 轉成真正的 heap 。


基礎範例
========

堆積排序 (heapsort) 可以透過將所有的值推入一個 heap，並且從 heap 中一
個接一個彈出最小元素來實作：

   >>> def heapsort(iterable):
   ...     h = []
   ...     for value in iterable:
   ...         heappush(h, value)
   ...     return [heappop(h) for i in range(len(h))]
   ...
   >>> heapsort([1, 3, 5, 7, 9, 2, 4, 6, 8, 0])
   [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

雖然類似 "sorted(iterable)" ，但跟 "sorted()" 不同的是，這個實作不是
stable 的排序。

Heap 中的元素可以是 tuple 。這有利於將要比較的值（例如一個 task 的優先
度）和主要資料放在一起排序：

   >>> h = []
   >>> heappush(h, (5, 'write code'))
   >>> heappush(h, (7, 'release product'))
   >>> heappush(h, (1, 'write spec'))
   >>> heappush(h, (3, 'create tests'))
   >>> heappop(h)
   (1, 'write spec')


Other Applications
==================

Medians are a measure of central tendency for a set of numbers.  In
distributions skewed by outliers, the median provides a more stable
estimate than an average (arithmetic mean).  A running median is an
online algorithm that updates continuously as new data arrives.

A running median can be efficiently implemented by balancing two
heaps, a max-heap for values at or below the midpoint and a min-heap
for values above the midpoint.  When the two heaps have the same size,
the new median is the average of the tops of the two heaps; otherwise,
the median is at the top of the larger heap:

   def running_median(iterable):
       "Yields the cumulative median of values seen so far."

       lo = []  # max-heap
       hi = []  # min-heap (same size as or one smaller than lo)

       for x in iterable:
           if len(lo) == len(hi):
               heappush_max(lo, heappushpop(hi, x))
               yield lo[0]
           else:
               heappush(hi, heappushpop_max(lo, x))
               yield (lo[0] + hi[0]) / 2

舉例來說：

   >>> list(running_median([5.0, 9.0, 4.0, 12.0, 8.0, 9.0]))
   [5.0, 7.0, 5.0, 7.0, 8.0, 8.5]


優先佇列實作細節
================

優先佇列 (priority queue) 是 heap 的常見用途之一，實作優先佇列伴隨著下
列挑戰：

* 排序的穩定性：如何將兩個擁有相同優先次序 (priority) 的 task 按照他們
  被加入的順序回傳?

* Tuple的排序在某些情況下會壞掉，例如當 Tuple (priority, task) 的
  priorities 相等且 tasks 沒有一個預設的排序時。

* 當一個 heap 中 task 的 priority 改變時，如何將它移到 heap 正確的位置
  上?

* 或者一個還沒被解決的 task 需要被刪除時，要如何從佇列中找到並刪除指定
  的 task?

一個針對前兩個問題的解法是：儲存一個包含 priority、entry count 和 task
三個元素的 tuple 。兩個 task 有相同 priority 時，entry count 會讓兩個
task 能根據加入的順序排序。因為沒有任何兩個 task 擁有相同的 entry
count，所以永遠不會直接使用 task 做比較。

task 無法比較的另一個解決方案是建立一個包裝器類別，該類別忽略 task 項
目，只比較優先等級：

   from dataclasses import dataclass, field
   from typing import Any

   @dataclass(order=True)
   class PrioritizedItem:
       priority: int
       item: Any=field(compare=False)

剩下的問題可以藉由找到要刪除的 task 並更改它的 priority 或者直接將它移
除。尋找一個 task 可以使用一個 dictionary 指向佇列當中的 entry 。

移除 entry 或更改它的 priority 更為困難，因為這會破壞 heap 的性質。所
以一個可行的方案是將原本的 entry 做一個標記表示它已經被刪除，並新增一
個擁有新的 priority 的 entry：

   pq = []                         # 在 heap 中的 entry 串列
   entry_finder = {}               # task 對應到 entry 的對映
   REMOVED = '<removed-task>'      # 被刪除的 task 的佔位器
   counter = itertools.count()     # 唯一的序列計數

   def add_task(task, priority=0):
       '新增一個 task 或更新一個已存在 task 的 priority'
       if task in entry_finder:
           remove_task(task)
       count = next(counter)
       entry = [priority, count, task]
       entry_finder[task] = entry
       heappush(pq, entry)

   def remove_task(task):
       '將一個已存在的 task 標記為 REMOVED。如果找不到會引發 KeyError。'
       entry = entry_finder.pop(task)
       entry[-1] = REMOVED

   def pop_task():
       '移除並回傳最低 priority 的 task。如果 heap 是空的會引發 KeyError。'
       while pq:
           priority, count, task = heappop(pq)
           if task is not REMOVED:
               del entry_finder[task]
               return task
       raise KeyError('從空的優先佇列中 pop 出元素')


原理
====

Heap 是一個陣列對於所有從0開始的 index *k* 都存在性質 "a[k] <=
a[2*k+1]" 和 "a[k] <= a[2*k+2]" 。為了方便比較，不存在的元素被視為無限
大。Heap 的一個有趣的性質是："a[0]" 永遠是最小的元素。

上述乍看之下有些奇怪的不變式，是為了實作一個對記憶體來說有效率的方法，
其表示方式如同錦標賽一般。下列的數字為 *k*，而不是 "a[k]"：

                                  0

                 1                                 2

         3               4                5               6

     7       8       9       10      11      12      13      14

   15 16   17 18   19 20   21 22   23 24   25 26   27 28   29 30

在上面的樹當中，每個單元 *k* 都會位在 "2*k+1" 與 "2*k+2" 上方。如同體
育賽事常見的錦標賽般，每個單元可視為其下方兩個單元當中的贏家，我們可以
透過追溯整棵樹來找到該贏家曾經對戰過的所有對手。然而，在許多電腦應用中
，我們不需要追溯贏家的完整對戰歷史。為了能更有效率地使用記憶體，當一個
贏家晉級勝出時，我們用下方較低層級的另一個項目來取代它，至此規則變為一
個單元以及它下方兩個單元，包含三個不同項目，但是最上方的單元「勝過」下
方兩個單元。

如果能確保滿足這個 heap 的不變式，那麼索引 0 顯然是最終的贏家。移除並
找到「下一個」贏家最簡單的演算法為：將一個輸家（例如上圖中的單元 30）
移動到位置 0，然後從新的位置 0 不斷與下方的位置交換值來向下傳遞，直到
滿足不變式為止。這個過程的複雜度顯然是樹的節點數目的對數級別。透過對所
有項目疊代，可以得到一個複雜度為 *O*(*n* log *n*) 的排序。

這種排序有個好處，只要插入的項目沒有「贏過」你最後提取、索引為 0 的元
素，你就可以在排序進行的同時有效率地插入新項目。這在模擬情境當中特別有
用，其中樹能夠保存所有輸入事件，而「贏」意味著最小排程時間。當一個事件
排程其它事件的執行時，因這些事件仍在等待進行，所以很容易將它們插入
heap 當中。因此， heap 是一個實現排程器的優秀資料結構（這就是我用以實
作 MIDI 編曲器的方法 :-）。

多種用於實作排程器的結構現今已被廣泛研究，heap 對此非常有用，因為它們
速度相當快，且速度幾乎不受其他因素影響，最壞情況與平均狀況差異無幾。也
有其它整體說來更有效率的方法，然而它們的最壞情況可能會非常糟糕。

Heap 在為儲存於硬碟上的大量資料進行排序也非常有用。你可能已經知道，大
量資料排序涉及 "runs" 的產生（也就是預先排序的序列，其大小通常與 CPU
記憶體的大小有關），之後再對這些 run 合併，而這些合併的過程通常相當巧
妙 [1]。很重要的一點是，初始排序產生的 run 越長越好。錦標賽是達成這一
點的好方法，若你用所有可用記憶體來舉行一場錦標賽，並透過替換與向下交換
來處理所有適配目前 run 的值，那麼對於隨機產生的輸入，將可以產生長度兩
倍於記憶體大小的 run。對於已模糊排序過的輸入，效果更好。

此外，若你將索引為 0 的項目輸出至磁碟，並取得一個無法適配目前錦標賽的
輸入（因為該值「勝過」最後的輸出值），則該輸入值就無法插入至 heap 當中
，因此 heap 的大小會減小。釋放出來的記憶體可以巧妙地立即再被運用，逐步
建構出第二個 heap，其大小增加的速度會與第一個 heap 減少的速度一致。當
第一個 heap 完全消失時，你可以切換至第二個 heap 開啟一個新 run 。這真
是個聰明且相當有效率的做法！

總結來說，heap 是值得了解的有用記憶體結構。我在一些應用中使用它們，我
認為能有一個 'heap' 模組是很棒的。:-)

-[ 註解 ]-

[1] 現今的磁碟平衡演算法因為硬碟查找能力而更加複雜難解。在沒有查找功能
    的裝置如大型磁帶機，狀況又不一樣了，人們必須機智地確保（遠遠提前）
    每次於磁帶上移動都盡可能是最有效率的（也就是盡可能更好地「推進」合
    併的過程）。有些磁帶甚至能夠向後讀取，這也被用來避免倒轉的時間。相
    信我，真正優秀的磁帶排序看起來相當壯觀！排序一直以來都是一門偉大的
    藝術！:-)
