不能直接heappush(queue, item)完事，因为heapq只维护堆结构而不处理优先级逻辑，普通对象（如字典、自定义类）默认不可比较，会触发typeerror。
Python 的 heapq 不是现成的优先级队列类，而是提供堆操作的底层工具集；直接用 heappush 和 heappop 能实现，但必须自己维护元素的可比较性与优先级逻辑。
为什么不能直接 heappush(queue, item) 就完事？
因为 heapq 只保证底层二叉堆结构，不封装队列接口，也不自动处理优先级。如果你塞进去的是普通对象（比如字典、自定义类），heappush 会尝试比较它们——而 Python 3 默认不允许比较不可排序的对象，立刻报 TypeError: '。
常见错误场景：
- 把
{"task": "send_email", "priority": 2}直接 push 进堆 → 报错 - 用
list.append()替代heappush()→ 堆结构被破坏，后续heappop()返回的不是最高优先级项
正确做法是统一用元组表示优先级 + 数据，让 Python 自动按元组首元素比较：
import heapq queue = [] heapq.heappush(queue, (1, "low_priority_task")) heapq.heappush(queue, (0, "high_priority_task")) print(heapq.heappop(queue)) # → (0, 'high_priority_task')
如何支持相同优先级下的插入顺序（FIFO）？
元组比较时，如果优先级相同，Python 会继续比第二项；但如果第二项是不可比较对象（如 dict、list），又会崩。更糟的是，即使第二项可比，也未必反映“先来后到”——比如两个字符串 "a" 和 "b"，"a"
安全解法：引入单调递增计数器，确保第二项永远可比且保序：
import heapq
<p>class PriorityQueue:
def <strong>init</strong>(self):
self._queue = []
self._index = 0 # 保证插入顺序</p><pre class="brush:python;toolbar:false;">def push(self, item, priority):
heapq.heappush(self._queue, (priority, self._index, item))
self._index += 1
def pop(self):
return heapq.heappop(self._queue)[-1]pq = PriorityQueue() pq.push("task1", 2) pq.push("task2", 1) pq.push("task3", 2) # 同优先级，应比 task1 后出 print(pq.pop()) # → "task2" print(pq.pop()) # → "task1"（不是 task3！因为 index 更小）
注意：self._index 必须在 heappush 后立即自增，否则并发或重复调用会导致序号错乱。
heappop 之后堆还合法吗？要不要手动 heapify？
不需要。heappop 内部已重排堆结构，返回后 queue 仍是有效最小堆。手动调 heapify 不但多余，还会把整个列表重新建堆（O(n)），浪费性能。
但要注意两个边界情况：
- 对空列表调
heappop→ 抛IndexError: pop from empty heap，务必先判空 - 用
del queue[0]或queue.pop(0)替代heappop→ 堆结构彻底损坏，后续所有heappop行为不可预测
安全判空写法：
if queue:
item = heapq.heappop(queue)
else:
item = None
性能和兼容性要注意什么？
heapq 是纯 Python 实现，但高度优化，heappush/heappop 都是 O(log n)，比手写排序或线性扫描快得多。不过它只支持最小堆——要最大优先级，得把优先级取负（-priority），或用 heapq._heapify_max（非公开 API，不推荐）。
兼容性上，heapq 在 Python 2.6+ 全版本可用，但 Python 2 中允许比较不相关类型（比如 1 ），导致堆行为不一致；Python 3 强制类型一致，反而更可靠。
真正容易被忽略的一点：堆里存的是引用。如果你 push 的是可变对象（比如 list 或 dict），后续修改它，不会触发堆重排——heapq 完全无感。优先级逻辑只在 push/pop 时生效，中间改数据等于自己埋雷。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
