python的heapq模块只提供小顶堆，因其所有操作均基于
Python 的 heapq 模块**没有大顶堆实现**，它只提供小顶堆语义 —— 这不是设计疏漏，而是刻意为之：接口精简、底层统一、避免冗余。你要用大顶堆，就得自己“绕一下”，但这个绕法很固定、很轻量，关键是要理解为什么不能直接 heapq.heapify(..., max_heap=True)。
为什么 heapq 默认且只能是小顶堆
根本原因在实现机制：heapq 所有操作（heappush、heappop、heapify）都基于「升序比较逻辑」：每次下沉或上浮时，都用 a 判断是否交换。它不接受自定义比较函数，也不支持传入 <code>reverse 参数。这意味着：
- 你无法通过配置切换堆序方向
- 所有元素必须支持
运算符，且语义固定 - 如果强行塞进字符串、自定义对象等不满足全序关系的类型，
heapq可能抛TypeError或行为异常
用负号构造大顶堆的实操要点
最常用、最稳妥的方式是「存负值、取负值」，本质是把数值域翻转，让最小值对应原最大值：
-
heappush(heap, -x)入堆时存负数 -
-heappop(heap)出堆时再取负还原 - 若需查看堆顶但不弹出，用
-heap[0]（注意：不能用heapq.heappop后再 push 回去，那会破坏结构） - 对浮点数、零值同样适用，但要注意
-0.0 == 0.0，无副作用
示例：
import heapq
nums = [3, 1, 4, 1, 5]
max_heap = []
for x in nums:
heapq.heappush(max_heap, -x)
print(-max_heap[0]) # 5
print(-heapq.heappop(max_heap)) # 5
print(-heapq.heappop(max_heap)) # 4
用元组绕过负号限制的场景
当你要堆中同时存「优先级」和「实际数据」，且优先级需降序（比如任务按截止时间倒排），用元组更自然：
- 写成
heappush(heap, (-priority, item))，靠元组首项触发小顶堆逻辑 - 取出时直接解包：
_, item = heappop(heap)，无需再取负 - 比纯负号法更适合混合类型（如
item是字典、对象等不可取负的类型） - 注意：如果多个任务 priority 相同，元组第二项会参与比较 —— 若不可比（如两个 dict），会报
TypeError
别踩这些坑
常见错误不是语法问题，而是语义混淆：
- 误以为
heapify后列表“整体有序” —— 实际只是满足堆序，heap列表本身不是 sorted list - 对同一堆混用正负逻辑（比如 push 用
-x，pop 却忘了加负号），结果全反了 - 用
heapq.nlargest(k, iterable)代替手动建大顶堆 —— 它内部其实也是用小顶堆缓存 top-k，不是真正的大顶堆，仅适用于一次性取 k 个最大值 - 在多线程环境直接共享一个
list堆 ——heapq不是线程安全的，需外层加锁
真正需要持续 push/pop 大顶堆语义时，封装成类（如 MaxHeap）比每次手写负号更可靠，尤其当逻辑分散在多个文件里 —— 否则很容易漏掉某一处的取负。
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！
