heapq默认小顶堆是设计选择，不是缺陷：它实现最小优先级队列原语，因取最小在调度、Dijkstra等场景更自然；大顶堆需手动取反，但要注意浮点精度、nan不可比及非数字类型需元组封装。
heapq 默认小顶堆是设计选择，不是缺陷
Python 的 heapq 模块默认只提供小顶堆，根本原因在于：它实现的是「最小优先级队列」的通用原语，而最小值提取在算法和系统层面更自然、更少歧义。比如调度器选最早时间、Dijkstra 算法取最短距离、合并有序流取最小首元素——这些场景天然依赖「取最小」，而非「取最大」。
语言设计者没加 maxheap 参数或反转比较器，是因为增加接口复杂度的收益远小于用取反技巧的成本。官方明确表示过：「提供可配置比较逻辑会破坏 heapq 的简洁性与性能，而用户自己控制符号已足够通用」。
大顶堆必须手动取反，但要注意 float 和 int 的边界
想用 heapq 模拟大顶堆，主流做法是存入 -x、取出再取反：-heapq.heappop(max_heap)。这看似简单，但有三个实际陷阱：
- 浮点数负号可能引入精度误差（如
-0.1 - (-0.1)不恒为 0），尤其在累积计算或判等时出问题 -
float('inf')取反得float('-inf')，能用；但float('nan')取反仍是nan，且nan != nan，会导致堆行为不可预测 - 如果原始数据含字符串或自定义对象，不能直接取反，必须封装成元组并把排序键放第一位，例如
(-priority, item)
nlargest / nsmallest 不走堆结构，别误以为它们是大顶堆替代品
heapq.nlargest(n, iterable) 看起来像大顶堆接口，但它内部并不维护一个真正的大顶堆。它实际做的是：先用 heapify 建小顶堆（大小固定为 n），然后遍历剩余元素，用 heapreplace 维持堆中始终是见过的最大 n 个——本质是「小顶堆筛最大值」。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
这意味着：
- 它不支持后续动态插入/弹出，只是单次聚合函数
- 如果你需要持续维护 Top-K 并响应流式输入，仍得自己建带符号转换的堆
- 当
n接近len(iterable)时，性能趋近于sorted(...)[-n:]，不如直接排序
heapify(-x for x in data) 是构建大顶堆最快的方式
逐个 heappush 构建堆是 O(n log n)，而一次性 heapify 是 O(n)。所以构建初始大顶堆，务必用列表生成式预处理：
data = [3, 1, 4, 1, 5, 9, 2] max_heap = [-x for x in data] heapq.heapify(max_heap) # O(n)，不是循环 push # 后续操作：item = -heapq.heappop(max_heap)
这个写法比 sorted(data, reverse=True) 更省内存（不保留全序），也比手写类封装更轻量。唯一代价是读代码的人得意识到「负号即大顶」——这是 Python 社区约定俗成的隐式契约，不是 bug。
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！
