heapq.nlargest()和heapq.nsmallest()是获取Top-K值的最优解，时间复杂度O(n log k)，支持key参数定制排序依据，不修改原数据，但需注意类型可比性、None处理及稳定性要求。

直接用 heapq.nlargest 或 heapq.nsmallest，别手写堆逻辑——它们底层已优化，比手动 heappush/heappop 组合快且不易出错。

为什么不用自己维护大小为 K 的堆？

很多人想“手动建一个容量为 K 的最小堆，遍历一次替换堆顶”，逻辑没错，但实际容易翻车：

• heapq 没有内置的“限制大小”堆类型，得靠 heappushpop 或先 push 再 pop，边界处理稍一疏忽就漏数据或堆损坏
• 当 K 接近输入长度 n 时，手写方式时间复杂度退化到 O(n log n)，而 nlargest 在 K ≪ n 时能用 O(n log K)，且内部做了分支优化（例如小 K 时改用 sorted + 切片）
• 无法自动处理重复键、自定义 key 函数、稳定性等细节，而 nlargest 完全兼容 sorted(key=..., reverse=True) 的语义

nlargest 和 nsmallest 的关键参数怎么选？

核心就两个参数：k 和 key。注意以下行为差异：

• k 必须是正整数，传 0 抛 ValueError；传大于输入长度的 k 不报错，只返回全部元素（按序）
• key 函数必须返回可比较对象；若返回 None 或抛异常，错误发生在运行时，不是调用时
• 不支持 reverse 参数：要 Top K 最小值，用 nsmallest；要 Top K 最大值，用 nlargest；混用会逻辑反掉
• 返回的是新列表，原迭代器/序列不被修改，也不保证原始顺序（除非 k == 1 且 key 唯一）

示例：
heapq.nlargest(3, users, key=lambda x: x.score) —— 取 score 最高的 3 个用户，score 相同时按首次出现顺序保留（稳定）

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

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

下载

大数据流场景下内存和性能怎么控？

如果数据根本不能全加载进内存（比如日志文件逐行读），就不能直接传整个列表：

• 把生成器传进去没问题：heapq.nlargest(10, (parse_line(line) for line in f), key=...)，heapq 内部是边读边建堆，空间只占 O(K)
• 但注意：生成器只能消费一次，反复调用 nlargest 需重放数据源
• 若 key 计算开销大（如 JSON 解析、正则匹配），建议提前缓存或用 functools.lru_cache 包一层，避免重复计算
• 极端情况（K 极小，n 极大，且 key 是简单属性）：用 operator.attrgetter('score') 比 lambda 快 10%–20%

真正容易被忽略的是：当元素本身不可比较（比如字典、自定义类没实现 __lt__），哪怕你写了 key，只要 key 返回值之间不可比，依然会抛 TypeError。检查方法很简单——单独拿两个元素跑一遍 key(x) 。

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！