Python中heapq是优先队列的底层实现，通过heappush/heappop维护最小堆结构；需用取反或元组实现最大堆；单线程推荐直接用heapq，多线程才用queue.PriorityQueue。
Python 里 heapq 就是优先队列的底层实现
Python 标准库没有叫 PriorityQueue 的类来直接当“队列”用，但 heapq 模块提供了一组原地操作最小堆的函数，这才是实际干活的核心。你不是在“创建一个队列对象”，而是在维护一个列表，靠 heapq.heappush() 和 heapq.heappop() 保证它始终满足堆序。
常见错误是以为 heapq 自动排序整个列表——其实它只维护堆结构，不保证列表其余部分有序；还有人误用 sorted() 替代 heappop()，结果每次取最小值都 O(n log n)，而不是 O(log n)。
-
heapq.heappush(heap, item)：把item插入heap并调整结构，时间复杂度 O(log n) -
heapq.heappop(heap)：弹出并返回最小元素，同时修复堆，O(log n) - 初始化堆用
heapq.heapify(lst)，比逐个heappush快，O(n) - 不要手动修改
heap列表（比如heap[0] = x），会破坏堆性质
需要最大堆？别改源码，改数据就行
Python 的 heapq 只支持最小堆，但多数场景要的是“最大优先级先出”。最稳妥的做法不是重写堆逻辑，而是对数值取反或包装成元组，让比较逻辑倒过来。
比如你要按分数降序取学生：heapq 默认按第一个元素升序，所以把 (-score, student_id) 入堆，heappop 后再取负号还原即可。字符串或自定义对象也类似，关键在于让 __lt__ 行为符合你的“优先级高低”定义。
立即学习“Python免费学习笔记（深入）”；
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- 数值型：存
-x，取出来再-item - 多字段：用元组
(-priority, timestamp, item)，确保可比且稳定 - 避免用
max heap = heapq._heapify_max：这是私有 API，不保证兼容，Python 3.12 已明确标记为内部使用 - 如果频繁需要最大堆，封装一层类比裸用
heapq更安全，但别过度设计
queue.PriorityQueue 是线程安全的包装，别在单线程里滥用
标准库里的 queue.PriorityQueue 确实名字像“正统优先队列”，但它本质是用 heapq 加了锁的封装，目标是多线程生产者-消费者场景。如果你在单线程脚本、算法题或数据处理中用它，反而引入不必要的开销和 API 隔离（比如不能直接访问底层列表）。
典型误用：用 PriorityQueue.put(x) 和 PriorityQueue.get() 写 Dijkstra，结果发现没法做“减小键值”（decrease-key）操作，也没法检查某个节点是否已在队列中——因为它的接口不暴露内部状态。
- 单线程、需灵活控制（如更新权重、查存在性）→ 直接用
heapq+ 搭配字典或集合 - 多线程、只需“塞进去、取出来”且不关心中间状态 →
queue.PriorityQueue合理 -
queue.PriorityQueue不支持len()以外的长度外查，也不支持索引访问 - 它的
put()和get()是阻塞式，默认会等锁，哪怕队列非空
自定义比较逻辑时，__lt__ 是唯一靠谱入口
想让类实例能进 heapq，必须定义 __lt__（less-than）。Python 堆操作只调这个方法做比较，其他如 __eq__ 或 __gt__ 完全无关。很多人试了 __cmp__（Python 2）或试图重载 >，结果报 TypeError: '。
注意：如果两个对象 __lt__ 返回 False，不代表它们相等，可能只是“不小于”，堆操作仍可能出错。稳妥做法是让 __lt__ 总返回布尔值，并确保逻辑可传递、无歧义。
- 只实现
__lt__，别碰__le__或__gt__，heapq不用它们 - 元组天然可比，所以
(priority, insertion_count, obj)是避免自定义类的好技巧 - 如果 priority 相同，不加
insertion_count可能导致不可预测的顺序（取决于对象 id 比较，而它不保证稳定） - 别在
__lt__里做耗时计算或 I/O，堆操作本身高频，慢逻辑会拖垮性能
