Python的heapq只支持小顶堆，因其实现依赖元素自身的__lt__且不接受自定义比较器；正确做法是数值取负或封装MaxHeapItem类重载__lt__实现降序。
Python 的 heapq 模块只原生支持小顶堆，无法直接构建大顶堆 —— 这是初学者最容易卡住的地方。
为什么 heapq 不能直接建大顶堆？
heapq 所有函数（如 heappush、heappop、heapify）都基于最小堆逻辑实现，内部比较完全依赖元素自身的 __lt__。它不接受自定义比较器，也不提供 reverse 参数。
常见错误是试图用 heapq._heapify_max：这个函数确实存在，但它只做一次性堆化，且不维护堆性质——后续 heappush 或 heappop 仍按小顶堆逻辑操作，会破坏结构。
最稳妥的替代方案：对数值取负
适用于所有可比较的数字类型（int、float），原理简单、性能无损、代码清晰。
立即学习“Python免费学习笔记（深入）”；
- 入堆前对原始值取负：
heappush(heap, -x) - 出堆后再次取负还原：
-heappop(heap) - 查看堆顶（不弹出）：
-heap[0] - 初始化时可用列表推导：
heap = [-x for x in data]; heapify(heap)
示例：
import heapq data = [3, 1, 4, 1, 5] heap = [-x for x in data] heapq.heapify(heap) print(-heap[0]) # → 5 print(-heapq.heappop(heap)) # → 5
需要自定义对象或非数字类型时怎么办？
不能简单取负，得封装一层。推荐定义一个包装类，重载 __lt__ 实现降序比较：
class MaxHeapItem:
def __init__(self, val):
self.val = val
def __lt__(self, other):
return self.val > other.val # 注意：这里是大于号
<p>heap = []
heapq.heappush(heap, MaxHeapItem(3))
heapq.heappush(heap, MaxHeapItem(1))
print(heap[0].val) # → 3注意点：
- 必须重写
__lt__，不能只改__gt__——heapq只调用小于比较 - 如果对象本身已有
__lt__，包装类能安全覆盖，不影响原逻辑 - 避免在包装类中存储复杂不可哈希对象并用于去重等场景，可能引发意外行为
别踩 heapq._heapify_max 这个坑
这个函数是 CPython 内部工具，文档未公开，行为不稳定：
- 它只把列表就地转成“看起来像大顶堆”的结构，但不保证后续操作兼容
-
heappush(heap, x)仍按小顶堆逻辑插入，大概率让堆失效 - 不同 Python 版本中该函数可能被移除或修改，生产环境绝对不要依赖
真正需要大顶堆语义时，要么取负，要么封装类 —— 其他路子都是临时糊弄，后面 debug 会花更长时间。
