heapq 模块有两个函数：nlargest() 和 nsmallest() 可以完美解决这个问题。
import heapq nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2] print(heapq.nlargest(3, nums)) # Prints [42, 37, 23] print(heapq.nsmallest(3, nums)) # Prints [-4, 1, 2] #前面的参数可选多个元素
两个函数都能接受一个关键字参数，用于更复杂的数据结构中：
portfolio = [ {‘name‘: ‘IBM‘, ‘shares‘: 100, ‘price‘: 91.1}, {‘name‘: ‘AAPL‘, ‘shares‘: 50, ‘price‘: 543.22}, {‘name‘: ‘FB‘, ‘shares‘: 200, ‘price‘: 21.09}, {‘name‘: ‘HPQ‘, ‘shares‘: 35, ‘price‘: 31.75}, {‘name‘: ‘YHOO‘, ‘shares‘: 45, ‘price‘: 16.35}, {‘name‘: ‘ACME‘, ‘shares‘: 75, ‘price‘: 115.65} ] cheap = heapq.nsmallest(3, portfolio, key=lambda s: s[‘price‘]) expensive = heapq.nlargest(3, portfolio, key=lambda s: s[‘price‘])
PS:上面代码在对每个元素进行对比的时候，会以 price 的值进行比较。
nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2] import heapq heapq.heapify(nums) print(nums) #[-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]
堆数据结构最重要的特征是 heap[0] 永远是最小的元素。并且剩余的元素可以很
容易的通过调用 heapq.heappop() 方法得到，该方法会先将第一个元素弹出来，然后
用下一个最小的元素来取代被弹出元素 (这种操作时间复杂度仅仅是 O(log N)，N 是
堆大小)。
如果想要查找最小的 3 个元素，你可以这样做：
heapq.heappop(nums) #-4 heapq.heappop(nums) #1 heapq.heappop(nums) #2
当要查找的元素个数相对比较小的时候，函数 nlargest() 和 nsmallest() 是很
合适的。如果你仅仅想查找唯一的最小或最大 (N=1) 的元素的话，那么使用 min() 和
max() 函数会更快些。类似的，如果 N 的大小和集合大小接近的时候，通常先排序这
个集合然后再使用切片操作会更快点 ( sorted(items)[:N] 或者是 sorted(items)[-
N:] )。需要在正确场合使用函数 nlargest() 和 nsmallest() 才能发挥它们的优势 (如果
N 快接近集合大小了，那么使用排序操作会更好些)
python3-开发进阶 heapq模块（如何查找最大或最小的N个元素）
原文：https://www.cnblogs.com/ManyQian/p/9291663.html