这个模块(build-in)实现了一个堆的数据结构，完美的解决了Top-K问题，以后解决Top-K问题的时候，直接把这个模块拿来用就可以了 注意，默认的heap是一个小顶堆！ heapq模块提供了如下几个函数： heapq.heappush(heap, item) 把item添加到heap中（heap是一个列表） heapq.heappop(heap) 把堆顶元素弹出，返回的就是堆顶 heapq.heappushpop(heap, item) 先把item加入到堆中，然后再pop，比heappush()再heappop()要快得多 heapq.heapreplace(heap, item) 先pop，然后再把item加入到堆中，比heappop()再heappush()要快得多 heapq.heapify(x) 将列表x进行堆调整，默认的是小顶堆 heapq.merge(*iterables) 将多个列表合并，并进行堆调整，返回的是合并后的列表的迭代器 heapq.nlargest(n, iterable, key=None) 返回最大的n个元素（Top-K问题） heapq.nsmallest(n, iterable, key=None) 返回最小的n个元素（Top-K问题）
@link http://m.blog.csdn.net/blog/Calling_Wisdom/41676133