Б41 Чистый Python. Тонкости программирования для профи. Спб.: Питер

# ПРИМЕЧАНИЕ: Не забудьте выполнить пересортировку всякий раз, 
# когда добавляется новый элемент, либо используйте 
# bisect.insort(). 
q.sort(reverse=True)
while q:
next_item = q.pop()
print(next_item)
# Результат: 
# (1, 'есть') 
# (2, 'программировать') 
# (3, 'спать') 
heapq — двоичные кучи на основе списка
Данная реализация двоичной кучи обычно подкрепляется обыкновенным 
списком, и она поддерживает вставку и извлечение наименьшего элемента 
за O(log n) время
2
.
1
См. документацию Python «bisect.insort»: 
https://docs .python .org/3 .6/library/bisect .html
2
См. документацию Python «heapq»: 
https://docs .python .org/3 .6/library/heapq .html

---

5 .7 . Очереди с приоритетом 199
Этот модуль — хороший выбор для реализации очередей с приоритетом 
в Python. Поскольку двоичная куча 
heapq
технически обеспечивает толь-
ко реализацию min-heap (то есть кучи, где значение в любой вершине не 
больше, чем значения ее потомков), должны быть предприняты допол-
нительные шаги, которые обеспечат стабильность сортировки и другие 
функциональные возможности, которые, как правило, ожидают от «прак-
тической версии» очереди с приоритетом
1
.
import heapq
q = []
heapq.heappush(q, (2, 'программировать')) 
heapq.heappush(q, (1, 'есть')) 
heapq.heappush(q, (3, 'спать'))
while q:
next_item = heapq.heappop(q)
print(next_item)
# Результат: 
# (1, 'есть') 
# (2, 'программировать') 
# (3, 'спать') 
queue .PriorityQueue — красивые очереди с приоритетом
Данная реализация очереди с приоритетом во внутреннем представлении 
использует двоичную кучу 
heapq
и имеет одинаковую временную и про-
странственную вычислительную сложность
2
.
Разница состоит в том, что очередь с приоритетом 
PriorityQueue
синхро-
низирована и обеспечивает семантику блокирования с целью поддержки 
многочисленных параллельных производителей и потребителей.
В зависимости от вашего варианта использования она либо станет по-
лезной, либо слегка замедлит вашу программу. В любом случае вы мо-
1
См. документацию Python «Примечания к реализации очереди с приоритетом»: там же.
2
См. документацию Python «queue.PriorityQueue»: 
https://docs .python .org/3 .6/library/queue .
html

---

200 Глава 5 • Общие структуры данных Python
жете предпочесть интерфейс на основе класса, предлагаемый классом 
PriorityQueue
, использованию интерфейса на основе функций, предла-
гаемого модулем heapq.
from queue import PriorityQueue 
q = PriorityQueue()
q.put((2, 'программировать')) 
q.put((1, 'есть')) 
q.put((3, 'спать'))
while not q.empty():
next_item = q.get()
print(next_item)
# Результат: 
# (1, 'есть') 
# (2, 'программировать') 
# (3, 'спать') 
Ключевые выводы
‰
‰
Python содержит несколько реализаций очередей с приоритетом, ко-
торые вы можете использовать в своих программах.
‰
‰
Реализация 
queue.PriorityQueue
выбивается из общего ряда, отлича-
ясь хорошим объектно-ориентированным интерфейсом и именем, ко-
торое четко указывает на ее направленность. Такая реализация должна 
быть предпочтительным вариантом.
‰
‰
Если требуется избежать издержек, связанных с блокировкой очере-
ди 
queue.PriorityQueue
, то непосредственное использование моду-
ля 
heapq
также будет хорошим выбором.

---

6
Циклы и итерации
6 .1 . Написание питоновских циклов
Один из самых легких способов отличить разработчика с опытом работы 
на C-подобных языках, который совсем недавно перешел на Python, — по-
смотреть, как он пишет циклы.
Например, всякий раз, когда я вижу фрагмент кода, который выглядит, 
как показано ниже, сразу понимаю, что тут пытались программировать на 
Python так, будто это C или Java:
my_items = ['a', 'b', 'c'] 
i = 0 while i < len(my_items):
print(my_items[i])
i += 1
Итак, вы спрашиваете, что же такого непитоновского в этом фрагменте 
кода?
Две вещи.
Во-первых, в коде вручную отслеживается индекс 
i
— его инициализация 
нулем, а затем постепенное увеличение после каждой итерации цикла.
И во-вторых, в коде используется функция 
len()
, которая получает раз-
мер контейнера 
my_items
, чтобы определить количество итераций.

---

202 Глава 6 • Циклы и итерации
В Python можно писать циклы, которые справляются с этими двумя за-
дачами автоматически. И будет просто замечательно, если вы возьмете это 
на вооружение. Например, если вашему коду не придется отслеживать на-
растающий индекс, то будет намного труднее написать непреднамеренный 
бесконечный цикл. Это также сделает программный код более сжатым 
и поэтому удобочитаемым.
Чтобы рефакторизовать первый пример кода, я начну с того, что удалю 
фрагмент, который вручную обновляет индекс. В Python лучше всего для 
этого применить цикл 
for
. При помощи встроенной фабричной функции 
range()
я могу генерировать индексы автоматически:
>>> range(len(my_items)) 
range(0, 3)
>>> list(range(0, 3)) 
[0, 1, 2]
Тип 
range
представляет неизменяемую последовательность чисел. Его 
преимущество перед обычным списком 
list
в том, что он всегда занимает 
одинаково небольшое количество оперативной памяти. Объекты-диапа-
зоны в действительности не хранят отдельные значения, представляющие 
числовую последовательность, вместо этого они функционируют как 
итераторы и вычисляют значения последовательности на ходу
1
.
Поэтому, вместо того чтобы на каждой итерации цикла вручную увели-
чивать индекс 
i
, я смог воспользоваться функцией 
range()
и написать 
что-то подобное:
for i in range(len(my_items)):
print(my_items[i])
Уже лучше. Однако этот вариант по-прежнему выглядит не совсем по-
питоновски и ощущается больше как итеративная Java-конструкция, а не 
как настоящий цикл Python. Когда вы видите программный код, в кото-
1
Чтобы получить такое экономное для оперативной памяти поведение в Python 2, вам 
придется использовать встроенную функцию 
xrange()
, так как функция 
range()
будет 
в действительности конструировать объект-список.

---

6 .1 . Написание питоновских циклов 203
ром для итеративного обхода контейнера используется 
range(len(...))
, 
его, как правило, можно еще больше упростить и улучшить.
Как я уже отмечал, циклы 
for
в Python в действительности являются 
циклами «for each», которые могут выполнять непосредственный пере-
бор элементов контейнера или последовательности без необходимости 
искать их по индексу. И этот факт я могу задействовать для дальнейшего 
упрощения этого цикла:
for item in my_items:
print(item)
Я считаю такое решение вполне питоновским. В нем применено несколько 
продвинутых функциональных средств Python, но при этом оно остается 
хорошим и чистым и читается почти как псевдокод из учебника по про-
граммированию. Обратите внимание, что в этом цикле больше не отсле-
живается размер контейнера, а для доступа к элементам не используется 
нарастающий индекс.
Теперь контейнер сам занимается раздачей элементов для их обработки. 
Если контейнер упорядочен, то и результирующая последовательность 
элементов будет такой же. Если контейнер не упорядочен, он будет воз-
вращать свои элементы в произвольном порядке, но цикл по-прежнему 
охватит их все полностью.
Нужно сказать, что, конечно, вы не всегда будете в состоянии переписать 
свои циклы таким образом. А что, если, например, вам нужен индекс 
элемента?
Для таких случаев есть возможность писать циклы, которые поддержива-
ют нарастающий индекс, избегая применения шаблона с 
range(len(...))
, 
от которого я вас предостерег. Встроенная функция 
enumerate()
поможет 
вам сделать подобного рода циклы безупречными и питоновскими:
>>> for i, item in enumerate(my_items):
... print(f'{i}: {item}') 
0: a 
1: b 
2: c

---

204 Глава 6 • Циклы и итерации
Дело в том, что итераторы в Python могут возвращать более одного зна-
чения. Они могут возвращать кортежи с произвольным числом значений, 
которые затем могут быть распакованы прямо внутри инструкции 
for
.
Это очень мощное средство. Например, тот же самый прием можно исполь-
зовать, чтобы в цикле одновременно перебрать ключи и значения словаря:
>>> emails = {
... 'Боб': '[e-mail]',
... 'Алиса': '[e-mail]',
... }
>>> for name, email in emails.items():
... print(f'{name} -> {email}')