任务
你需要从一个给定的序列中获取一些最小的元素。可以将序列排序，然后使用seq[:n]但还有没有更好的办法呢?
解决方案
如果需要的元素数目n远小于序列的长度，也许还能做得更好。sort是很快的，但它的时间复杂度仍然是 O(nlogn)，但如果n很小，我们获取前n个最小元素的时间是 O(n)。下面给出一个简单可行的生成器，在 Python2.3 和2.4 中都同样有效:
import heapq
def isorted(data):data = list(data)heapq.heapify(data)while data:yield heapq.heappop(data)
在 Python 2.4中，如果事先知道 n,还有更简单和更快的方法从 data 中获取前n个最小的元素:
import heapq
def smallest(n,data):return heapq.nsmallest(n,data)
讨论
data 可能是任何有边界的可迭代对象，解决方案中的 isorted 函数通过调用 list 来确保它是序列。也可以删掉 data = list(data)这一行，假如下列条件满足的话:你知道 data 是一个序列，你并不关心生成器是否重新排列了 data的元素，而且需要在获取的同时从 data中删除元素。
如同5.7节所示，Python标准库提供了heapq模块，它支持人们熟知的数据结构——堆。解决方案中的 isorted 先创建了一个堆(通过 heap.heapify)，然后在每一步获取元素的时候(通过 heap.heappop)，生成并删除堆中最小的元素。
在 Python 2.4中，heapq模块引入了两个新函数。heapq.nlargest(n,data)返回的是一个长度为n的 data 中最大的元素的列表，heapq.nsmallest(n,data)则返回一个包含前n个最小元素的列表。这些函数并不要求 data 满足堆的条件，它们甚至不要求 data 是一个列表——任何有边界的、元素是可以比较的可选代对象都适用。解决方案中的函数 smallest 除了调用heapq.smallest，其实什么也没干。
关于速度，我们总是应该进行实际测量，猜测不同代码片段的相对运行速度是毫无意义的行为。因此，当我们只是循环获取前几个(最小)元素的时候，isorted的性能和Python 2.4 内建的 sorted 函数的性能比起来究竟怎么样呢?为了进行测试，写了一个top10函数，它可以调用这两种方法，然后我也为 Python 2.3 实现了一个 sorted 函数,因为在 Python 2.3中此函数并未得到原生的支持:
try:sorted
except:def sorted(data):data = list(data)data.sort()return data
import itertoolsdef top10(data,howtosort):return list(itertools.islice(howtosort(data),10))
在我的计算机上，在 Python 2.4中处理一个洗过牌的1000个整数的列表，top10调用isorted 耗时 260us,但采用内建的 sorted 则耗时 850us。而 Python 2.3 甚至还要慢得多:isorted耗时12ms，sorted耗时 2.7ms。换句话说，Python 2.3的sorted 比Python 2.4 的sorted要慢3倍，但在isorted上则要慢50倍。需要记住这个重要的经验:当需要进行优化时，首先进行测量。不应该仅仅根据基本原理选择优化的方式，因为真实的性能数据变化多端，即使在两个兼容的发行版本之间也会有很大的差异。第二个经验是:如果真的很关心性能，那赶紧转移到Python2.4吧。和 Python 2.3相比，Python 2.4 经过了极大的优化和加速，特别是在搜索和排序的方面。
如果确定你的代码只需要支持 Python 2.4，那么，如同本节解决方案所建议的那样，应当使用 heapq 的新函数 nsmallest。它速度快、使用简便，远胜于自己编写代码。举个例子，实现 Python 2.4 中的 top10，你只需要:
import heapq
def top10(data):return heapq.nsmallest(10,data)
比起前面展示的那个基于 isorted 的top10，对同样的洗过牌的1000个整数的列表进行处理，消耗的时间还可以削减一半。