堆结构,类似于 Queue 库里的 PriorityQueue 优先队列，其实 PriorityQueue 就是小顶堆，查看源代码可以发现优先队列的实现就是调用了 heapq 的函数。
堆一般是由树组成，具体来说是完全二叉树，类似二叉搜索树，父子节点之间有大小关系。
小顶堆的父节点的值小于子节点，在 优先队列中插入新值的时候，会将其与父节点的大小比较，如果小于父节点，则与之对换，直至根节点。
小顶堆的查询时间复杂度是 O(logK), K 为二叉树深度。
在 Queue 中的队列都是使用 python 的 列表实现的，在堆这里也是。
一个元素的下标为 i，其父节点的小标为 (i-1)/2
同样的，一个元素的下标为n，其子节点的位置分别为 (2*n)+1 和 (2*n)+2,存在 Q[n] <= Q[2*n+1] 和 Q[n] <= Q[2*n+2]
在 O(N) 的时间复杂度里，将一个列表转为小顶堆，Q[0] 为最小值，原地修改。
>>> from heapq import heapify
>>> a = [4,6,7,1,5,7,9,10,3,2]
>>> heapify(a)
>>> a
[1, 2, 7, 3, 4, 7, 9, 10, 6, 5]
合并 k 个列表，返回排序后的结果。列表原始值可以为未排序值。
其实是实现了堆排序。
>>> from heapq import merge
>>> a = [4,6,7,1,5,7,9,10,3,2]
>>> b = [1,2,2,3,5,7,9,10,11]
>>> list(merge(a,b))
[1, 2, 2, 3, 4, 5, 6, 7, 1, 5, 7, 7, 9, 9, 10, 3, 2, 10, 11]
往一个堆里插入值。
操作顺序是，往堆的末位插入一个节点，然后将其与父节点的大小比较，如果小于父节点，则与之对换，直至根节点。
>>> a = [1, 2, 7, 3, 4, 7, 9, 10, 6, 5]
>>> from heapq import heappush
>>> heappush(a, 8)
>>> a
[1, 2, 7, 3, 4, 7, 9, 10, 6, 5, 8]
取出堆里最小值。
操作顺序是，先取走堆顶元素，然后将堆尾最后一个元素放至堆顶。然后将其与子节点的大小相比较，如果大于子节点，则与较小的那个子节点对换，直至叶节点。
>>> from heapq import heappop
>>> a = [1, 2, 7, 3, 4, 7, 9, 10, 6, 5]
>>> heappop(a)
1
>>> a
[2, 3, 7, 5, 4, 7, 9, 10, 6]
取出堆中最小元素，并将新值插入堆顶。
>>> a
[1, 2, 7, 3, 4, 7, 9, 10, 6, 5, 8]
>>> a = [1, 2, 7, 3, 4, 7, 9, 10, 6, 5]
>>> from heapq import heapreplace
>>> heapreplace(a, 6)
1
>>> a
[2, 3, 7, 6, 4, 7, 9, 10, 6, 5]
将堆顶与插入值做对比，返回最小值。
如果堆顶是教小值，返回堆顶元素。则插入教小值。如果插入值是教小值，则堆结构不变，返回教小值。
>>> a
[2, 3, 7, 6, 4, 7, 9, 10, 6, 5]
>>>
>>> from heapq import heappushpop
>>> heappushpop(a, 1)
1
>>> a
[2, 3, 7, 6, 4, 7, 9, 10, 6, 5]
>>> heappushpop(a, 3)
2
>>> a
[3, 3, 7, 6, 4, 7, 9, 10, 6, 5]
使用堆结构从列表中找出最小的n个元素
>>> from heapq import nsmallest
>>> a
[3, 3, 7, 6, 4, 7, 9, 10, 6, 5]
>>> nsmallest(4, a)
[3, 3, 4, 5]
很神奇的操作，构造最小的大根堆，每次构造大根堆出来之后，将最大值丢弃，保留最小值在堆里。最后在返回时调用排序算法排序输出。
可能也有一定的道理，在完成 n 个元素的大根堆之后，最大值在嘴上面，如果新插入的值大于最大值，则直接丢弃。如果插入的值小于最大值，将其插入运算。
如果构建的是 n 个元素的小根堆，则每次新的元素过来，都需要将其插入堆尾，最后最小的 n 个元素还要从堆头往下数 n 个。
使用堆结构从列表中找出最大的n个元素
>>> from heapq import nlargest
>>> a = [3, 3, 7, 6, 4, 7, 9, 10, 6, 5]
>>> nlargest(4, a)
[10, 9, 7, 7]
其上函数都可以通过阅读源码习得。
源码中 _siftdown 为从子节点往上冒泡，做插入堆的函数，往父节点比较。
_siftup 为父节点往下冒泡，做取数的函数，往子节点做比较，在换为叶节点后还会再调用一次 _siftdown 做一次向上冒泡的校验。