在一个 最小堆 (min heap) 中，如果 P 是 C 的一个父级节点，那么 P 的 key（或 value) 应小于或等于 C 的对应值。 正因为此，堆顶元素一定是最小的，我们会利用这个特点求最小值或者第 k 小的值。
在一个 最大堆 (max heap) 中，P 的 key（或 value) 大于或等于 C 的对应值。
以python为例，说明堆的几个常见操作，这里需要用到一个内置的包：heapq
python中使用堆是通过传入一个数组，然后调用一个函数，在原地让传入的数据具备堆的特性
需要注意的是，heapify默认构造的是小顶堆（min heap），如果要构造大顶堆，思路是把所有的数值倒转，既* -1，例如：
使用heapq提供的函数： heappop 来实现
具体使用方式参考 初始化Heapify
使用heapq提供的函数： heappush 来实现
同时heapq还提供另外一个函数： heappushpop ，能够在一个函数实现push&pop两个操作；顺序是：先push再pop
根据官方文档的描述，这个函数会比先在外围先调用heappush，再调用heappop，效率更高
先pop数据再push数据，和heappushpop的顺序是反着的； 同样的，这样调用的性能也会比先调用heappop再调用heappush更好
如果pop的时候队列是空的，会抛出一个异常
可以通过 heapq.merge 将多个 已排序 的输入合并为一个已排序的输出，这个本质上不是堆；其实就是用两个指针迭代
对于这个问题，有一个算法题可以实现相同的功能
从 iterable 所定义的数据集中返回前 n 个最大/小元素组成的列表。
函数为： heapq.nlargest() | heapq.nsmallest()
heapq - Heap queue algorithm - Python 3.10.4 documentation
python多类化和栈有管理方式不同，生长方向不同的区别。Heap）与栈（Stack）是开发人员必须面对的两个概念，在理解这两个概念时，需要放到具体的场景下，因为不同场景下，堆与栈代表不同的含义。一般情况下，有两层含义：（1）程序内存布局场景下，堆与栈表示的是两种内存管理方式；
（2）数据结构场景下，堆与栈表示两种常用的数据结构。
堆与栈实际上是操作系统对进程占用的内存空间的两种管理方式，主要有如下几种区别：
（1）管理方式不同。栈由操作系统自动分配释放，无需我们手动控制；堆的申请和释放工作由程序员控制，容易产生内存泄漏；
（2）空间大小不同。每个进程拥有的栈的大小要远远小于堆的大小。理论上，程序员可申请的堆大小为虚拟内存的大小，进程栈的大小 64bits 的 Windows 默认 1MB，64bits 的 Linux 默认 10MB；
