Python 固定容量堆：heapreplace 总会换入新值，为什么可能把前三名越换越小
数据不断进入，只想保留最大的三个数，可以用小顶堆把当前门槛放在堆顶。但如果每来一条就直接heapreplace，低于门槛的新值也会被放进去，原本应该留下的高值反而出局。容量保持三，并不代表内容仍是前三名。
下面先让两个操作处理同一个低分候选，再把正确动作放进完整的Top-K函数。保存为demo.py，运行python demo.py。输入只有整数，全部在内存中执行，输出排序仅用于方便比较结果。
AI模型生成概念示意：有限席位只接纳足够大的候选，较小候选被返回；柱形表示比较关系，不是性能测试结果。
import heapq
kept = [5, 8, 9]
replaced = kept.copy()
returned = heapq.heappushpop(kept, 2)
removed = heapq.heapreplace(replaced, 2)
assert returned == 2 and sorted(kept) == [5, 8, 9]
assert removed == 5 and sorted(replaced) == [2, 8, 9]
print("pushpop:", returned, sorted(kept))
print("replace:", removed, sorted(replaced))
def largest_k(values, k):
if type(k) is not int or k < 0:
raise ValueError("k must be a nonnegative integer")
if k == 0:
return []
heap = []
for value in values:
if len(heap) < k:
heapq.heappush(heap, value)
else:
heapq.heappushpop(heap, value)
return sorted(heap, reverse=True)
data = [5, 8, 9, 2, 10, 8]
assert largest_k(data, 3) == sorted(data, reverse=True)[:3]
assert largest_k(data, 3) == [10, 9, 8]
assert largest_k([], 3) == []
assert largest_k([4], 3) == [4]
assert largest_k([7, 7], 2) == [7, 7]
assert largest_k(data, 0) == []
print("top three:", largest_k(data, 3))
empty = []
assert heapq.heappushpop(empty, 4) == 4 and empty == []
try:
heapq.heapreplace([], 4)
except IndexError:
print("empty heap: pushpop returns input; replace raises IndexError")
else:
raise AssertionError("empty replace accepted")返回的值可能就是刚来的候选
pushpop行输出2与[5, 8, 9]，低分候选没有进入保留集合。这个组合动作的语义相当于先把新项放进堆，再取走所有候选中的最小项，因此可以把新项自己返回。堆原来已有三项，操作后仍有三项。
replace行输出5与[2, 8, 9]。heapreplace先移除原堆顶，再把新值放入，所以它一定返回旧堆中的一项。新值即使更小也会被接纳；函数并没有检查“这条数据值不值得换进去”。这适合明确需要替换的情形，不能直接当作Top-K筛选器。
填充阶段与筛选阶段要分开
largest_k在数量不足k时调用heappush，先建立候选集合；达到容量后再用heappushpop。实跑得到top three: [10, 9, 8]，并与全量排序结果对照。小顶堆的堆顶代表已保留项中最小的一项，正好是新候选需要超过的门槛。
如果想用heapreplace实现同样算法，就应在堆已满且新值大于堆顶时才替换。不要先弹出再检查，否则门槛对应的旧值已经被移除。测试应同时包含低于门槛、高于门槛和相等值，不能只用持续递增的输入。
空堆与并列项也属于接口约定
最后一行显示空堆上的heappushpop直接返回输入，堆依然为空；heapreplace则抛IndexError。这解释了为何不能从空列表开始无条件使用pushpop，它不会替你完成最初的容量填充。示例对k为零直接返回，也覆盖输入不足k的情况。
重复整数会作为不同项目保留，本例[7, 7]仍输出两项。若业务要求不同分数或同分人员全部入选，已经是另一种规则，需要另外去重或扩展容量；不能只改变排序方向。真实记录还应明确比较键及同分次序，本例刻意只使用整数。
堆只保证顶端是最小值，内部列表并不是完整排序结果；最后调用sorted才产生降序展示。需要持续更新时可以长期保留这个堆，按需生成展示副本。若只是一次性取前几项，标准库的nlargest也值得优先考虑，能减少自行维护边界的代码。
资料核对日期：2026年10月2日。示例在本地 Python 3.12.14 实际执行，全部断言通过；输出对应文中固定输入。
