heapq模块使用标准的Python列表作为底层数据结构，因此在此之后，您可以再次使用标准的list方法remove()和heapify()。请注意，这将需要线性时间。

# Create example data and heapify
a = range(10)
a.reverse()
heapq.heapify(a)
print a

# remove an element and heapify again
a.remove(5)
heapq.heapify(a)
print a

字符串
你可以通过使用未文档化的函数heapify._siftup()来再次提高堆化的性能，但是整个过程仍然是O（n），因为list.remove()是O（n）。

如果您知道要删除的项目的位置，可以执行以下操作：

a[k] = a.pop()
heapq.heapify(a)

字符串
第一步现在是O（1）时间，第二步可以通过使用未记录的数据来实现O（log（N））。当然，如果你还没有k，它仍然是O（N）。

这个log（N）函数对我来说很有用：

def heapq_remove(heap, index):
    """Remove item from heap"""

    # Move slot to be removed to top of heap
    while index > 0:
        up = (index + 1) / 2 - 1
        heap[index] = heap[up]
        index = up

    # Remove top of heap and restore heap property
    heapq.heappop(heap)

字符串

有一种叫做treap的数据结构，它是一个优先级队列和二叉树的组合。（树堆）。它允许log-n搜索，这可能会对你有所帮助。
有一个Python treap implementation on PyPi..;）

我在使用search algorithms的project上遇到了这个问题，下面是答案：

queue_name = PriorityQueue()

queue_name.queue.remove(item_to_be_removed)

字符串
假设你有一个tuple作为一个项目，那么一个例子是：

queue_name.queue.remove((number, item_name))

型

有一种方法使用内部的_siftup和_siftdown。你需要同时使用这两个，因为在交换之后，元素可能需要向下游泳，因为它可能需要向上浮动。正如@rayryeng指出的，index操作使算法O（n）。

import heapq

# The removal function using internal functions
def remove_item(heap, val):
    if not heap:
        return

    try:
        i = heap.index(val)
    except ValueError:
        return

    if i < len(heap) - 1:
        heap[i] = heap[-1]

    heap.pop()
    if i < len(heap):
        heapq._siftup(heap, i)
        heapq._siftdown(heap, 0, i)

# Initial state
a = range(30)
a.reverse()
heapq.heapify(a)
print(a)

# The removal
remove_item(a, 15)
print(a)

字符串
荣誉给邓肯：https://stackoverflow.com/a/10163422/292502