上篇文章我們對mpy標準微庫進行了簡單的方法羅列，又因為mpy是從標準的Python庫中退化而來，那就先簡單的學習一下Python的庫。
上面的文章說了這么多，那這篇就寫這些
我這里就用3.8寫了，使用jupyter環境
array是一個高效的數組模塊，該模塊定義了一個對象類型，它可以緊湊地表示一組基本值：字符、整數、浮點數。數組是序列類型，其行為與列表非常相似，只是其中存儲的對象類型受到限制。類型是在創建對象時使用類型代碼指定的， 類型代碼是單個字符。定義了以下類型代碼：
筆記，記好了
mpy中支持的格式代碼：b, B, h, H, i, I, l, L, q, Q, f, d（后 2 種取決于浮點支持）。
那這個和list有什么區別呢？首先是一種序列類型，序列方法都可以在上面使用。然后數組類型的對象是固定的，不可以混合裝載
使用要先導入，然后一開始要指定存儲的數據類型
后面用元組傳入存儲的東西
IDE可以智能的給出方法
這里使用了一個列表的轉換方法
這個比較簡單，實驗了mpy提供的一個添加方法
請看extend的方法
array.extend(iterable)
將來自 iterable 的項添加到數組末尾。如果 iterable 是另一個數組，它必須具有 完全 相同的類型碼；否則將引發 TypeError。如果 iterable 不是一個數組，則它必須為可迭代對象并且其元素必須為可添加到數組的適當類型。
限制較多，其實數據類型相同就行。其實方法這么少，正好可以去看看實現，誰說不是呢？
二進制之間的轉換方法，沒有什么說的
復數運算
這是完整的雙端隊列
mpy提供了兩個方法
我這里就做簡單的演示
這些方法mpy不支持而且很多方法是之后才加進來的
在看命名數組之前，需要知道一個概念，叫工廠函數：
工廠函數看上去有點像函數，實質上他們是類，當你調用它們時，實際上是生成了該類型的一個實例，就像工廠生產貨物一樣.
python核心編程
https://www.cr173.com/soft/10446.html書籍的下載位置
書籍封面
當然java里面也有這樣的概念，你可以看看
看這個，list這個函數本身就有工廠函數的能力
工廠函數是指這些內建函數都是類對象，當你調用它們的時候，實際上是創建了一個類實例，其實也可以理解成內建函數。
https://www.zhihu.com/question/20670869歸根結底，它源于設計模式中的一種說法，就是指你不通過類來直接構造對象，而是通過一個函數來構造對象，這樣允許你在函數中加入更多的控制。
懵了嗎？要是就這就懵了，那別看了~
其中命名元組賦予每個位置一個含義，提供可讀性和自文檔性。它們可以用于任何普通元組，并添加了通過名字獲取值的能力，通過索引值也是可以的。
我覺得你看例子就能看懂
其中有使用位置和關鍵字實參，可以像普通元組一樣去索引，字段可以用命去訪問，加入了__repr__的值方法。
在mpy里面是這樣使用的：
from collections import namedtupleMyTuple = namedtuple("MyTuple", ("id", "name"))t1 = MyTuple(1, "foo")t2 = MyTuple(2, "bar")print(t1.name)assert t2.name == t2[1]
命名元組實例沒有字典，所以它們要更輕量，并且占用更小內存。
我這個ordereddict真的不知道怎么翻譯了，反正就是可以迭代的時候（就是打印的時候可以按照你加進去的順序打印）
它會返回一個 dict 子類的實例，支持常用的 dict 方法。Ordered Dict 是一種記錄鍵首次插入順序的 dict 。如果新條目覆蓋現有條目，則原始插入位置保持不變。刪除一個條目并重新插入它將把它移到末尾。
這是標準Python庫
from collections import OrderedDictd = OrderedDict([("z", 1), ("a", 2)])# More items can be added as usuald["w"] = 5d["b"] = 3for k, v in d.items():print(k, v)
使用前記得初始化，以上為mpy
z 1a 2w 5b 3
輸出
接下來是文章中最有技術含量的東西，堆隊列算法，這個東西講起來就有學術味道了，而且還需要補充一些知識才可以。
容器：
在計算機科學中，容器是一個類或數據結構，其實例（運行實體）是其他對象的集合。換句話說，它們以遵循特定訪問規則的有組織的方式存儲對象。容器的大小取決于它包含的對象（元素）的數量。各種容器類型的底層（繼承）實現的大小和復雜性可能不同，并為任何給定場景選擇正確的實現提供了靈活性。
容器可以通過以下三個屬性來表征：
1.access，即訪問容器對象的方式。在數組的情況下，訪問是通過數組索引完成的。在堆棧的情況下，根據LIFO（后進先出）順序進行訪問，而在隊列的情況下，根據FIFO（先進先出）順序進行訪問；
2.storage，即容器對象的存儲方式；
3.traversal，即遍歷容器對象的方式。
容器類應該實現方法來執行以下操作：
1.創建一個空容器（構造函數）；
2.將對象插入容器；
3.從容器中刪除對象；
4.刪除容器中的所有對象（清除）；
5.訪問容器中的對象；
6.訪問容器中的對象數量（計數）。
7.容器有時與迭代器一起實現。
注意，容器其實是一種組織形式，就是特定的操作定義。它不單單是一種數據結構，它是一種更加高層的對數據結構的表達。
堆又是屬于隊列這種結構：
在計算機科學中，隊列是按序列維護的實體集合，可以通過在序列的一端添加實體和從序列的另一端刪除實體來修改。按照慣例，添加元素的序列末尾稱為隊列的后部、尾部或后部，刪除元素的末尾稱為隊列的頭部或前部，類似于以下使用的詞人們排隊等候商品或服務。
將元素添加到隊列尾部的操作稱為入隊，而從隊列中移除元素的操作稱為出隊。也可能允許其他操作，通常包括查看或前端操作，該操作返回下一個要出隊的元素的值而不將其出隊。
隊列的操作使其成為先進先出 (FIFO) 數據結構。在 FIFO 數據結構中，添加到隊列的第一個元素將是第一個被刪除的元素。這相當于要求一旦添加了新元素，必須先刪除之前添加的所有元素，然后才能刪除新元素。隊列是線性數據結構的一個例子，或者更抽象地說是一個順序集合。隊列在計算機程序中很常見，它們被實現為與訪問例程耦合的數據結構、抽象數據結構或在面向對象的語言中作為類。常見的實現是循環緩沖區和鏈表。
隊列在計算機科學、傳輸和運籌學領域提供服務，其中存儲和保存各種實體（如數據、對象、人員或事件）以供以后處理。在這些上下文中，隊列執行緩沖區的功能。隊列的另一個用途是實現廣度優先搜索。
大O表示
這個東西算是最出名的東西
那我們的堆是隊列中的優先級隊列：
在計算機科學中，優先級隊列是一種抽象數據類型，類似于常規隊列或堆棧數據結構，其中每個元素還具有與其關聯的“優先級”。在優先級隊列中，優先級高的元素在優先級低的元素之前被服務。在某些實現中，如果兩個元素具有相同的優先級，則根據它們入隊的順序為它們提供服務，而在其他實現中，具有相同優先級的元素的排序是不確定的。
雖然優先級隊列通常用堆實現，但它們在概念上與堆不同。優先級隊列是一個類似于“列表”或“地圖”的概念；正如列表可以用鏈表或數組實現一樣，優先隊列可以用堆或各種其他方法（例如無序數組）來實現。
上面這么多就夠了，這里只說一下。堆是一種稱為優先級隊列的抽象數據類型的最高效率實現，實際上，優先級隊列通常稱為“堆”，無論它們如何實現。在堆中，最高（或最低）優先級的元素總是存儲在根。但是，堆不是排序結構；它可以被認為是部分有序的。當需要重復刪除具有最高（或最低）優先級的對象時，堆是一種有用的數據結構。
一個圖解決戰斗，看節點的數字大小
只實現了這三個
這個模塊提供了堆隊列算法的實現，也稱為優先隊列算法。
堆是一個二叉樹，它的每個父節點的值都只會小于或大于所有孩子節點。它使用了數組來實現：從零開始計數，對于所有的 k ，都有``heap[k] <= heap[2*k+1]`` 和 heap[k] <= heap[2*k+2] 。為了便于比較，不存在的元素被認為是無限大。堆最有趣的特性在于最小的元素總是在根結點：heap[0] 。
這個API與教材中堆算法的實現不太一樣，在于兩方面：
（a）我們使用了基于零開始的索引。這使得節點和其孩子節點之間的索引關系不太直觀，但是由于Python使用了從零開始的索引，所以這樣做更加合適。
（b）我們的 pop 方法返回了最小的元素，而不是最大的
（這在教材中叫做 “最小堆”；而“最大堆”在課本中更加常見，因為它更加適用于原地排序）。
基于這兩方面，把堆看作原生的Python list也沒什么奇怪的： heap[0] 表示最小的元素，同時 heap.sort() 維護了堆的不變性！
注意堆的實現，是一個單獨的模塊
mpy中的堆操作，之后在使用的時候做說明
