我想使用一个数据结构，该数据结构使我可以在最佳运行时存储最多的x对象，并在最佳的运行时间内管理该结构。
我们称其为 Rank_List()。让我们定义X = 2，以下情况应发生。
ranked_list = Rank_List()
ranked_list.add((obj1, 0.5)
print ranked_list -> [(obj1, 0.5)]
ranked_list.add((obj2, 0.75))
print ranked_list -> [(obj2, 0.75), (obj1, 0.5)]
因此，我们可以看到它可以保持排名（首先为0.75，而0.5在第二位）
ranked_list.add(obj3, 0.7)
print ranked_list -> [(obj2, 0.75), (obj3, 0.7)]
添加另一个比OBJ1更高的对象后，OBJ1被排除在列表之外（X = 2因此，只有多达2个对象可以存储在列表中）
是否存在Python中已经存在类似的数据结构？如果没有
从我了解的注释中，您希望从序列中提取顶级k元素。在这种情况下，您根本不需要整理列表。您可以使用堆队列。
hapq是一棵二进制树，任何父母的价值要么小于其任何一个孩子（如果您翻转值）。这意味着您总是可以按顺序（k）时间找到顶部的K元素，但是在插入时保持堆仅需O（logn）时间。总体而言，对于n个项目和k个最高项目（按顺序），这为您提供了非常有效的O（Klogn）算法。
Python标准库包括heapq模块为您执行此操作。
您可以自己保留堆，也可以使用heapq.nlargest功能为您的估计构建堆，然后直接返回顶部K项目。
要将k 最大的项目保存在手动保存的堆中，首先构建k元素的列表（如(priority, elem)元组），一旦达到该大小，请使用heapify()，然后从那里开始使用heapreplace()将下一个元素推入列表，然后删除最小的。这样，您总是保留固定尺寸的最大物品。最后，使用sorted(heap, reverse=True)以相反排序的顺序（最大到最小）为您提供那些最大的项目。