python中的堆heapq是基于小根堆存储的，即每一个父节点都小于等于它的子节点。
如果想建立大根堆，可以对原数组取负值，此时建立的堆取值时再通过取负变回正值，进而建立的堆表示大根堆。

heapq.heappush时，默认通过__lt__比较元素的大小。

关于heapq更多的操作：

import heapq

# （1）创建一个空堆，并加入数据
heap = []
for item in [2, 3, 1, 4]:
    heapq.heappush(heap, item)
print heap     # 输出 [1, 3, 2, 4]

# （2）根据链表构建一个堆 --> heapify
l = [2, 3, 1, 4]
heapq.heapify(l)
print l        # 输出 [1, 3, 2, 4]

# （2）向堆中追加元素 -->heappush
heapq.heappush(l, -10)
print l        # 输出 [-10, 1, 2, 4, 3]

# 另外heapq的元素可以是元组，元组的每个元素都可以比较大小，具体比较大小，是按照元组元素的先后次序进行比较
# 例如：heapq.heappush(x, (1, 'sd')) 

# (3) 弹出堆头（返回堆头之后堆再进行翻转，堆头保持最小值） -->heappop
print heapq.heappop(l)      # 输出 -10
print l                     # 输出 [1, 3, 2, 4]
print heapq.heappop(l)      # 输出 1
print l                     # 输出 [2, 3, 4]

# (4) 替换第一个元素，并构建堆 --> heapreplace
l = [2, 3, 1, 4]
print heapq.heapreplace(l, 100)     # 输出 2
print l                             # 输出 [1, 3, 100, 4]

# （5）合并多个链表 --> merge
l = [1, 3, 2]
l2 = [5, 2, 3]
l3 = [9, 2, 3, 1]
print list(heapq.merge(l, l2, l3))  # 输出 [1, 3, 2, 5, 2, 3, 9, 2, 3, 1]

# （6）多路归并 --> merge
#  对每一个链表进行排序，再对排序后的列表进行合并
print list(heapq.merge(sorted(l), sorted(l2), sorted(l3)))

# （7）返回最大的元素 --> nlargest
l = [2, 3, 1, 4]
print heapq.nlargest(2, l)     # 输出 [4, 3]

# （8）返回最小的元素 --> nsmallest
l = [2, 3, 1, 4]
print heapq.nsmallest(2, l)     # 输出 [1, 2]

# （9）向堆中追加一个数据，再弹出堆头（弹出后堆不会发生翻转） --> heappushpop
l = [2, 3, 1, 4]
print heapq.heappushpop(l, -10)     # 输出 -10
print l                             # 输出 [2, 3, 1, 4]

参考：
https://docs.python.org/2/library/heapq.html#heapq.heappush