Python PriorityQueue处理同优先级含numpy数组元组的报错原因及解决

Python标准库中的PriorityQueue是线程安全的优先级队列实现，底层完全封装了heapq模块的小顶堆逻辑，核心运行规则如下：

• heapq实现的是小顶堆结构，会自动维护元素的排序规则，堆顶永远存储当前队列中的最小元素，出队时优先弹出堆顶元素
• 调用PriorityQueue.put()插入元素时，底层会调用heappush执行堆插入逻辑：如果插入的是元组类型的元素，会按元组索引顺序依次比较每个位置的元素大小，只有前一个位置的元素相等时，才会触发下一个位置元素的比较
• 你遇到的报错触发逻辑：两次插入的元组第一个元素优先级值都是0，相等，所以堆逻辑自动去比较第二个位置的numpy数组；而numpy多元素数组直接做大小比较会返回布尔数组，堆逻辑需要得到一个明确的单个布尔值判断大小关系，就触发了“真值歧义”的报错。

核心解决思路是避免优先级相同的场景下触发numpy数组的直接比较，常用方案有三种：

1. 添加唯一中间排序字段（最通用）
   在元组中加一个自增序号作为第二个字段，优先级相同的元素按插入顺序排序，永远不会触发后续numpy数组的比较：

import numpy as np
from queue import PriorityQueue

q = PriorityQueue()
seq = 0
q.put((0, seq, np.array([True, True])))
seq += 1
q.put((0, seq, np.array([True, False])))

2. 封装numpy数组自定义比较规则
   如果确实需要按numpy数组的属性做优先级排序，可以封装自定义类重写__lt__方法，自己定义大小判断逻辑：

import numpy as np
from queue import PriorityQueue

class ArrayWrapper:
    def __init__(self, arr):
        self.arr = arr
    # 示例：按数组的True值数量判断大小
    def __lt__(self, other):
        return self.arr.sum() < other.arr.sum()

q = PriorityQueue()
q.put((0, ArrayWrapper(np.array([True, True]))))
q.put((0, ArrayWrapper(np.array([True, False]))))

3. 无线程安全需求时直接用heapq
   PriorityQueue的线程安全特性会带来额外性能开销，如果不需要多线程操作队列，可以直接用heapq实现优先级队列，处理逻辑和上面两种方案一致。

内容的提问来源于stack exchange，提问作者yichudu