营销推广的方案,seo推广优势,有人情味的网站,企业建设营销网站的目的是什么请你为 最不经常使用#xff08;LFU#xff09;缓存算法设计并实现数据结构。
实现 LFUCache 类#xff1a;
LFUCache(int capacity) - 用数据结构的容量 capacity 初始化对象 int get(int key) - 如果键 key 存在于缓存中#xff0c;则获取键的值#xff0c;否则返回 -…请你为 最不经常使用LFU缓存算法设计并实现数据结构。
实现 LFUCache 类
LFUCache(int capacity) - 用数据结构的容量 capacity 初始化对象 int get(int key) - 如果键 key 存在于缓存中则获取键的值否则返回 -1 。 void put(int key, int value) - 如果键 key 已存在则变更其值如果键不存在请插入键值对。当缓存达到其容量 capacity 时则应该在插入新项之前移除最不经常使用的项。在此问题中当存在平局即两个或更多个键具有相同使用频率时应该去除 最久未使用 的键。 为了确定最不常使用的键可以为缓存中的每个键维护一个 使用计数器 。使用计数最小的键是最久未使用的键。
当一个键首次插入到缓存中时它的使用计数器被设置为 1 (由于 put 操作)。对缓存中的键执行 get 或 put 操作使用计数器的值将会递增。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。
示例
输入 [“LFUCache”, “put”, “put”, “get”, “put”, “get”, “get”, “put”, “get”, “get”, “get”] [[2], [1, 1], [2, 2], [1], [3, 3], [2], [3], [4, 4], [1], [3], [4]] 输出 [null, null, null, 1, null, -1, 3, null, -1, 3, 4]
解释 // cnt(x) 键 x 的使用计数 // cache[] 将显示最后一次使用的顺序最左边的元素是最近的 LFUCache lfu new LFUCache(2); lfu.put(1, 1); // cache[1,_], cnt(1)1 lfu.put(2, 2); // cache[2,1], cnt(2)1, cnt(1)1 lfu.get(1); // 返回 1 // cache[1,2], cnt(2)1, cnt(1)2 lfu.put(3, 3); // 去除键 2 因为 cnt(2)1 使用计数最小 // cache[3,1], cnt(3)1, cnt(1)2 lfu.get(2); // 返回 -1未找到 lfu.get(3); // 返回 3 // cache[3,1], cnt(3)2, cnt(1)2 lfu.put(4, 4); // 去除键 1 1 和 3 的 cnt 相同但 1 最久未使用 // cache[4,3], cnt(4)1, cnt(3)2 lfu.get(1); // 返回 -1未找到 lfu.get(3); // 返回 3 // cache[3,4], cnt(4)1, cnt(3)3 lfu.get(4); // 返回 4 // cache[3,4], cnt(4)2, cnt(3)3
提示
1 capacity 104 0 key 105 0 value 109 最多调用 2 * 105 次 get 和 put 方法 题目链接leetcode 460 lfu cache 思路本道题和 LRU cache 类似在 LRU cache 的基础上需要维护一个统计次数到 cache 中元素的一个字典 cache 中的元素仍然是一个双向链表除此之外还需要维护一个变量统计当前cache 中的元素的最小出现次数(从cache 中删除元素时需要根据这个值来进行删除)
class ListNode:## 双向链表def __init__(self, key0, value0, cnt1):self.key key ### cache 中的 key, key 对应的结果是 ListNode 结构self.value value self.prev Noneself.next Noneself.cnt cntclass cntNode:def __init__(self):self.dummy ListNode()self.dummy.next self.dummy.prev self.dummyclass LFUCache:def __init__(self, capacity: int):self.capacity capacityself.dummy ListNode()self.dummy.next self.dummy.prev self.dummyself.key_to_node dict()self.minCnt 1 ## 记录 cache 里面所有 key 的 minCnt## cnt_to_node 存放以计数器为 key 的 valueself.cnt_to_node collections.defaultdict(cntNode)def append(self, key, value, cnt1):## 新节点插入到 dummy 节点的 next 节点dummy self.cnt_to_node[cnt].dummynode1 ListNode(key, value, cnt)node1.next dummy.nextdummy.next.prev node1dummy.next node1node1.prev dummyself.key_to_node[key] node1def delete(self, key):node1 self.key_to_node[key]node1.prev.next node1.nextnode1.next.prev node1.prevnode1.prev node1.next Nonedummy self.cnt_to_node[node1.cnt].dummyif dummy.next dummy: ## 如果该 dict 为空删除该 dictif self.minCnt node1.cnt: ## 如果删的是最小的self.minCnt 1del self.cnt_to_node[node1.cnt]del self.key_to_node[key]def get(self, key: int) - int:if key in self.key_to_node:node1 self.key_to_node[key]self.delete(key)newCnt node1.cnt 1self.append(key, node1.value, newCnt)return node1.valueelse:return -1def put(self, key: int, value: int) - None:if key in self.key_to_node:node1 self.key_to_node[key]self.delete(key)self.append(key, value, node1.cnt1)else:if len(self.key_to_node) self.capacity:dummy self.cnt_to_node[self.minCnt].dummyself.delete(dummy.prev.key)self.append(key, value, 1)self.minCnt 1# Your LFUCache object will be instantiated and called as such:
# obj LFUCache(capacity)
# param_1 obj.get(key)
# obj.put(key,value)
