Question

letterList = ["a", 0, "b", 0, "c", 0, "d", 0, "e", 0, "f", 0, "g", 0, "h", 0, "i", 0,  "j", 0, "k", 0, "l", 0, "m", 0, "n", 0, "o", 0, "p", 0, "q", 0, "r", 0, "s", 0, "t", 0, "u", 0, "v", 0, "w", 0, "x", 0, "y", 0, "z", 0]
letterCount = 0
wordList = [None]
wordCount = 0
Count = 0
wordIndex = [0]
itext = cleaner(raw_input("enter itext please")).split()
print itext
for iword in itext:
    if iword in wordList:
        Count += 1
        for word in wordList:
            if iword == word:
                wordList[wordList.index(word)+1][0] += 1
                wordList[wordList.index(word)+1] += [wordCount]
            else:
                pass
    elif iword not in wordList:
        wordList += [iword]
        wordList += [[1, itext.index(iword)]]
    else:
        pass
    wordCount += 1
print wordList

代码看起来很混乱，因为我在python和编程方面都是初学者。

任何人都可以帮我处理代码的时间复杂性吗？

Answer 1

除格式不同外，print itext之后的所有内容都可以替换为：

print collections.Counter(itext)

这有复杂性O（n）。

如果没有Counter，您可以使用dict而不是列表来更好地表达算法来存储单词计数：

word_counter = {}
for word in itext:
    if word in word_counter:
        word_counter[word] += 1
    else:
        word_counter[word] = 1

dict非常适合存储某些东西（这里是一个单词）和其他东西（这里是一个计数）之间的关联。一个交替的单词和计数对的列表比dict有很多缺点，但杀手是在列表中找到一个单词是O（N）而不是O（1）。

Answer 2

第二个循环没用。您只需要iword中的wordlist索引。

for iword in itext:
    if iword in wordList:
        i = wordList.index(iword)
        wordList[i+1][0] += 1
        wordList[i+1].append(wordCount)
        Count +=1
    else:
        wordList.append(iword)
        wordList.append([1, itext.index(iword)])
    wordCount += 1
print wordList

这会产生与您的代码相同的输出，但说实话，我不清楚它是否真的符合您的期望......

Answer 3

假设使用循环计数来实现复杂性。

首先，我们需要找到最坏的情况。第一次通过循环的复杂度为1，第二次通过时的最大复杂度为3.在第三次，如果第二次循环的复杂度为3，那么第三次的最大复杂度为3，总复杂度为7.如果你给第二个复杂度为1，你可以给第三个最大复杂度为5，但这仍然给你一个总复杂度为7.但是，在这一点上它变得很奇怪。第四次通过的最大复杂度是，如果您的复杂度为1,1,5和5，则总共为12. 5具有1,1,1,7和7 = 17. 6具有1,1 ，1,7,7和7 = 24. 1,1,1,1,9,9,9 = 31. 1,1,1,1,9,9,9,9 = 40.找到一般的最差案例场景真的有点难，但我会说最糟糕的情况是，当上半部分（无论你使用一半的楼层或天花板无关紧要）字符串是由新单词组成的，其余的字符串的一部分由最后添加的新单词组成。 “红绿蓝黄黄黄黄”是7个单词最坏情况的一个例子。把它放到数学术语中看起来有点像这样：

O(ceiling(n/2) + floor(n/2)*(ceiling(n/2)*2+1))

或者，python根据列表大小计算出复杂性：

from __future__ import division
import math
def complexity(n):
    return math.ceil(n/2) + math.floor(n/2)*(math.ceil(n/2)*2+1)

那就是说，你的算法是可怕的，你应该用其他答案给出的其中一个代替它。

python中文本分析器代码的时间复杂度

3 个答案: