Question

我有一本字典如下：

{'abc':100,'xyz':200,'def':250 .............}

它是一个字典，其中键作为实体的名称，值是该实体的计数。我需要从字典中返回前十个元素。

我可以编写一个堆来执行此操作，但我不确定如何对键映射执行值，因为某些值将相等。

还有其他数据结构吗？

Answer 1

使用heapq您可能希望执行以下操作：

heap = [(-value, key) for key,value in the_dict.items()]
largest = heapq.nsmallest(10, heap)
largest = [(key, -value) for value, key in largest]

请注意，由于heapq仅实现最小堆，因此最好反转这些值，以便更大的值变小。

对于小尺寸的堆，此解决方案会更慢，例如：

>>> import random
>>> import itertools as it
>>> def key_generator():
...     characters = [chr(random.randint(65, 90)) for x in range(100)]
...     for i in it.count():
...             yield ''.join(random.sample(characters, 3))
... 
>>> the_dict = dict((key, random.randint(-500, 500)) for key, _ in zip(key_generator(), range(3000)))
>>> def with_heapq(the_dict):
...     items = [(-value, key) for key, value in the_dict.items()]
...     smallest = heapq.nsmallest(10, items)
...     return [-value for value, key in smallest]
... 
>>> def with_sorted(the_dict):
...     return sorted(the_dict.items(), key=(lambda x: x[1]), reverse=True)[:10]
... 
>>> import timeit
>>> timeit.timeit('with_heapq(the_dict)', 'from __main__ import the_dict, with_heapq', number=1000)
0.9220538139343262
>>> timeit.timeit('with_sorted(the_dict)', 'from __main__ import the_dict, with_sorted', number=1000)
1.2792410850524902

使用3000个值时，它仅比sorted版本略快，即O(nlogn)而不是O(n + mlogn)。如果我们将dict的大小增加到10000，heapq版本变得更快：

>>> timeit.timeit('with_heapq(the_dict)', 'from __main__ import the_dict, with_heapq', number=1000)
2.436316967010498
>>> timeit.timeit('with_sorted(the_dict)', 'from __main__ import the_dict, with_sorted', number=1000)
3.585728168487549

时间可能还取决于您运行的机器。您可能应该分析哪种解决方案在您的情况下最有效。如果效率不重要，我建议使用sorted版本，因为它更简单。

Answer 2

要获得前10个元素，假设数字位于第二位：

from operator import itemgetter

topten = sorted(mydict.items(), key=itemgetter(1), reverse = True)[0:10]

如果您想按值排序，则只需将密钥更改为key=itemgetter(1,0)。

对于数据结构，堆听起来就像你想要的那样。只需将它们保留为元组，并比较数字项。

Answer 3

使用堆是具有时间复杂性的最佳解决方案： O（nlogk）。其中n是堆的长度，而 k是10 。

现在，映射键的技巧是我们可以创建另一个用于比较键的类并定义魔术方法__lt__() __gt__()。会覆盖<，>运算符

import heapq
class CompareWord:
  def __init__(self , word , value):
    self.word = word
    self.value = value

  def __lt__(self, other):   #To override > operator
    return self.value < other.value

  def __gt__(self , other):  #To override < operator
    return self.value > other.value

  def getWord(self):
    return self.word

def findKGreaterValues(compare_dict , k):
  min_heap = []
  for word in compare_dict:
      heapq.heappush(min_heap , CompareWord(word ,compare_dict[word] ))
      if(len(min_heap) > k):
          heapq.heappop(min_heap)   
  answer = []
  for compare_word_obj in min_heap:
      answer.append(compare_word_obj.getWord())

  return answer

Answer 4

如果字典保持常量，则可以尝试使用值作为键对字典项进行排序，而不是尝试直接或通过heapq创建collections.Counter以相反的顺序，然后从它获得前10个元素。您需要从元组重新创建字典

>>> some_dict = {string.ascii_lowercase[random.randint(0,23):][:3]:random.randint(100,300) for _ in range(100)}
>>> some_dict
{'cde': 262, 'vwx': 175, 'xyz': 163, 'uvw': 288, 'qrs': 121, 'mno': 192, 'ijk': 103, 'abc': 212, 'wxy': 206, 'efg': 256, 'opq': 255, 'tuv': 128, 'jkl': 158, 'pqr': 291, 'fgh': 191, 'lmn': 259, 'rst': 140, 'hij': 192, 'nop': 202, 'bcd': 258, 'klm': 145, 'stu': 293, 'ghi': 264, 'def': 260}
>>> sorted(some_dict.items(), key = operator.itemgetter(1), reverse = True)[:10]
[('stu', 293), ('pqr', 291), ('uvw', 288), ('ghi', 264), ('cde', 262), ('def', 260), ('lmn', 259), ('bcd', 258), ('efg', 256), ('opq', 255)]

如果您正在使用heapq，要创建堆，则需要nlogn操作，如果要通过插入元素来构建堆，或者logn如果要堆积列表，则后跟{{1}获取热门mlogn元素的操作

如果要对项目进行排序，Python排序算法在最坏的情况下保证为m（请参阅TIM Sort），并且前10个元素的获取将是一个常量操作

Answer 5

您可以在您的课程中实现 lt 函数，您可以在其中指定要比较的属性。

def __lt__(self, other):
   return self.attribute if self.attribute < other else other

Answer 6

想象一下像这样的字典（a-z与a = 1和z = 26的映射）：

>>> d={k:v for k,v in zip((chr(i+97) for i in range(26)),range(1,27))}
>>> d
{'g': 7, 'f': 6, 'e': 5, 'd': 4, 'c': 3, 'b': 2, 'a': 1, 'o': 15, 'n': 14, 'm': 13, 'l': 12, 'k': 11, 'j': 10, 'i': 9, 'h': 8, 'w': 23, 'v': 22, 'u': 21, 't': 20, 's': 19, 'r': 18, 'q': 17, 'p': 16, 'z': 26, 'y': 25, 'x': 24}

现在你可以这样做：

>>> v=list(d.values())
>>> k=list(d.keys())
>>> [k[v.index(i)] for i in sorted(d.values(),reverse=True)[0:10]]
['z', 'y', 'x', 'w', 'v', 'u', 't', 's', 'r', 'q']

您还说过映射的某些值是相等的。现在让我们更新d，使其字母为A-Z，映射为1-26：

>>> d.update({k:v for k,v in zip((chr(i+65) for i in range(26)),range(1,27))})

现在，A-Z和a-z都映射到1-26：

>>> d
{'G': 7, 'F': 6, 'E': 5, 'D': 4, 'C': 3, 'B': 2, 'A': 1, 'O': 15, 'N': 14, 'M': 13, 'L': 12, 'K': 11, 'J': 10, 'I': 9, 'H': 8, 'W': 23, 'V': 22, 'U': 21, 'T': 20, 'S': 19, 'R': 18, 'Q': 17, 'P': 16, 'Z': 26, 'Y': 25, 'X': 24, 'g': 7, 'f': 6, 'e': 5, 'd': 4, 'c': 3, 'b': 2, 'a': 1, 'o': 15, 'n': 14, 'm': 13, 'l': 12, 'k': 11, 'j': 10, 'i': 9, 'h': 8, 'w': 23, 'v': 22, 'u': 21, 't': 20, 's': 19, 'r': 18, 'q': 17, 'p': 16, 'z': 26, 'y': 25, 'x': 24}

因此，对于重复映射，唯一明智的结果是返回具有值的键列表：

>>> [[k[x] for x,z in enumerate(v) if z==i ] for i in sorted(d.values(),reverse=True)[0:10]]
[['Z', 'z'], ['Z', 'z'], ['Y', 'y'], ['Y', 'y'], ['X', 'x'], ['X', 'x'], ['W', 'w'], ['W', 'w'], ['V', 'v'], ['V', 'v']]

你可以在这里使用heapq：

[[k[x] for x,z in enumerate(v) if z==i ] for i in heapq.nlargest(10,v)]

您没有说明您想要对重复结果做什么，所以我假设您希望删除这些重复项，而结果列表保持N长。

这样做：

def topn(d,n):
    res=[]
    v=d.values()
    k=d.keys()
    sl=[[k[x] for x,z in enumerate(v) if z==i] for i in sorted(v)]
    while len(res)<n and sl:
        e=sl.pop()
        if e not in res:
            res.append(e)

    return res

>>> d={k:v for k,v in zip((chr(i+97) for i in range(26)),range(1,27))}
>>> d.update({k:v for k,v in zip((chr(i+65) for i in range(0,26,2)),range(1,27,2))})  
>>> topn(d,10)
[['z'], ['Y', 'y'], ['x'], ['W', 'w'], ['v'], ['U', 'u'], ['t'], ['S', 's'], ['r'], ['Q', 'q']]

Answer 7

Bakuriu的回答是正确的（使用heapq.nlargest）。

但如果您对使用正确的算法感兴趣， quickselect 使用类似的原则来快速排序，并由同一个人发明：C.A.R。霍尔。

然而，不同之处在于未对数组进行完全排序：完成后，如果要求前n个元素，则它们位于数组的前n个位置，但不一定按排序顺序。

与quicksort类似，它首先选择一个pivot元素并旋转数组，使所有[：j]小于或等于[j]，并且所有a [j + 1：]都大于a [j ]

接下来，如果j == n，则最大的元素是[：j]。如果j> n，然后quickselect仅在枢轴左侧的元素上递归调用。如果j＆lt;然后在枢轴右侧的元素上调用quickselect，从中提取n - j - 1个最大元素。

因为quickselect仅在数组的一侧递归调用（与在两者上递归调用的quicksort不同），因此它在线性时间内工作（如果输入是随机排序的，并且没有重复的键）。这也有助于将递归调用转换为while循环。

这是一些代码。为了帮助理解它，外部while循环中的不变量是元素xs [：lo]保证在n个最大的列表中，并且元素xs [hi：]保证不在n个最大值。

import random

def largest_n(xs, n):
    lo, hi = 0, len(xs)
    while hi > n:
        i, j = lo, hi
        # Pivot the list on xs[lo]
        while True:
            while i < hi and xs[i] >= xs[lo]:
                i += 1
            j -= 1
            while j >= lo and xs[j] < xs[lo]:
                j -= 1
            if i > j:
                break
            xs[i], xs[j] = xs[j], xs[i]
        # Move the pivot to xs[j]
        if j > lo:
            xs[lo], xs[j] = xs[j], xs[lo]
        # Repeat on one side or the other based on the location of the pivot.
        if n <= j:
            hi = j
        else:
            lo = j + 1
    return xs[:n]


for k in xrange(100):
    xs = range(1000)
    random.shuffle(xs)
    xs = largest_n(xs, 10)
    assert sorted(xs) == range(990, 1000)
    print xs

Answer 8

以下情况如何，应为O（len（xs））。

您只需将前n个元素与剩余元素中最大的元素交换。

    def largest_n(xs, n):
        for i in range(n):
            for j in range(i+1,len(xs)):
                if xs[j] > xs [i]:
                    xs[i], xs[j] = xs[j], xs[i]
        return xs[:n]

如何在python中维护堆中的字典？

8 个答案: