Question

在给定数组中如何找到第2，第3，第4或第5个值？
此外，如果我们在python中使用max()函数，复杂的顺序是什么，即与此函数max()相关联？

def nth_largest(li,n):   
    li.remove(max(li))
    print max(ele)  //will give me the second largest
    #how to make a general algorithm to find the 2nd,3rd,4th highest value
    #n is the element to be found  below the highest value

Answer 1

我去找：

import heapq
res = heapq.nlargest(2, some_sequence)
print res[1] # to get 2nd largest

这比排序整个列表更有效，然后采用第一个n个元素。有关详细信息，请参阅heapq documentation。

Answer 2

您可以使用sorted(set(element))：

>>> a = (0, 11, 100, 11, 33, 33, 55)
>>>
>>> sorted(set(a))[-1] # highest
100
>>> sorted(set(a))[-2] # second highest
55
>>>

作为一个功能：

def nth_largest(li, n):
    return sorted(set(li))[-n]

试验：

>>> a = (0, 11, 100, 11, 33, 33, 55)
>>> def nth_largest(li, n):
...     return sorted(set(li))[-n]
...
>>>
>>> nth_largest(a, 1)
100
>>> nth_largest(a, 2)
55
>>>

注意，在这里您只需要对复制进行排序和删除一次，如果您担心性能可以缓存sorted(set(li))的结果。

Answer 3

如果性能是一个问题（例如：你打算多次调用它），那么你应该绝对保持列表的排序和重复数据删除，只需要第一个，第二个或第n个元素（即{ {1}}）。

使用bisect模块 - 它比“标准”o(1)更快。

sort允许您插入元素，insort将让您找到是否应该插入（以避免重复）。

如果不是，我建议更简单：

bisect

如果反向索引看起来很难看，你可以这样做：

def nth_largest(li, n):.
    return sorted(set(li))[-(n+1)]

Answer 4

至于哪种方法的时间复杂度最低，这很大程度上取决于您计划制作哪种类型的查询。

如果您计划对高索引进行查询（例如，列表中包含38个元素的第36个最大元素），则函数nth_largest(li,n)将具有接近O（n ^ 2）时间复杂度，因为它将具有做多次，即O（n），几次。除了使用max()而不是min()之外，它与选择排序算法类似。

另一方面，如果您只进行低索引查询，那么您的函数可以高效，因为它只会应用O（n）max函数几次，时间复杂度接近于上）。但是，在线性时间O（n）中建立最大堆是可能的，你最好只使用它。在您完成构建堆的麻烦之后，堆上的所有max()操作都将为O（1），这对您来说可能是一个更好的长期解决方案。

我认为最可扩展的方式（就能够查询任何 n的第n个最大元素而言）是使用内置的时间复杂度O（n log n）对列表进行排序sort函数，然后从排序列表中进行O（1）查询。当然，这不是最节省内存的方法，但就时间复杂度而言，它非常有效。

Answer 5

如果你不介意使用numpy（import numpy as np）：

np.partition(numbers, -i)[-i]

给你the ith largest element of the list with a guaranteed worst-case O(n) running time。

partition(a, kth)方法返回一个数组，其中k元素与排序数组中的元素相同，之前的所有元素都较小，后面的所有元素都较大。

Answer 6

怎么样：

sorted(li)[::-1][n]

找到第二高的元素

6 个答案: