Question

给定一个整数数组和一个整数值K我的任务是编写一个函数，该函数将标准输出中的该值的最大数字和之前的K个条目打印到标准输出。

示例输入：

tps: 6, 9, 4, 7, 4, 1
k: 3

示例输出：

有人告诉我，我编写的代码可以为大型数据集提高效率。如何才能使此代码最有效？

def tweets_per_second(tps, k):
    past = [tps[0]]
    for t in tps[1:]:
        past.append(t)
        if len(past) > k: past = past[-k:]
        print max(past)

Answer 1

使用单调队列可以实现线性时间复杂度（对于任何k值，O（n））。这个想法如下：

让我们保持对的双端队列（值，位置）。最初，它是空的。
当新元素到达时，请执行以下操作：当前元素的位置超出范围（小于i-K）时，弹出它。虽然后面元素的值小于新元素，但弹出它。最后，将一对（当前元素，其位置）推到双端队列的后面。
当前位置的答案是双端队列的前面元素。

每个元素仅添加到双端队列一次，最多删除一次。因此，时间复杂度是线性的，它不依赖于K.这个解决方案是最优的，因为只读取输入是O（n）。

Answer 2

尝试使用heap来实现从O(K)到O(logK)时间内降低最大操作的复杂性。

每次添加第一个(-tps[i]) *，i in range(0,k)和输出(-heap[0])
对于下一个N-k号码，您应该在堆中添加tps[i]删除tps[i-k]，并打印(-heap[0])

总的来说，你得到一个O（N log（K））算法，而你现在使用的是O（N * K）。如果K不小，这将非常有用。

*由于堆的实现将heap [0]中的min（堆）作为不变量，如果添加-value，-heap[0]将是max(heap)，如您所愿

Answer 3

大熊猫可以做得很好：

import pandas as pd
df = pd.DataFrame(dict(data=[6, 9, 4, 7, 4, 1]))
df['running_max'] = pd.expanding_max(df.data)
df['rolling_max'] = pd.rolling_max(df.data, 3, min_periods=0)


print df
   data  running_max  rolling_max
0     6            6            6
1     9            9            9
2     4            9            9
3     7            9            9
4     4            9            7
5     1            9            7

Python FInd过去k项中的最大数字

3 个答案: