為什么我的限制超出了前k個常見問題[LEETCODE]？

Question

對於Leetcode的前k個常見問題，我有以下代碼。

允許的時間限制復雜度小於o(nlogn) ，其中n是數組大小

是不是我的大O復雜o(n) 如果是這樣，我為什么還超過時間限制？

def topKFrequent(self, nums, k):
        output = {}
        outlist = []
        for item in nums:
            output[item] = nums.count(item)
        max_count = sorted(output.values(),reverse= True)[:k]
        for key,val in output.items():
            if val in max_count:
                outlist.append(key)
        return (outlist)

testinput：數組[1,1,1,2,2,3,1,1,1,2,2,3] k = 2

測試輸出： [1,2]

問題鏈接： https : //leetcode.com/problems/top-k-frequent-elements/

Answer 1

您的解決方案是O(n^2) ，因為：

for item in nums:
    output[item] = nums.count(item)

對於數組中的每個項目，您要遍歷整個數組以計算相同元素的數量。

無需執行此操作，您可以通過迭代nums並在查找到的每個項目的計數器中加1來獲得O(n)中的計數。

最后的O(n log n)將來自sorted(output.values(), reverse=True)因為每個通用排序算法（包括Timsort）都將是O(n log n) 。

Answer 2

另一個答案提到，您的計數是O(n^2)時間復雜度，這導致您超過了時間限制。 幸運的是，python在collections模塊中帶有一個Counter對象，該對象將完全按照其他答案的描述進行操作，但是使用的是經過優化的C代碼。 這會將您的時間復雜度降低為O(nlogn) 。

此外，您可以通過使用min-heap技巧來代替sort調用，從而將時間復雜度降低到O(nlogk) 。 保持大小為k的最小堆，然后添加其他元素並逐個彈出最小值，直到所有元素都插入（在某個點或另一點）。 堆中剩余的k是您的最大k值。

from collections import Counter
from heapq import heappushpop, heapify


def get_most_frequent(nums, k):
    counts = Counter(nums)
    counts = [(v, k) for k, v in counts.items()]

    heap = counts[:k]
    heapify(heap)

    for count in counts[k:]:
        heappushpop(heap, count)

    return [k for v, k in heap]

如果必須按任何特定順序返回元素，則可以按O(klogk)時間對k元素進行排序，這總體上仍將導致相同的O(nlogk)時間復雜度。