우리는 k
키의 수를 원하고 O(n log n)
에 반대 n
에서, Counter
의 크기입니다 O(n + k log n)
을 유지 heapq
를 사용하는 것을 알 수있다. 풀기 만이 중요한 경우, 그것은 조금 더 빨리 만들 수 있습니다
counts = Counter([(1, "A"), (2, "A"), (1, "A"), (2, "B"), (1, "B")])
Counter({(f1, f2): n for (f1, f2), n in counts.items() if f2 == "A"}).most_common(2)
#>>> [((1, 'A'), 2), ((2, 'A'), 1)]
:이 이상 O(n)
때문에
def most_common(self, n=None):
'''List the n most common elements and their counts from the most
common to the least. If n is None, then list all element counts.
>>> Counter('abcdeabcdabcaba').most_common(3)
[('a', 5), ('b', 4), ('c', 3)]
'''
# Emulate Bag.sortedByCount from Smalltalk
if n is None:
return sorted(self.items(), key=_itemgetter(1), reverse=True)
return _heapq.nlargest(n, self.items(), key=_itemgetter(1))
, 우리는 단지 카운터를 필터링하고 해당 항목을 얻을 수 있습니다
import heapq
from operator import itemgetter
filtered = [((f1, f2), n) for (f1, f2), n in counts.items() if f2 == "A"]
heapq.nlargest(2, filtered, key=itemgetter(1))
#>>> [((1, 'A'), 2), ((2, 'A'), 1)]
모바일에서 그렇게 확실하지는 않지만 항목 [0] [1] == 'A'], key = operator.itemgetter (1), reverse = [item.items (item) 사실) [: 10]' – roippi
@roippi 효과가있었습니다. 당신이 대답을 기입하면 나는 그것을 받아 들일 것입니다. – codepk