【面试刷题】水塘抽样算法 | 样本数未知 & 随机取样 & 节省存储空间

简述

水塘抽样是一系列的随机算法，其目的在于从包含n个项目的集合S中选取k个样本，其中n为一很大或未知的数量，尤其适用于不能把所有n个项目都存放到内存的情况。

时间复杂度：O(n)
空间复杂度：O(1)

题目列表

链表随机节点

给你一个单链表，随机选择链表的一个节点，并返回相应的节点值。每个节点 被选中的概率一样 。

实现 Solution 类：

Solution(ListNode head) 使用整数数组初始化对象。
int getRandom()从链表中随机选择一个节点并返回该节点的值。链表中所有节点被选中的概率相等。

• 解题思路：
  题目解析：
  链表 ＝ 样本数未知
  随机 + 未知 👉 水塘抽样

对第i个节点有：
替换答案的概率是：1/i

证明：
第i个选中的概率=选i后面不中
1/i * 1-(1/i+1) …… = 1/n （n为样本数）

• 实现代码：

class Solution:
    def __init__(self, head: Optional[ListNode]):
        self.head = head

    def getRandom(self) -> int:
        node, i, ans = self.head, 1, 0
        while node:
            if randrange(i) == 0:  # 1/i 的概率选中（替换为答案）
                ans = node.val
            i += 1
            node = node.next
        return ans

• 细节：
  random.randrange ([start,] stop [,step])
  返回 start到stop之间的随机数
  步长为step

randrange(100, 1000, 2) : 976
randrange(100, 1000, 3) : 520

随机数索引

给定一个可能含有重复元素的整数数组，要求随机输出给定的数字的索引。 您可以假设给定的数字一定存在于数组中。

注意：
数组大小可能非常大。 使用太多额外空间的解决方案将不会通过测试。

• 解题思路：

转化为重复元素中的抽样即可

• 实现代码：

class Solution:
    def __init__(self, nums: List[int]):
        self.n = nums

    def pick(self, target: int) -> int:
        for i in range((cnt:=0) or len(self.n)):if self.n[i]==target and randrange(cnt:=cnt+1)==0:ans=i
        return ans

• 细节：
  利用海象运算符进行代码简化