字节跳动(用户喜好)

题干：

[编程题] 用户喜好

时间限制：3秒

空间限制：262144K

 

为了不断优化推荐效果，今日头条每天要存储和处理海量数据。假设有这样一种场景：我们对用户按照它们的注册时间先后来标号，对于一类文章，每个用户都有不同的喜好值，我们会想知道某一段时间内注册的用户（标号相连的一批用户）中，有多少用户对这类文章喜好值为k。因为一些特殊的原因，不会出现一个查询的用户区间完全覆盖另一个查询的用户区间(不存在L1<=L2<=R2<=R1)。

 

输入描述：

输入： 第1行为n代表用户的个数 第2行为n个整数，第i个代表用户标号为i的用户对某类文章的喜好度 第3行为一个正整数q代表查询的组数；

第4行到第（3+q）行，每行包含3个整数l,r,k代表一组查询，即标号为l<=i<=r的用户中对这类文章喜好值为k的用户的个数。

数据范围n <= 300000,q<=300000 k是整型

 

输出描述：

输出：一共q行，每行一个整数代表喜好值为k的用户的个数

 

输入例子1:

5
1 2 3 3 5
3
1 2 1
2 4 5
3 5 3

输出例子1:

1
0
2

例子说明1:

样例解释:
有5个用户，喜好值为分别为1、2、3、3、5，
第一组询问对于标号[1,2]的用户喜好值为1的用户的个数是1
第二组询问对于标号[2,4]的用户喜好值为5的用户的个数是0
第三组询问对于标号[3,5]的用户喜好值为3的用户的个数是2

开始自己写的代码： 

 

 1 n = int(input())
 2 li = [int(i) for i in input().split()]
 3 q = int(input())
 4 lrk = []
 5 for j in range(q):
 6     lrk.append([int(k) for k in input().split()])
 7     
 8 def compute(li, param):
 9     a = 0
10     for p in li:
11         if p == param:
12             a += 1
13     return a
14     
15 for r in lrk:
16     li_a = li[r[0]-1: r[1]]
17     print(compute(li_a, r[2]))
18 
19     

 

这段代码完全可以实现题目的操作，但是其非常费时费力；所以尽管代码基本正确无误，但是根本符合不了“速度”的要求；

 

参看了别人的例子改后的代码：

 

n = int(input())
li = [int(a) for a in input().split()]
d = {}
for i,v in enumerate(li):
    if v not in d:
        d[v] = [i + 1]
    else:
        d[v].append(i+1)
q = int(input())
for _ in range(q):
    l, r, k = map(int, input().split())
    if k not in d.keys():
        print(0)
    else:
        a = 0
        for j in d[k]:
            if j>=l and j<=r:
                a += 1
        print(a)

 

在进行少量数据的运算中，这两种实现方法时间上看不出来什么差别；但是，当数据量成千上万甚至十万级别的时候，第一种方式显然运算速度上完全落后于第二种；而且是数倍的差距；

在此，程序就不去解释，只要稍微看一会，就能看出两段程序的优劣！

 

转载于:https://www.cnblogs.com/springionic/p/10539633.html