
设计一个高效的数字容器系统,支持以下操作:
挑战难度: 中等
相关主题: 哈希表,设计模式,最小堆(优先队列)
示例:
<code>["NumberContainers", "find", "change", "change", "change", "change", "find", "change", "find"] [[], [10], [2, 10], [1, 10], [3, 10], [5, 10], [10], [1, 20], [10]]</code>
说明:
NumberContainers nc = new NumberContainers(); 创建一个新的数字容器系统。nc.find(10); 返回 -1,因为 10 还不存在于容器中。nc.change(2, 10); 将索引 2 处的值设置为 10。nc.change(1, 10); 将索引 1 处的值设置为 10。nc.change(3, 10); 将索引 3 处的值设置为 10。nc.change(5, 10); 将索引 5 处的值设置为 10。nc.find(10); 返回 1,因为 1 是 10 在容器中出现的最小索引。nc.change(1, 20); 将索引 1 处的值替换为 20。nc.find(10); 返回 2,因为 2 现在是 10 在容器中出现的最小索引。约束:
index <= 105
number <= 105
change 和 find 方法的调用次数最多为 105
提示:
为了高效地实现这个系统,可以使用哈希表来存储每个索引对应的值,以及使用最小堆(优先队列)来跟踪每个数字的最小索引。
解决方案 (Python):
<code class="python">import heapq
class NumberContainers:
def __init__(self):
self.index_map = {} # index -> number
self.number_map = {} # number -> min-heap of indices
def change(self, index: int, number: int) -> None:
if index in self.index_map:
old_number = self.index_map[index]
heapq.heapreplace(self.number_map[old_number], float('inf')) #Mark as invalid
self.index_map[index] = number
if number not in self.number_map:
self.number_map[number] = []
heapq.heappush(self.number_map[number], index)
def find(self, number: int) -> int:
if number not in self.number_map:
return -1
while self.number_map[number] and self.number_map[number][0] not in self.index_map or self.index_map[self.number_map[number][0]] != number:
heapq.heappop(self.number_map[number]) #Remove invalid index
return self.number_map[number][0] if self.number_map[number] else -1
</code>这个Python解决方案使用了heapq模块来实现最小堆,并利用两个字典来高效地进行查找和更新操作。 float('inf') 用作标记,表示索引已失效。
进一步优化:
为了进一步优化,可以考虑使用更高级的数据结构,例如跳表或其他自平衡树,来替代最小堆,但这会增加代码复杂度。 对于大多数用例,最小堆已经足够高效。
以上就是设计一个数字容器系统的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号