字節跳動(用戶喜好)

題干：

[編程題] 用戶喜好

時間限制：3秒

空間限制：262144K

 

為了不斷優化推薦效果，今日頭條每天要存儲和處理海量數據。假設有這樣一種場景：我們對用戶按照它們的注冊時間先后來標號，對於一類文章，每個用戶都有不同的喜好值，我們會想知道某一段時間內注冊的用戶（標號相連的一批用戶）中，有多少用戶對這類文章喜好值為k。因為一些特殊的原因，不會出現一個查詢的用戶區間完全覆蓋另一個查詢的用戶區間(不存在L1<=L2<=R2<=R1)。

 

輸入描述：

輸入： 第1行為n代表用戶的個數 第2行為n個整數，第i個代表用戶標號為i的用戶對某類文章的喜好度 第3行為一個正整數q代表查詢的組數；

第4行到第（3+q）行，每行包含3個整數l,r,k代表一組查詢，即標號為l<=i<=r的用戶中對這類文章喜好值為k的用戶的個數。

數據范圍n <= 300000,q<=300000 k是整型

 

輸出描述：

輸出：一共q行，每行一個整數代表喜好值為k的用戶的個數

 

輸入例子1:

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

輸出例子1:

1
0
2

例子說明1:

樣例解釋:
有5個用戶，喜好值為分別為1、2、3、3、5，
第一組詢問對於標號[1,2]的用戶喜好值為1的用戶的個數是1
第二組詢問對於標號[2,4]的用戶喜好值為5的用戶的個數是0
第三組詢問對於標號[3,5]的用戶喜好值為3的用戶的個數是2

開始自己寫的代碼： 

 

n = int(input())
li = [int(i) for i in input().split()]
q = int(input())
lrk = []
for j in range(q):
    lrk.append([int(k) for k in input().split()])
    
def compute(li, param):
    a = 0
    for p in li:
        if p == param:
            a += 1
    return a
    
for r in lrk:
    li_a = li[r[0]-1: r[1]]
    print(compute(li_a, r[2]))

    

 

這段代碼完全可以實現題目的操作，但是其非常費時費力；所以盡管代碼基本正確無誤，但是根本符合不了“速度”的要求；

 

參看了別人的例子改后的代碼：

 

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)

 

在進行少量數據的運算中，這兩種實現方法時間上看不出來什么差別；但是，當數據量成千上萬甚至十萬級別的時候，第一種方式顯然運算速度上完全落后於第二種；而且是數倍的差距；

在此，程序就不去解釋，只要稍微看一會，就能看出兩段程序的優劣！