Algorithm 有多少件普通的

假设我们有这些信息：

更新

我想知道哪些组包含最常见的项目：

输出：

---

您将使用什么算法？

首先，您必须表示数据集：

data[A] = {1,2,3}
data[B] = {1,3}
data[C] = {3,4}

最好使用数字，以便可以用于循环、计数器等。。因此：

data[0] = {1,2,3}
data[1] = {1,3}
data[2] = {3,4}

然后我会有另一个数据结构，其中有一个计数器，指示组之间有多少个匹配项，例如matches[a][B]=2，matches[a][C]=1等等。这是您需要计算的数据结构。如果您这样做，那么您的问题将减少到在该数据结构中查找最大值

for i = 0; i < 3; i++
   for item in data[i] 
      for j = 0; j < 3; j++
         //optimize a little bit (match[A][A] doesn't make sense)
         if j == i
            next
         if item in data[j]
            matches[i][j]++

表示i=0；i<3；我++
对于数据中的项目[i]
对于j=0；j<3；j++
//稍微优化一下（匹配[a][a]没有意义）
如果j==i
下一个
数据中的if项[j]
比赛[i][j]++

---

当然，您可以对此进行进一步优化。例如，我们知道匹配项[A][B]将等于匹配项[B][A]，所以您可以跳过这些迭代。

所以，给定一个组及其包含的项的列表，您希望输出所有组的标识，这些组与另一个组具有相同的最大公共项数

让我们获取组和项目的列表：

group_items = (
    ('Group A', ('Item 1', 'Item 2', 'Item 3')),
    ('Group B', ('Item 1', 'Item 3')),
    ('Group C', ('Item 3', 'Item 4')),
    )

然后，让我们存储每个组的max#items共享值，这样我们就可以在最后收集所有匹配的组。我们还将跟踪最大值中的最大值，因为我们可以（而不是返回并重新计算它）

现在我们要将每个组与其他组进行比较，但我们可以忽略某些比较。正如@Perroloco提到的，比较A组和A组是没有用的，计算相交（A，B）与计算相交（B，A）是对称的，所以我们可以从0到N，然后从i+1到N，而不是0..N交叉0..N

我使用的是

集

数据类型，它的构造成本很高。所以我缓存了这些集合，因为我们没有修改成员资格，只是计算交叉点的成员资格

值得指出的是，当交点（A，B）=交点（B，A）时，A的最大值与B的最大值并不相同。因此，内部最大值和外部最大值有单独的比较

for i in range(num_groups):
    outer_name, outer_mem = group_items[i]

    if outer_name not in group_sets:
        group_sets[outer_name] = set(outer_mem)

    outer_set = group_sets[outer_name]
    outer_max = max_shared[outer_name]

    for j in range(i+1, num_groups):
        inner_name, inner_mem = group_items[j]

        if inner_name not in group_sets:
            group_sets[inner_name] = set(inner_mem)

        inner_set = group_sets[inner_name]

        ni = len(outer_set.intersection(inner_set))

        if ni > outer_max:
            outer_max = max_shared[outer_name] = ni

        if ni > max_max:
            max_max = ni

        if ni > max_shared[inner_name]:
            max_shared[inner_name] = ni

print("Overall max # of shared items:", max_max)

results = [grp for grp,mx in max_shared.items() if mx == max_max]

print("Groups with that many shared items:", results)

---

你的问题不清楚。常见项目是因为它们整体上看起来很常见，还是因为它们与另一组共享而常见？@AustinHastings不完全相同：a和B共占a和B项目总数的67%（无重复-这应由作者澄清）-它们是项目1和项目3。A和C为25%，为第3项。B和C各占50%，这是第3项。

group_items = (
    ('Group A', ('Item 1', 'Item 2', 'Item 3')),
    ('Group B', ('Item 1', 'Item 3')),
    ('Group C', ('Item 3', 'Item 4')),
    )

max_shared = {item[0]:0 for item in group_items}
num_groups = len(group_items)
group_sets = {}
max_max = 0

for i in range(num_groups):
    outer_name, outer_mem = group_items[i]

    if outer_name not in group_sets:
        group_sets[outer_name] = set(outer_mem)

    outer_set = group_sets[outer_name]
    outer_max = max_shared[outer_name]

    for j in range(i+1, num_groups):
        inner_name, inner_mem = group_items[j]

        if inner_name not in group_sets:
            group_sets[inner_name] = set(inner_mem)

        inner_set = group_sets[inner_name]

        ni = len(outer_set.intersection(inner_set))

        if ni > outer_max:
            outer_max = max_shared[outer_name] = ni

        if ni > max_max:
            max_max = ni

        if ni > max_shared[inner_name]:
            max_shared[inner_name] = ni

print("Overall max # of shared items:", max_max)

results = [grp for grp,mx in max_shared.items() if mx == max_max]

print("Groups with that many shared items:", results)