Python 有没有办法写一篇更好的文章；最高学位；？

我想是的，因为我是Python新手

我收到了一些传递，其中一个是：“给定一个图，找到具有最大次数的节点，并将其返回到列表中。”

我的解决方案：

def max_degree(graph):
    """
    :param graph: non-null and non-oriented networkx type graph to analyze.
    :return: list of nodes of this graph with maximum degree; 0 if the graph has no nodes; -1 if the graph is disconnected;
    """
    if len(graph.nodes) == 0:
        return 0
    if not nx.is_connected(graph):
        return -1
    # node_grade_list -> [(<node>, <grade>), ...]
    node_grade_list = sorted(grafo.degree, key=lambda x: x[1], reverse=True)
    max_grade = node_grade_list[0][1]
    max_grade_nodes_list = []
    for node in node_grade_list:
        if node[1] == max_grade:
            max_grade_nodes_list.append(node[0])
    return max_grade_nodes_list

def max_degree（图形）：
"""
：param graph：要分析的非null和非定向networkx类型的图形。
：return：此图的最大度节点列表；如果该图没有节点，则为0；如果该图已断开连接，则为-1；
"""
如果len（图节点）==0：
返回0
如果不是nx，是否连接（图表）：
返回-1
#节点等级列表->[（，），…]
节点等级列表=排序（grafo.degree，key=lambda x:x[1]，reverse=True）
最大等级=节点等级列表[0][1]
最大等级节点列表=[]
对于节点等级列表中的节点：
如果节点[1]==最大坡度：
最大等级节点列表。追加（节点[0]）
返回最大等级节点列表

---

我想问你的是：有没有办法让它更有效率呢？我经常碰头，但我找不到其他更“舒适”的路线。我接受任何代码，谢谢。

假设graph.degree是元组列表

[(<node>, <grade>), ...]

这会更快，因为这是O（n），而排序需要O（n*log（n））

修订代码

def max_degree(graph):
    """
    :param graph: non-null and non-oriented networkx type graph to analyze.
    :return: list of nodes of this graph with maximum degree; 0 if the graph has no nodes; -1 if the graph is disconnected;
    """
    if len(graph.nodes) == 0:
        return 0
    if not nx.is_connected(graph):
        return -1
    # graph.degree -> [(<node>, <grade>), ...]
    max_grade = max(graph.degree, key=lambda x: x[1])[1]

    return [node[0] for node in graph.degree if node[1] == max_grade]

这意味着对于1024个元素的列表，n=2^10它将是log（2^10）=10倍快

---

对于较小的列表，例如n=10，使用哪种方法并不重要。

grafo是打字错误（即，你是指图形吗）？是的。在这里发布之前，我不得不把它翻译成英语，因为它是用意大利语写的。你能更好地解释一下“这是因为这是O（n），而排序需要O（n*log（n）），这是什么意思吗？”你的意思是相反的吗？@AlbertoUrsino——补充了更多的解释。让我知道这是否有用。哎哟，我没有看到n*log（n），我想你写了O（log（n）），这就是为什么我怀疑。。。顺便说一下，非常感谢你的解释。

def max_degree(graph):
    """
    :param graph: non-null and non-oriented networkx type graph to analyze.
    :return: list of nodes of this graph with maximum degree; 0 if the graph has no nodes; -1 if the graph is disconnected;
    """
    if len(graph.nodes) == 0:
        return 0
    if not nx.is_connected(graph):
        return -1
    # graph.degree -> [(<node>, <grade>), ...]
    max_grade = max(graph.degree, key=lambda x: x[1])[1]

    return [node[0] for node in graph.degree if node[1] == max_grade]

O(n*log(n))/log(n)  = O(log(n)).