Python 数组中数字的绝对差之和
我想计算指数I上的一个数字的绝对差之和,所有整数都是指数I-1,在o(n)中。但是我想不出比o(n^2)更好的方法 例如:Python 数组中数字的绝对差之和,python,arrays,algorithm,Python,Arrays,Algorithm,我想计算指数I上的一个数字的绝对差之和,所有整数都是指数I-1,在o(n)中。但是我想不出比o(n^2)更好的方法 例如: [3,5,6,7,1] 具有绝对和的数组将为(对于索引i处的整数,和将位于另一个数组中的索引i): 谁能帮我把复杂度降低到o(n)(如果不可能,那么至少在时间复杂度方面进行更好的优化) 下面是我的python代码: a=[3,5,6,7,1] n=5 absoluteSumArray=[] for i in range(0,n): Sum=0 for j in r
[3,5,6,7,1]
具有绝对和的数组将为(对于索引i处的整数,和将位于另一个数组中的索引i):
谁能帮我把复杂度降低到o(n)(如果不可能,那么至少在时间复杂度方面进行更好的优化)
下面是我的python代码:
a=[3,5,6,7,1]
n=5
absoluteSumArray=[]
for i in range(0,n):
Sum=0
for j in range(0,i):
Sum+=abs(int(a[i])-int(a[j]))
absoluteSumArray.append(Sum)
首先,我可以提供一个O(n logn)解决方案:让fi作为结果的第I个数字。我们有:
从左到右遍历数组并维护元素a0到ai-1的二元搜索树时,我们可以求解O(logn)中公式的所有部分:
- 保留子树大小以计算大于/小于给定值的元素
- 保留累积子树和,以回答大于/小于给定元素的和查询
- 事先对数组进行排序。按排序顺序为每个数字指定其排名
- 保持0/1的值以计算小于给定值的元素数
- 保留数组值的另一个二叉索引树,以计算小于给定值的元素和
# binary-indexed tree, allows point updates and prefix sum queries
class Fenwick:
def __init__(self, n):
self.tree = [0]*(n+1)
self.n = n
def update_point(self, i, val): # O(log n)
i += 1
while i <= self.n:
self.tree[i] += val
i += i & -i
def read_prefix(self, i): # O(log n)
i += 1
sum = 0
while i > 0:
sum += self.tree[i]
i -= i & -i
return sum
def solve(a):
rank = { v : i for i, v in enumerate(sorted(a)) }
res = []
counts, sums = Fenwick(len(a)), Fenwick(len(a))
total_sum = 0
for i, x in enumerate(a):
r = rank[x]
num_smaller = counts.read_prefix(r)
sum_smaller = sums.read_prefix(r)
res.append(total_sum - 2*sum_smaller + x * (2*num_smaller - i))
counts.update_point(r, 1)
sums.update_point(r, x)
total_sum += x
return res
print(solve([3,5,6,7,1])) # [0, 2, 4, 7, 17]
print(solve([2,0,1])) # [0, 2, 2]
二进制索引树,允许点更新和前缀和查询
芬威克级:
定义初始化(self,n):
self.tree=[0]*(n+1)
self.n=n
def更新点(自身、i、val):#O(日志n)
i+=1
而我0:
sum+=self.tree[i]
i-=i&-i
回报金额
def解决方案(a):
秩={v:i表示枚举中的i,v(排序(a))}
res=[]
计数,总和=芬威克(len(a)),芬威克(len(a))
总和=0
对于枚举(a)中的i,x:
r=秩[x]
num_较小=计数。读取前缀(r)
sum\u较小=sums.read\u前缀(r)
res.append(total_sum-2*sum_较小+x*(2*num_较小-i))
计数。更新_点(r,1)
求和。更新_点(r,x)
总和+等于x
返回res
打印(求解([3,5,6,7,1])#[0,2,4,7,17]
打印(求解([2,0,1])#[0,2,2]
这里是线性决策树模型中的一个比较下限。这排除了“nice”o(n logn)
时间算法的可能性(两个现在删除的答案都在这个类中)
这个问题从计算的问题上有一个很小的简化
f(x1, ..., xn) = sum_i sum_j |xi - xj|.
函数
f
在x1,…,xn
是完全可微的,当且仅当x1,…,xn
是两两不同的。f
是完全可微的集合,因此有n代码>连接的组件,其中决策树的每个叶最多可以处理一个。[sum(abs(a[i]-a[j])表示范围(i)中的j)表示范围(n)中的i)]
产生[0,2,4,7,17]
@cdhagmann很酷的故事,但OP已经有了一个O(n^2)解决方案“我想计算索引I处的数字与索引I-1处的所有整数的绝对差之和”。但这不是您的代码所做的。它是计算索引I处的数字与索引0到I-1处的所有整数的绝对差之和。O(n)
看起来不太可能。即使是(计算这个问题的输出之和)几年前才得到一个O(nlog(n))解。你太擅长算法了:P…答案不错…而且你说服我的唯一正确答案是O(n)是不可能的。但我会稍等一下(以防万一)当我实现这个的时候。谢谢。@JoranBeasley:我看不到任何证明它有效的证据(似乎缺少一个因素),也没有代码可以证明它有效try@JoranBeasley什么?它是O(n对数n),OPs版本是欧米茄(n^2)。显然,对于小列表,常数因子要高得多。尝试使用大小为10000的列表,您会非常清楚地注意到大小为10k的列表的差异。我看到此算法的timeit为0.065(1次迭代),而他的旧算法@15.115(也只有1次)…这是一个非常棒的加速(如果您的列表很大)是时候去学习线性决策树的功能了,这样我才能理解这个界限。
f(x1, ..., xn) = sum_i sum_j |xi - xj|.