python中怎样实现LFU算法,过程是什么
Admin 2022-08-19 群英技术资讯 583 次浏览
本文实例为大家分享了python实现LFU算法的具体代码,供大家参考,具体内容如下
在第一节中实现了双向链表DoubleLinkedList类,上一节中基于双向链表实现了LRU算法,本节课我们继续基于双向链表实现LFU(Least frequently used 最不经常使用)算法。
构建LFUNode类 继承自第一节中的Node类,添加freq属性用来表示节点使用频率
class LFUNode(Node): def __init__(self, key, value): """ LFU节点 增加频率属性 :param key: :param value: """ self.freq = 0 super(LFUNode, self).__init__(key, value)
LFU的实现除了get和put之外还有一个私有的__update_freq更新节点频率方法,读写某节点时都需要对该节点的频率属性进行更新。除了map之外新增加一个freq_map来存储每个频率下的双向链表,当达到最大容量时移除最小频率下的头部的节点。
class LFUCache(object): def __init__(self, capacity=0xffffffff): """ LFU缓存置换算法 最不经常使用 :param capacity: """ self.capacity = capacity self.size = 0 self.map = {} self.freq_map = {} def __update_freq(self, node): """ 更新节点频率 :param node: :return: """ freq = node.freq # 当前节点所在频率存在 在当前频率链表中移除当前节点 if freq in self.freq_map: node = self.freq_map[freq].remove(node) # 当前频率链表为空时删除该频率链表 if self.freq_map[freq].size == 0: del self.freq_map[freq] # 将节点按照新频率写入频率链表 freq += 1 node.freq = freq if freq not in self.freq_map: self.freq_map[freq] = DoubleLinkedList() self.freq_map[freq].append(node) return node def get(self, key): """ 获取元素 :return: """ # 节点不存在 if key not in self.map: return None # 节点存在 更新使用频率 old_node = self.map.get(key) new_node = self.__update_freq(old_node) self.map[key] = new_node return new_node.value def put(self, key, value): """ 设置元素 :param key: :param value: :return: """ # 节点已存在 更新频率 if key in self.map: old_node = self.map.get(key) old_node.value = value new_node = self.__update_freq(old_node) self.map[key] = new_node else: # 节点容量达到上限 移除最小频率链表头部的节点 if self.size >= self.capacity: min_freq = min(self.freq_map) node = self.freq_map[min_freq].pop() del self.map[node.key] self.size -= 1 # 构建新的节点 更新频率 new_node = LFUNode(key, value) new_node = self.__update_freq(new_node) self.map[key] = new_node self.size += 1 return new_node def print(self): """ 打印当前链表 :return: """ for freq, link in self.freq_map.items(): print("frequencies: %d" % freq) link.print()
if __name__ == '__main__': lfu_cache = LFUCache(4) lfu_cache.put(1, 1) lfu_cache.print() lfu_cache.put(2, 2) lfu_cache.print() print(lfu_cache.get(1)) lfu_cache.print() lfu_cache.put(3, 3) lfu_cache.print() lfu_cache.put(4, 4) lfu_cache.print() lfu_cache.put(5, 5) lfu_cache.print() print(lfu_cache.get(2)) lfu_cache.put(4, 400) lfu_cache.print()
测试结果:
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:mmqy2019@163.com进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容。
猜你喜欢
支持向量机 (Support Vector Machine, SVM) 是一种监督学习技术,它通过根据指定的类对训练数据进行最佳分离,从而在高维空间中构建一个或一组超平面。本文将介绍通过SVM算法实现手写数字的识别,需要的可以了解一下
这篇文章主要为大家介绍了Python入门类和对象,具有一定的参考价值,感兴趣的小伙伴们可以参考一下,希望能够给你带来帮助
这篇文章主要为大家介绍了pytorch教程中关于Tensor的操作使用,有需要的朋友可以借鉴参考下,希望可以有所帮助,祝大家升职加薪,共同进步
搜索路径是由一系列目录名组成的,Python解释器就依次从这些目录中去寻找所引入的模块,下面这篇文章主要给大家介绍了关于python修改包导入时搜索路径的相关资料,需要的朋友可以参考下
这篇文章介绍了使用python读取文件夹中图片的图片名并写入excel表格的方法。对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
成为群英会员,开启智能安全云计算之旅
立即注册Copyright © QY Network Company Ltd. All Rights Reserved. 2003-2020 群英 版权所有
增值电信经营许可证 : B1.B2-20140078 粤ICP备09006778号 域名注册商资质 粤 D3.1-20240008