之前遇到了一个求数组中出现次数最多的k个元素的题,我们参照如下的思路进行求解,首先利用一个dict记录所有元素出现的次数,key:value中的key表示元素,value表示元素出现的次数,随后根据元素出现的次数将元素放入对应的桶中,桶是一个二维数组,桶中第一个元素保存出现次数为0的元素,桶中第二个元素保存出现次数为1的元素,依次类推。最后从后往前遍历桶,取出出现次数最多的k个元素即可。 按照这样的思路,我写了如下的代码:
class Solution(object):
def topKFrequent(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: List[int]
"""
bucket1 = [[]] * (len(nums) + 1)
freq_map = dict()
for num in nums:
freq_map[num] = freq_map.get(num,0) + 1
print (freq_map)
for key in freq_map:
#bucket[freq_map[key]].append(key)
bucket1[freq_map[key]].append(key)
res = []
for i in range(len(bucket1)-1,-1,-1):
res += bucket1[i]
if len(res) >= k:
return res[:k]
s = Solution()
print (s.topKFrequent([4,1,-1,2,-1,2,3],2))
看似完美无缺,不过结果不对啊,结果输出了1和2,不应该是-1和2么,于是我打印了bucket1,发现是这样的:
[[1, 2, 3, 4, -1], [1, 2, 3, 4, -1], [1, 2, 3, 4, -1], [1, 2, 3, 4, -1], [1, 2, 3, 4, -1], [1, 2, 3, 4, -1], [1, 2, 3, 4, -1], [1, 2, 3, 4, -1]]
为什么所有的元素都一样呢?
于是 我换了一种方法创建bucket:
bucket = [[] for _ in range(len(nums)+1)]
结果正常,此时bucket的输出为:
[[], [1, 3, 4], [2, -1], [], [], [], [], []]
那么,看似一样的创建bucket的方法,为什么输出会不一样呢?
问题就在与,第一种即使用*创建数组时,数组中的每一个元素都是同一个list object,那么往任意一个中添加元素,实际上是往所有的元素中添加,所以会出现之前的结果,而用列表生成式的方法,不会有问题,因为每一个list都是不同的list object,我们来看一看下面的代码:
bucket = [[] for _ in range(len(nums)+1)]
bucket1 = [[]] * (len(nums) + 1)
print (bucket)
print (bucket1)
print (id(bucket1[0]),id(bucket1[1]))
print(id(bucket[0]), id(bucket[1]))
输出为:
[[], [], [], [], [], [], [], []]
[[], [], [], [], [], [], [], []]
4342035336 4342035336
4342034568 4342034952
可以看到,bucket1中的每一个元素的id都是相同的,说明是同一个元素,而bucket中的每一个元素的id是不同的,说明是不同的元素。
要想进一步弄懂这个问题,就涉及到Python中深浅拷贝的知识,接下来,我们就详细介绍一下。
我们先来看一下下面的一段代码:
will = ["Will", 28, ["Python", "C#", "JavaScript"]]
wilber = will
print id(will)
print will
print [id(ele) for ele in will]
print id(wilber)
print wilber
print [id(ele) for ele in wilber]
will[0] = "Wilber"
will[2].append("CSS")
print id(will)
print will
print [id(ele) for ele in will]
print id(wilber)
print wilber
print [id(ele) for ele in wilber]
上段代码的输出为:
下面来分析一下这段代码: 1)首先,创建了一个名为will的变量,这个变量指向一个list对象,从第一张图中可以看到所有对象的地址(每次运行,结果可能不同) 2)然后,通过will变量对wilber变量进行赋值,那么wilber变量将指向will变量对应的对象(内存地址),也就是说"wilber is will","wilber[i] is will[i]"可以理解为,Python中,对象的赋值都是进行对象引用(内存地址)传递 3)由于will和wilber指向同一个对象,所以对will的任何修改都会体现在wilber上。这里需要注意的一点是,str是不可变类型,所以当修改的时候会替换旧的对象,产生一个新的地址39758496。
上面这段代码的过程可以由下面的图进行解释:
我们还是来看一个代码示例:
import copy
will = ["Will", 28, ["Python", "C#", "JavaScript"]]
wilber = copy.copy(will)
print id(will)
print will
print [id(ele) for ele in will]
print id(wilber)
print wilber
print [id(ele) for ele in wilber]
will[0] = "Wilber"
will[2].append("CSS")
print id(will)
print will
print [id(ele) for ele in will]
print id(wilber)
print wilber
print [id(ele) for ele in wilber]
这段代码的输出为:
分析一下这段代码: 1)首先,依然使用一个will变量,指向一个list类型的对象。然后,通过copy模块里面的浅拷贝函数copy(),对will指向的对象进行浅拷贝,然后浅拷贝生成的新对象赋值给wilber变量。浅拷贝会创建一个新的对象,这个例子中"wilber is not will",但是,对于对象中的元素,浅拷贝就只会使用原始元素的引用(内存地址),也就是说"wilber[i] is will[i]"。 2)当对will进行修改的时候,由于list的第一个元素是不可变类型,所以will对应的list的第一个元素会使用一个新的对象39758496。但是list的第三个元素是一个可不类型,修改操作不会产生新的对象,所以will的修改结果会相应的反应到wilber上。
上面这段代码的过程可以由下面的图进行解释:
除了使用copy模块中的copy方法进行浅拷贝外,python中还有其他几种的浅拷贝方式: 1)使用切片[:]操作 2)使用工厂函数(如list/dir/set) 3)使用copy模块中的copy()函数
第三种方式我们已经介绍过了,通过下面的例子可以看出前两种方式也是浅拷贝:
>>> person = ["name",["savings",100.00]]
>>> hubby = person[:] #切片操作
>>> wifey = list(person) #使用工厂函数
>>> [id(x) for x in person,hubby,wifey]
[139797546486384, 139797546556592, 139797546557240]
>>> [id(x) for x in hubby]
[139797546838128, 139797546485808]
>>> [id(x) for x in wifey]
[139797546838128, 139797546485808]
>>> hubby[0] = "kel"
>>> wifey[0] = "jane"
>>> hubby[1][1] = 50.0
>>> [id(x) for x in hubby,wifey]
[139797546556592, 139797546557240]
>>> [id(x) for x in hubby]
[139797546592368, 139797546485808]
>>> [id(x) for x in wifey]
[139797546592416, 139797546485808]
>>> hubby
['kel', ['savings', 50.0]]
>>> wifey
['jane', ['savings', 50.0]]
最后来看看深拷贝:
import copy
will = ["Will", 28, ["Python", "C#", "JavaScript"]]
wilber = copy.deepcopy(will)
print id(will)
print will
print [id(ele) for ele in will]
print id(wilber)
print wilber
print [id(ele) for ele in wilber]
will[0] = "Wilber"
will[2].append("CSS")
print id(will)
print will
print [id(ele) for ele in will]
print id(wilber)
print wilber
print [id(ele) for ele in wilber]
代码的结果为:
分析一下这段代码: 1)首先,同样使用一个will变量,指向一个list类型的对象 2)然后,通过copy模块里面的深拷贝函数deepcopy(),对will指向的对象进行深拷贝,然后深拷贝生成的新对象赋值给wilber变量。跟浅拷贝类似,深拷贝也会创建一个新的对象,这个例子中"wilber is not will"。但是,对于对象中的元素,深拷贝都会重新生成一份(有特殊情况,下面会说明),而不是简单的使用原始元素的引用(内存地址)。例子中will的第三个元素指向39737304,而wilber的第三个元素是一个全新的对象39773088,也就是说,"wilber[2] is not will[2]" 当对will进行修改的时候 3)由于list的第一个元素是不可变类型,所以will对应的list的第一个元素会使用一个新的对象39758496。但是list的第三个元素是一个可不类型,修改操作不会产生新的对象,但是由于"wilber[2] is not will[2]",所以will的修改不会影响wilber。
上面这段代码的过程可以由下面的图进行解释:
首先,我们总结一下Python中的对象赋值和深浅拷贝操作: 1)Python中对象的赋值都是进行对象引用(内存地址)传递。 2)使用copy.copy(),数组切片操作或者是使用工厂函数(如list/dir/set),可以进行对象的浅拷贝,它复制了对象,但对于对象中的元素,依然使用原始的引用。 3)如果需要复制一个容器对象,以及它里面的所有元素(包含元素的子元素),可以使用copy.deepcopy()进行深拷贝。 4)对于str等不可变类型,所以当修改的时候会替换旧的对象,产生一个新的地址。
那么对于之前提到过的例子:
bucket = [[] for _ in range(len(nums)+1)]
bucket1 = [[]] * (len(nums) + 1)
我们就可以做出如下的解释: 1)使用*进行list“复制”,其生成的新数组与被复制的数组其实是在同一段内存地址当中,这样的复制方式成为浅拷贝。 2)浅复制进行初始化的结果就是,在对复制之后的对象进行相关操作时,被复制的对象会受到同样的影响,因为他们本质是同一段list,均位于相同的地址。 3)使用for循环进行初始化,进行初始化时,相当于每循环一次就生成了一个新的list,所以在实际问题中,推荐使用这种方式。
参考文献: 图解Python深拷贝和浅拷贝:http://www.cnblogs.com/wilber2013/p/4645353.html python中的深拷贝与浅拷贝: http://www.cnblogs.com/kellyseeme/p/5525067.html python list的深拷贝与浅拷贝-以及初始化空白list的方法(1): http://www.cnblogs.com/koliverpool/p/6789854.html