leetcode 460： LFU缓存

题目描述：
请你为 最不经常使用（LFU）缓存算法设计并实现数据结构。
实现 LFUCache 类：

1. LFUCache(int capacity) - 用数据结构的容量 capacity 初始化对象
2. int get(int key) - 如果键 key 存在于缓存中，则获取键的值，否则返回 -1 。
3. void put(int key, int value) - 如果键 key 已存在，则变更其值；如果键不存在，请插入键值对。当缓存达到其容量 capacity 时，则应该在插入新项之前，移除最不经常使用的项。在此问题中，当存在平局（即两个或更多个键具有相同使用频率）时，应该去除 最近最久未使用 的键。
   为了确定最不常使用的键，可以为缓存中的每个键维护一个 使用计数器 。使用计数最小的键是最久未使用的键。
   当一个键首次插入到缓存中时，它的使用计数器被设置为 1 (由于 put 操作)。对缓存中的键执行 get 或 put 操作，使用计数器的值将会递增。
   函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。
   示例：
   输入：
   [“LFUCache”, “put”, “put”, “get”, “put”, “get”, “get”, “put”, “get”, “get”, “get”]
   [[2], [1, 1], [2, 2], [1], [3, 3], [2], [3], [4, 4], [1], [3], [4]]
   输出：
   [null, null, null, 1, null, -1, 3, null, -1, 3, 4]

解释：
// cnt(x) = 键 x 的使用计数
// cache=[] 将显示最后一次使用的顺序（最左边的元素是最近的）
LFUCache lfu = new LFUCache(2);
lfu.put(1, 1); // cache=[1,_], cnt(1)=1
lfu.put(2, 2); // cache=[2,1], cnt(2)=1, cnt(1)=1
lfu.get(1); // 返回 1
// cache=[1,2], cnt(2)=1, cnt(1)=2
lfu.put(3, 3); // 去除键 2 ，因为 cnt(2)=1 ，使用计数最小
// cache=[3,1], cnt(3)=1, cnt(1)=2
lfu.get(2); // 返回 -1（未找到）
lfu.get(3); // 返回 3
// cache=[3,1], cnt(3)=2, cnt(1)=2
lfu.put(4, 4); // 去除键 1 ，1 和 3 的 cnt 相同，但 1 最久未使用
// cache=[4,3], cnt(4)=1, cnt(3)=2
lfu.get(1); // 返回 -1（未找到）
lfu.get(3); // 返回 3
// cache=[3,4], cnt(4)=1, cnt(3)=3
lfu.get(4); // 返回 4
// cache=[3,4], cnt(4)=2, cnt(3)=3

思路：
与LRU问题相似，但是要比LRU问题的处理更难，同样有调库OrderedDict和dict+双向链表两种方式。

1. OrderedDict 会超时，时间复杂度不是O(1)。

import sys
import collections
maxint = sys.maxsize
'''
    超时！！！！！
'''

class LFUCache(object):

    def __init__(self, capacity):
        """
        :type capacity: int
        """
        self.capacity = capacity
        self.use = 0
        self.dict = collections.OrderedDict()
        self.times = dict()

    def get(self, key):
        """
        :type key: int
        :rtype: int
        """
        if key in self.dict:
            self.times[key] += 1
            value = self.dict.pop(key)
            self.dict[key] = value
            return value
        else:
            return -1

    def put(self, key, value):
        """
        :type key: int
        :type value: int
        :rtype: None
        """
        if self.capacity != 0:
            if key in self.dict:
                self.dict[key] = value
                self.times[key] += 1
            else:
                if self.use < self.capacity:
                    self.use += 1
                else:
                    m = maxint
                    for k in self.dict: # 这里有一个遍历导致时间复杂度为O(N)，要求为O(1)
                        if self.times[k] < m:
                            m = self.times[k]
                            kk = k
                    self.dict.pop(kk)
                    self.times.pop(kk)
                self.dict[key] = value
                self.times[key] = 1

2. 维护两个map， 具体的思路：
   leetcode的一个题解
   
   
   

'''
map1:  node需要保存value,fre
map2:   node_list 是一个双向链表，时序的维护频次为fre的结点
还需要维护一个min_fre来记录最小的fre避免遍历得到最小的fre保证时间复杂度为O(1)
'''


class Node(object):
    def __init__(self, key=0, value=0, fre=0):
        self.key = key
        self.value = value
        self.fre = fre
        self.pre = None
        self.next = None


class LinkedList(object):
    def __init__(self):
        self.head = Node()
        self.tail = Node()
        self.head.next = self.tail
        self.tail.pre = self.head

    def remove_node(self, node):
        node.pre.next = node.next
        node.next.pre = node.pre

    def addtohead(self, node):
        self.head.next.pre = node
        node.next = self.head.next
        node.pre = self.head
        self.head.next = node

    def isEmpty(self):
        return self.head.next == self.tail


class LFUCache(object):

    def __init__(self, capacity):
        """
        :type capacity: int
        """
        self.use = 0
        self.capacity = capacity
        self.kvdict = dict()
        self.fldict = dict()
        self.min_fre = 0

    def get(self, key): # 访问操作
        """
        :type key: int
        :rtype: int
        """
        if key in self.kvdict:
            node = self.kvdict[key]
            list = self.fldict[node.fre]
            list.remove_node(node)
            if list.isEmpty():
                self.fldict.pop(node.fre)
            if self.min_fre not in self.fldict:   # 一定要注意这里min_fre的设置
                self.min_fre += 1
            node.fre += 1
            if node.fre not in self.fldict:
                self.fldict[node.fre] = LinkedList()
            self.fldict[node.fre].addtohead(node)
            return node.value
        else:
            return -1

    def put(self, key, value):
        """
        :type key: int
        :type value: int
        :rtype: None
        """
        if key in self.kvdict: # 值更新操作
            node = self.kvdict[key]
            list = self.fldict[node.fre]
            list.remove_node(node)
            if list.isEmpty():
                self.fldict.pop(node.fre)
            if self.min_fre not in self.fldict:
                self.min_fre += 1
            node.fre += 1
            node.value = value
            if node.fre not in self.fldict:
                self.fldict[node.fre] = LinkedList()
            self.fldict[node.fre].addtohead(node)
        else:
            if self.capacity != 0:
                if self.use >= self.capacity:
                    # 删除访问次数最少的key
                    # print("self.min_fre:", self.min_fre)
                    list = self.fldict[self.min_fre]
                    node_d = list.tail.pre
                    list.remove_node(node_d)
                    if list.isEmpty():
                        self.fldict.pop(node_d.fre)
                    self.use -= 1
                    self.kvdict.pop(node_d.key)
                node_new = Node(key, value, 1)
                self.use += 1
                if 1 not in self.fldict:
                    self.fldict[1] = LinkedList()
                self.fldict[1].addtohead(node_new)
                self.kvdict[key] = node_new
                self.min_fre = 1