LeetCode146. LRU Cache（思路及python解法）

最新推荐文章于 2024-08-31 12:49:40 发布

原创最新推荐文章于 2024-08-31 12:49:40 发布 · 408 阅读

0 ·

CC 4.0 BY-SA版权

LeetCode 同时被 2 个专栏收录

179 篇文章

订阅专栏

Python

173 篇文章

订阅专栏

本文详细介绍了如何使用Python的collections.OrderedDict实现一个高效、遵循最近最少使用（LRU）原则的缓存数据结构。该数据结构支持get和put操作，并在达到容量限制时自动移除最久未使用的项，确保操作的时间复杂度为O(1)。

Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get and put.

get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.
put(key, value) - Set or insert the value if the key is not already present. When the cache reached its capacity, it should invalidate the least recently used item before inserting a new item.

The cache is initialized with a positive capacity.

Follow up:
Could you do both operations in O(1) time complexity?

Example:

LRUCache cache = new LRUCache( 2 /* capacity */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // returns 1
cache.put(3, 3);    // evicts key 2
cache.get(2);       // returns -1 (not found)
cache.put(4, 4);    // evicts key 1
cache.get(1);       // returns -1 (not found)
cache.get(3);       // returns 3
cache.get(4);       // returns 4

完成一个添加、查找的过程。难点在于有限定长度，如果超了需要删除最久没用过的键值对。（有点类似于内存占用算法）

用collection.OrderedDict()真是很方便。https://www.cnblogs.com/zhenwei66/p/6596248.html

即有顺序，又能根据key进行pop(key)，又能根据位置popitem(i)。

注意get的时候相当于调用了，所以pop出来重新加到字典尾部。也可以用self.dic.move_to_end(key)来执行，很方便。

class LRUCache:

    def __init__(self, capacity: int):
        self.maxl=capacity
        self.dic = collections.OrderedDict()

    def get(self, key: int) -> int:
        
        if key in self.dic.keys():
            temp=self.dic.pop(key)
            self.dic[key]=temp
            return temp
        return -1
      
    def put(self, key: int, value: int) -> None:
        if key in self.dic.keys():
            self.dic.pop(key)
        self.dic[key]=value
        if len(self.dic)>self.maxl:
            self.dic.popitem(0)