微软2014年4月 实习生招聘机试题 4.most frequent logs

Time Limit: 10000ms
Case Time Limit: 3000ms
Memory Limit: 256MB


Description

In a running system, there're many logs produced within a short period of time, we'd like to know the count of the most frequent logs.
Logs are produced by a few non-empty format strings, the number of logs is N(1=N=20000), the maximum length of each log is 256.
Here we consider a log same with another when their edit distance (see note) is = 5.
Also we have a) logs are all the same with each other produced by a certain format string b) format strings have edit distance  5 of each other.
Your program will be dealing with lots of logs, so please try to keep the time cost close to O(nl), where n is the number of logs, and l is the average log length.
Note edit distance is the minimum number of operations (insertdeletereplace a character) required to transform one string into the other, please refer to httpen.wikipedia.orgwikiEdit_distance for more details.

Input

Multiple lines of non-empty strings.

Output

The count of the most frequent logs.


Sample In

Logging started for id:1
Module ABC has completed its job
Module XYZ has completed its job
Logging started for id:10
Module ? has completed its job


Sample Out

3

 

以下为个人给出的一个解,计算编辑距离使用了动态规划

#include <iostream>
#include <fstream>
#include <string>

using namespace std;
//计算编辑距离,使用动态规划法
int calEditDis(char* a,char* b){
	int len_a=strlen(a);
	int len_b=strlen(b);
	int tmp=0;
	int leftUp,left,up;
	len_a++; //维数分配 需有边界1维
	len_b++;
	int result = 0;
	int* assistArray; //二维数组 assistArray[len_a][len_b]
	assistArray = new int [(len_a)*(len_b)]();
	
	for(int i=0;i<len_a;i++)
		assistArray[i*len_b]=i; //assistArray[i][0]
	for(int j=0;j<len_b;j++)
		assistArray[j] = j;     //assistArray[0][j]
	//cout<<"********************************************"<<endl;
	for(int i=1;i<len_a;i++){
		for(int j=1;j<len_b;j++){
			if(a[i-1]==b[j-1])
				leftUp = assistArray[(i-1)*(len_b)+(j-1)];
			else 
				leftUp = assistArray[(i-1)*(len_b)+(j-1)] + 1;
			left = assistArray[i*len_b+(j-1)] + 1;
			up   = assistArray[(i-1)*len_b+j] + 1 ;
			assistArray[i*len_b+j] = left<up?(left<leftUp?left:leftUp):(up<leftUp?up:leftUp);
			//cout<<assistArray[i*len_b+j]<<" ";
		}
		//cout<<endl;
	}
	//cout<<"**********************************************"<<endl;
	result = assistArray[len_a*len_b-1];
	delete[] assistArray;
	return result;	
}

#define LOGNUM (20000)
#define LOGLEN (256+1)

typedef struct RECORDER{
	bool useful;
	int  index;
	int  num;
}RECORDER;
int main(){

	char (*ptr)[LOGLEN];
	ptr = new char[LOGNUM][LOGLEN];

	int dis=0;
	bool newLog =false;
	
	int result = 0;
//record[LOGNUM] 数组中记录了 出现次数 依次从多到少的相关信息,在整个过程中都维护该数据结构
	RECORDER record[LOGNUM]; 

	int count = 0;
	memset(record,0,sizeof(record));
	fstream fstr("testCase.txt");

	for(int i= 0,j=0,k=0;i< LOGNUM;i++){
		newLog = true;
		if(fstr.eof())
			break;
		fstr.getline(ptr[i],LOGLEN);
		if(strlen(ptr[i])==0)
			continue;
		for(j=0;j<count;j++){
			dis = calEditDis(ptr[(record[j].index)],ptr[i]);
			if(dis <=5){
				record[j].num++;
				newLog = false;
				break;
			}			
		}
		if(newLog == true){
			count++;
			record[count-1].index=i;
			record[count-1].useful = true;
			record[count-1].num = 1;
		}
		else if(j!=0){
			if(j>=1 && record[j].num > record[j-1].num){
				k=j;
				while(k>=1 && record[k].num > record[k-1].num)
					k--;
				{
					RECORDER tmp = record[j];
					record[j] = record[k];
					record[k] = tmp;
				}
			}
		}
	}
	cout<<record[0].num<<endl;
	cout<<ptr[record[0].index]<<endl;
	delete[] ptr;

}


 

内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
【EI复现】基于主从博弈的新型城镇配电系统产消者竞价策略【IEEE33节点】(Matlab代码实现)内容概要:本文介绍了基于主从博弈理论的新型城镇配电系统中产消者竞价策略的研究,结合IEEE33节点系统进行建模与仿真分析,采用Matlab代码实现。研究聚焦于产消者(兼具发电与用电能力的主体)在配电系统中的竞价行为,运用主从博弈模型刻画配电公司与产消者之间的交互关系,通过优化算法求解均衡策略,实现利益最大化与系统运行效率提升。文中详细阐述了模型构建、博弈制设计、求解算法实现及仿真结果分析,复现了EI期刊级别的研究成果,适用于电力市场制设计与智能配电网优化领域。; 适合人群:具备电力系统基础知识和Matlab编程能力,从事电力市场、智能电网、能源优化等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习主从博弈在电力系统中的建模方法;②掌握产消者参与电力竞价的策略优化技术;③复现EI级别论文的仿真流程与结果分析;④开展配电网经济调度与市场制设计的相关课题研究。; 阅读建议:建议读者结合提供的Matlab代码,深入理解博弈模型的数学表达与程序实现细节,重点关注目标函数构建、约束条件处理及算法收敛性分析,可进一步拓展至多主体博弈或多时间尺度优化场景。
【BFO-BP】基于鳑鲏鱼优化算法优化BP神经网络的风电功率预测研究(Matlab代码实现)内容概要:本文研究了基于鳑鲏鱼优化算法(BFO)优化BP神经网络的风电功率预测方法,并提供了相应的Matlab代码实现。通过将生物启发式优化算法与传统BP神经网络相结合,利用鳑鲏鱼算法优化BP网络的初始权重和阈值,有效提升了模型的收敛速度与预测精度,解决了传统BP神经网络易陷入局部最优、训练效率低等问题。该方法在风电功率预测这一典型非线性时序预测任务中展现出良好的适用性和优越性,有助于提升风电并网的稳定性与调度效率。; 适合人群:具备一定器学习与优化算法基础,从事新能源预测、电力系统调度或智能算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于风电场短期或超短期功率预测,提高电网调度的准确性;②作为智能优化算法与神经网络结合的典型案例,用于学习BFO等群智能算法在实际工程问题中的优化制与实现方式;③为类似非线性系统建模与预测问题提供可复现的技术路线参考。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注BFO算法的种群初始化、适应度函数设计、参数更新制及其与BP网络的耦合方式,同时可通过更换数据集或对比其他优化算法(如PSO、GA)进一步验证模型性能。
<think>嗯,用户问的是这段代码:most_frequent_top10_product_code = np.array(Counter(df.product_code).most_common(10))[:, 0]。我需要先理解这段代码的作用,然后一步步解释清楚。首先,我应该分解每个部分的功能。 Counter来自collections模块,用来统计可哈希对象的出现次数。这里对df.product_code进行统计,然后调用most_common(10)获取前10个最常见的元素及其计数。结果应该是一个列表,里面包含元组,比如[('A', 50), ('B', 45), ...]。 接下来,用np.array把这个列表转成NumPy数组。这时候数组的形状应该是(10,2),假设每个元组有两个元素。然后切片[:, 0]是取所有行的第0列,也就是提取产品代码,排除计数部分。 用户可能需要了解每个步骤的细节,比如为什么用np.array而不是直接列表推导。可能还要提到,如果数据中有并列的情况,most_common(10)会怎么处理,比如是否按出现顺序取前10。另外,是否需要处理可能的异常情况,比如product_code列是否存在缺失值? 还要注意代码的潜在问题,比如导入是否正确,是否有依赖库的安装。可能用户在实际应用中会遇到数据类型的问题,比如product_code是否是字符串类型,否则统计可能会有问题。或者是否需要先对数据进行预处理,比如去除空白字符等。 在解释时,应该分步骤说明,并给出一个例子,让用户更清楚。比如假设df.product_code的值是某个具体的数据集,展示中间结果如何变化。同时,提醒可能出现的错误,比如如果product_code不足10个,会不会报错,或者切片是否依然有效。 最后,总结代码的作用,即获取出现次数最多的前10个产品代码,并转换为NumPy数组。可能用户需要这些代码进行后续分析或可视化,所以解释清楚这一步的输出结构也很重要。</think>好的,我来为您逐步解析这段代码: ```python most_frequent_top10_product_code = np.array(Counter(df.product_code).most_common(10))[:, 0] ``` ### 步骤分解: 1. **Counter统计频次** - `Counter(df.product_code)`:使用`collections`模块的`Counter`统计DataFrame列`product_code`中每个元素的出现次数 - 输出形式示例:`Counter({'A123': 50, 'B456': 45, ...})` 2. **获取前10高频项** - `.most_common(10)`:提取出现频率最高的前10项 - 输出形式:包含元组的列表,例如`[('A123',50), ('B456',45), ...]` 3. **转换为NumPy数组** - `np.array(...)`:将结果转换为二维数组 - 转换后形式: ```python array([['A123', 50], ['B456', 45], ...]) ``` 4. **提取产品代码** - `[:, 0]`:通过切片操作获取所有行的第一列(索引0) - 最终得到: ```python array(['A123', 'B456', ...]) ``` ### 可视化过程: 原始数据 → 统计频次 → 取Top10 → 转数组 → 提取代码列 ### 代码特点: - 适用于需要将高频结果转换为NumPy数组进行后续数值计算的场景 - 通过链式调用实现紧凑的写法 - 最终得到包含前10高频产品代码的一维数组 ### 注意事项: 1. 需要提前导入: ```python from collections import Counter import numpy as np ``` 2. 如果出现频次相同的情况,`most_common()`会按首次出现的顺序排序 3. 实际应用中建议添加异常处理(如处理空值等情况)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值