问题描述
这不是家庭作业(请看我的简介)。我没有计算机科学背景,这个问题出现在应用机器学习问题中。我很确定我不是第一个遇到这个问题的人,因此我正在寻找一个优雅的解决方案。我更喜欢使用 python 库而不是原始实现的解决方案。
假设我们有一个连接字母和数字的字典作为输入
connected = {
'A': [1,2,3],'B': [3,4],'C': [5,6],}
每个字母可以连接到多个数字。一个数字可以连接多个字母。但是每个字母只能连接一个数字一次。
如果我们查看字典,我们意识到数字 3
与字母 'A'
和字母 'B'
相连,因此我们可以将 'A'
和 {{ 1}} 成一个集群。其他字母中不存在字母 'B'
的数字。因此,我们不能进一步聚类字母 'C'
。而预期输出应该是
'C'
我认为这应该与图算法和连接子图有关,但我不知道从哪里开始。
解决方法
使用联合查找结构,您可以在 O(num letters + num numbers)
中有效地解决这个问题。关键思想是您可以将字母连接到它们的数字列表。对所有字母执行此操作后,您将自动拥有所需属性的联合(即集群)。
class UnionFind:
def __init__(self):
self.id = {}
self.size = {}
def find(self,a):
cur = a
path = []
while self.id[cur] != cur:
path.append(cur)
cur = self.id[cur]
for x in path:
self.id[x] = cur
return cur
def union(self,a,b):
if a not in self.id:
self.id[a] = a
self.size[a] = 1
if b not in self.id:
self.id[b] = b
self.size[b] = 1
roota,rootb = self.find(a),self.find(b)
if roota != rootb:
if self.size[roota] > self.size[rootb]:
roota,rootb = rootb,roota
self.id[roota] = rootb
self.size[rootb] += self.size[roota]
if __name__ == "__main__":
from collections import defaultdict
uf = UnionFind()
connected = {
'A': [1,2,3],'B': [3,4],'C': [5,6],}
for letter,numbers in connected.items():
for number in numbers:
uf.union(letter,number)
clusters = defaultdict(list)
for key,cluster_id in uf.id.items():
clusters[cluster_id].append(key)
formatted_clusters = {}
for i,cluster_elements in enumerate(clusters.values()):
letters = [e for e in cluster_elements if isinstance(e,str)]
numbers = [e for e in cluster_elements if not isinstance(e,str)]
key = str(i+1)
formatted_clusters[key] = {
"letters": letters,"numbers": numbers
}
print(formatted_clusters)
输出:
{'1': {'letters': ['A','B'],'numbers': [1,3,4]},'2': {'letters': ['C'],'numbers': [5,6]}}