Programa Python3 para consultas de rango para frecuencias de elementos de array

Dada una array de n enteros no negativos. La tarea es encontrar la frecuencia de un elemento particular en el rango arbitrario de array[]. El rango se proporciona como posiciones (no como índices basados ​​en 0) en la array. Puede haber múltiples consultas de un tipo dado. 
Ejemplos: 
 

Input  : arr[] = {2, 8, 6, 9, 8, 6, 8, 2, 11};
         left = 2, right = 8, element = 8
         left = 2, right = 5, element = 6      
Output : 3
         1
The element 8 appears 3 times in arr[left-1..right-1]
The element 6 appears 1 time in arr[left-1..right-1]

Enfoque ingenuo: es recorrer de izquierda a derecha y actualizar la variable de conteo cada vez que encontramos el elemento. 
A continuación se muestra el código del enfoque Naive: – 
 

# Python program to find total 
# count of an element in a range
 
# Returns count of element
# in arr[left-1..right-1]
def findFrequency(arr, n, left, right, element):
 
    count = 0
    for i in range(left - 1, right):
        if (arr[i] == element):
            count += 1
    return count
 
 
# Driver Code
arr = [2, 8, 6, 9, 8, 6, 8, 2, 11]
n = len(arr)
 
# Print frequency of 2 from position 1 to 6
print("Frequency of 2 from 1 to 6 = ",
        findFrequency(arr, n, 1, 6, 2))
 
# Print frequency of 8 from position 4 to 9
print("Frequency of 8 from 4 to 9 = ",
        findFrequency(arr, n, 4, 9, 8))
         
     
# This code is contributed by Anant Agarwal.

Producción: 

 Frequency of 2 from 1 to 6 = 1
 Frequency of 8 from 4 to 9 = 2

La complejidad de tiempo de este enfoque es O (derecha – izquierda + 1) o O (n) 
Espacio auxiliar : O (1)
Un enfoque eficiente es usar hashing. En C++, podemos usar unordered_map

• Al principio, almacenaremos la posición en el mapa [] de cada elemento distinto como un vector como ese 

  int arr[] = {2, 8, 6, 9, 8, 6, 8, 2, 11};
  map[2] = {1, 8}
  map[8] = {2, 5, 7}
  map[6] = {3, 6} 
  ans so on...

• Como podemos ver que los elementos en map[] ya están ordenados (porque insertamos elementos de izquierda a derecha), la respuesta se reduce a encontrar el recuento total en ese hash map[] usando un método de búsqueda binaria. 
   
• En C++ podemos usar lower_bound que devolverá un iterador que apunta al primer elemento en el rango [first, last] que tiene un valor no menor que ‘left’. y upper_bound devuelve un iterador que apunta al primer elemento en el rango [primero, último] que tiene un valor mayor que ‘derecho’. 
   
• Después de eso, solo tenemos que restar el resultado de upper_bound() y lower_bound() para obtener la respuesta final. Por ejemplo, supongamos que queremos encontrar el recuento total de 8 en el rango de [1 a 6], entonces la función map[8] de lower_bound() devolverá el resultado 0 (apuntando a 2) y upper_bound() lo hará. devuelve 2 (apuntando a 7), por lo que debemos restar ambos resultados como 2 – 0 = 2. 
   

A continuación se muestra el código del enfoque anterior. 

# Python3 program to find total count of an element
from collections import defaultdict as dict
from bisect import bisect_left as lower_bound
from bisect import bisect_right as upper_bound
 
store = dict(list)
 
# Returns frequency of element
# in arr[left-1..right-1]
def findFrequency(arr, n, left, right, element):
     
    # Find the position of
    # first occurrence of element
    a = lower_bound(store[element], left)
 
    # Find the position of
    # last occurrence of element
    b = upper_bound(store[element], right)
 
    return b - a
 
# Driver code
arr = [2, 8, 6, 9, 8, 6, 8, 2, 11]
n = len(arr)
 
# Storing the indexes of
# an element in the map
for i in range(n):
    store[arr[i]].append(i + 1)
 
# Print frequency of 2 from position 1 to 6
print("Frequency of 2 from 1 to 6 = ",
       findFrequency(arr, n, 1, 6, 2))
 
# Print frequency of 8 from position 4 to 9
print("Frequency of 8 from 4 to 9 = ",
       findFrequency(arr, n, 4, 9, 8))
 
# This code is contributed by Mohit Kumar

Producción: 
 

Frequency of 2 from 1 to 6 = 1
Frequency of 8 from 4 to 9 = 2

Este enfoque será beneficioso si tenemos una gran cantidad de consultas de un rango arbitrario que preguntan la frecuencia total de un elemento en particular.
Complejidad de tiempo: O (log N) para consulta única. 
¡Consulte el artículo completo sobre consultas de rango para frecuencias de elementos de array para obtener más detalles!