华为OD机试_2025 B卷_数组去重和排序（Python，100分）（附详细解题思路）
题目描述
给定一个乱序的数组，删除所有的重复元素，使得每个元素只出现一次，并且按照出现的次数从高到低进行排序，相同出现次数按照第一次出现顺序进行先后排序。
输入描述
一个数组
输出描述
去重排序后的数组
用例
| 输入 | 1,3,3,3,2,4,4,4,5 |
| 输出 | 3,4,1,2,5 |
| 备注 | 数组大小不超过100 数组元素值大小不超过100。 |
数组去重排序：按频次与顺序的艺术
核心解题思路
这道题的核心在于同时解决两个问题：去重和特殊排序。我们需要：
- 删除重复元素：每个元素只保留一个
- 按出现频次排序：出现次数多的元素排前面
- 频次相同时按首次出现顺序排序：保持原始先后关系
关键技巧：
- 使用字典记录元素的出现次数和首次出现位置
- 分阶段处理：先统计信息，再排序输出
- 利用Python元组排序特性实现多条件排序
完整代码实现
def deduplicate_and_sort(input_str):
# 统计元素信息和首次出现位置
element_info = {}
for index, num in enumerate(input_str):
if num not in element_info:
element_info[num] = [1, index] # [出现次数, 首次位置]
else:
element_info[num][0] += 1 # 增加出现次数
# 提取去重元素（保留首次出现的元素）
unique_elements = []
# 用于跟踪已添加的元素
added_elements = set()
for num in input_str:
if num not in added_elements:
unique_elements.append(num)
added_elements.add(num)
# 排序：频次降序 > 首次位置升序
sorted_elements = sorted(
unique_elements,
key=lambda x: (
-element_info[x][0], # 频次降序
element_info[x][1] # 首次位置升序
)
)
return sorted_elements
# 输入处理
input_str = input().split(',')
# 处理并输出
result = deduplicate_and_sort(input_str)
print(','.join(result))
关键特性分析
- 稳定去重：保留每个元素的首次出现
- 排序准确性：
- 高频元素优先排列
- 相同频次元素按原始顺序排列
- 效率优化：
- 时间复杂度：O(n log n)（主要来自排序）
- 空间复杂度：O(n)（存储元素信息和去重集合）
- 边界处理：
- 空输入处理：默认返回空列表
- 单元素数组：直接返回该元素
算法原理解析
1. 信息统计阶段
使用字典 element_info 存储每个元素的出现次数和首次出现位置：
element_info = {}
for index, num in enumerate(input_str):
if num not in element_info:
element_info[num] = [1, index] # 首次出现：计数=1，位置=当前索引
else:
element_info[num][0] += 1 # 非首次出现：计数增加
原理说明：
- 字典键：元素值（如"1"、"3"等）
- 字典值：包含两个元素的列表：
[0]：出现次数（频次）[1]：首次出现位置（索引）
enumerate()提供遍历索引，确保位置信息准确
2. 去重阶段
保留每个元素的首次出现：
unique_elements = []
added_elements = set()
for num in input_str:
if num not in added_elements:
unique_elements.append(num)
added_elements.add(num)
原理说明：
- 集合跟踪：使用
added_elements集合记录已处理的元素 - 首次出现处理：当元素不在集合中时添加到结果列表
- 顺序保留：遍历顺序保证结果列表保留原始首次出现顺序
3. 排序阶段
多条件排序实现：
sorted_elements = sorted(
unique_elements,
key=lambda x: (
-element_info[x][0], # 频次降序
element_info[x][1] # 首次位置升序
)
)
原理说明：
- 双条件排序：
- 主要条件：出现频次降序（高频优先）
- 次要条件：首次出现位置升序（位置小优先）
- 负号技巧：
-频次实现降序排序（避免使用reverse参数） - 元组排序特性：Python自动按元组顺序比较条件
示例解析（输入：1,3,3,3,2,4,4,4,5）
输入处理
input_str = "1,3,3,3,2,4,4,4,5"
处理后：
input_str = ["1", "3", "3", "3", "2", "4", "4", "4", "5"]
1. 信息统计阶段
| 元素 | 处理过程 | 结果统计 |
|---|---|---|
| “1” | 首次出现 | ["1"]: [1, 0] |
| “3” | 首次出现 | ["3"]: [1, 1] |
| “3” | 再次出现 | ["3"]: [2, 1] |
| “3” | 再次出现 | ["3"]: [3, 1] |
| “2” | 首次出现 | ["2"]: [1, 4] |
| “4” | 首次出现 | ["4"]: [1, 5] |
| “4” | 再次出现 | ["4"]: [2, 5] |
| “4” | 再次出现 | ["4"]: [3, 5] |
| “5” | 首次出现 | ["5"]: [1, 8] |
最终统计结果：
element_info = {
"1": [1, 0],
"3": [3, 1],
"2": [1, 4],
"4": [3, 5],
"5": [1, 8]
}
2. 去重阶段
遍历顺序: ["1","3","3","3","2","4","4","4","5"]
| 元素 | 是否已添加 | 操作 | unique_elements结果 | added_elements结果 |
|---|---|---|---|---|
| “1” | 否 | 添加 | [“1”] | {“1”} |
| “3” | 否 | 添加 | [“1”,“3”] | {“1”,“3”} |
| “3” | 是 | 跳过 | [“1”,“3”] | {“1”,“3”} |
| “3” | 是 | 跳过 | [“1”,“3”] | {“1”,“3”} |
| “2” | 否 | 添加 | [“1”,“3”,“2”] | {“1”,“3”,“2”} |
| “4” | 否 | 添加 | [“1”,“3”,“2”,“4”] | {“1”,“3”,“2”,“4”} |
| “4” | 是 | 跳过 | [“1”,“3”,“2”,“4”] | {“1”,“3”,“2”,“4”} |
| “4” | 是 | 跳过 | [“1”,“3”,“2”,“4”] | {“1”,“3”,“2”,“4”} |
| “5” | 否 | 添加 | [“1”,“3”,“2”,“4”,“5”] | {“1”,“3”,“2”,“4”,“5”} |
最终去重结果：
unique_elements = ["1", "3", "2", "4", "5"]
3. 排序阶段
对 unique_elements = ["1", "3", "2", "4", "5"] 进行排序
| 元素 | 频次 | 位置 | 排序键值元组 |
|---|---|---|---|
| “1” | 1 | 0 | (-1, 0) → (-1,0) |
| “3” | 3 | 1 | (-3, 1) → (-3,1) |
| “2” | 1 | 4 | (-1, 4) → (-1,4) |
| “4” | 3 | 5 | (-3, 5) → (-3,5) |
| “5” | 1 | 8 | (-1, 8) → (-1,8) |
排序规则：
-
比较元组第一个元素（负频次）：
- “3"和"4”：-3（频次3）优先于-1（频次1）
- “1”、“2”、“5”：都是-1，需要进一步比较
-
比较元组第二个元素（位置）：
- “3”(位置1) vs “4”(位置5)：1<5 → "3"排在"4"前
- “1”(位置0) vs “2”(位置4) vs “5”(位置8)：0<4<8 → “1”、“2”、"5"顺序不变
最终排序顺序：
- “3”（频次最高，位置最小）
- “4”（频次最高，位置较大）
- “1”（频次低，位置最小）
- “2”（频次低，位置中等）
- “5”（频次低，位置最大）
输出结果：
3,4,1,2,5
算法变通应用
这种方法可广泛应用于：
- 用户行为分析：找出高频操作序列
- 日志分析：统计高频错误及其首次发生时间
- 推荐系统：按物品流行度和新鲜度排序
- 数据清洗：去除重复记录并保留原始版本
通过这道题，我们掌握了处理多条件排序问题的核心技巧：分阶段收集信息 → 明确排序优先级 → 利用语言特性实现排序逻辑。这种思路可以延伸到各种复杂排序场景中。