146-2.py

"""
运用你所掌握的数据结构，设计和实现一个  LRU (最近最少使用) 缓存机制。它应该支持以下操作： 获取数据 get 和 写入数据 put 。

获取数据 get(key) - 如果关键字 (key) 存在于缓存中，则获取关键字的值（总是正数），否则返回 -1。
写入数据 put(key, value) - 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字/值」。
当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。


进阶:

你是否可以在 O(1) 时间复杂度内完成这两种操作？


示例:

LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // 返回  1
cache.put(3, 3);    // 该操作会使得关键字 2 作废
cache.get(2);       // 返回 -1 (未找到)
cache.put(4, 4);    // 该操作会使得关键字 1 作废
cache.get(1);       // 返回 -1 (未找到)
cache.get(3);       // 返回  3
cache.get(4);       // 返回  4

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/lru-cache
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。
"""

from collections import OrderedDict


class LRUCache(OrderedDict):

    # 借助 OrderedDict 来实现
    def __init__(self, capacity: int):
        self.capacity = capacity
        self.size = 0

    def get(self, key: int) -> int:
        if key not in self.keys():
            return -1
        self.move_to_end(key, last=False)
        return self.__getitem__(key)

    def put(self, key: int, value: int) -> None:
        if key not in self.keys():
            self.size += 1
        self.__setitem__(key, value)
        self.move_to_end(key, last=False)
        if self.size > self.capacity:
            self.popitem(last=True)
            self.size -= 1


# Your LRUCache object will be instantiated and called as such:
# obj = LRUCache(capacity)
# param_1 = obj.get(key)
# obj.put(key,value)


attrs = ["LRUCache", "put", "put", "get", "get", "put", "get", "get", "get"]
args = [[2], [2, 1], [3, 2], [3], [2], [4, 3], [2], [3], [4]]

attrs = ["LRUCache","put","put","get","put","put","get"]
args = [[2],[2,1],[2,2],[2],[1,1],[4,1],[2]]

cache = LRUCache(args[0][0])
for attr, arg in zip(attrs[1:], args[1:]):
    func = getattr(cache, attr)
    print(attr, arg, func(*arg))