python之如何优化 100000 次迭代的 python 循环

我是 python 的新手，我正在尝试编写一个函数，其描述如下: 我有一个整数列表。从这个列表中，我必须找到频率最高的项目并将其打印出来。 这看起来很简单，除非我有一个限制，即函数必须在 10 秒内完成执行并且应该消耗内存<512 MB。对于较短的列表长度，我的函数工作正常，但对于长度为 100000 的列表，它会失败。我无法优化代码。 我有 2 个相同的实现:

实现#1

def returnMaxFrequency(ar): 
    freqList = [] 
    for val in ar: 
        freq = ar.count(val) 
        freqList.append(freq) 
    return(max(freqList)) 

实现#2

def returnMaxFrequency(ar):    
    freqDict = {x:ar.count(x) for x in ar}    
    maxFreq = max(freqDict.values()) 
    return maxFreq 

例如

if ar = [3 2 1 3] 
o/p: 2 

在这里不能使用 NumPy。 (不能使用外包)

请您参考如下方法:

最简单(并且相当快)的可能是内置的 Counter:

from collections import Counter 
winner = Counter(ar).most_common(1)[0] 

this article 中给出了一种更快的方法(不使用额外内存，但会破坏原始数组) ，复制在这里:

# Python program to find the maximum repeating number  
 
# Returns maximum repeating element in arr[0..n-1].  
# The array elements are in range from 0 to k-1  
def maxRepeating(arr, n,  k):  
 
    # Iterate though input array, for every element  
    # arr[i], increment arr[arr[i]%k] by k  
    for i in range(0,  n):  
        arr[arr[i]%k] += k  
 
    # Find index of the maximum repeating element  
    max = arr[0]  
    result = 0 
    for i in range(1, n):  
 
        if arr[i] > max:  
            max = arr[i]  
            result = i  
 
    # Uncomment this code to get the original array back  
    #for i in range(0, n):  
    #    arr[i] = arr[i]%k  
 
    # Return index of the maximum element  
    return result  

(此代码的部分内容可以替换为性能更高的替代项，特别是使用 max 函数而不是第二个循环。)