请你为 最不经常使用（LFU）缓存算法设计并实现数据结构。
实现 LFUCache 类：
LFUCache(int capacity) - 用数据结构的容量 capacity 初始化对象
int get(int key) - 如果键 key 存在于缓存中，则获取键的值，否则返回 -1 。
void put(int key, int value) - 如果键 key 已存在，则变更其值；如果键不存在，请插入键值对。当缓存达到其容量 capacity 时，则应该在插入新项之前，移除最不经常使用的项。在此问题中，当存在平局（即两个或更多个键具有相同使用频率）时，应该去除 最久未使用 的键。
为了确定最不常使用的键，可以为缓存中的每个键维护一个 使用计数器 。使用计数最小的键是最久未使用的键。
当一个键首次插入到缓存中时，它的使用计数器被设置为 1 (由于 put 操作)。对缓存中的键执行 get 或 put 操作，使用计数器的值将会递增。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。
示例：
输入：
["LFUCache", "put", "put", "get", "put", "get", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [3], [4, 4], [1], [3], [4]]
输出：
[null, null, null, 1, null, -1, 3, null, -1, 3, 4]
解释：
// cnt(x) = 键 x 的使用计数
// cache=[] 将显示最后一次使用的顺序（最左边的元素是最近的）
LFUCache lfu = new LFUCache(2);
lfu.put(1, 1); // cache=[1,_], cnt(1)=1
lfu.put(2, 2); // cache=[2,1], cnt(2)=1, cnt(1)=1
lfu.get(1); // 返回 1
// cache=[1,2], cnt(2)=1, cnt(1)=2
lfu.put(3, 3); // 去除键 2 ，因为 cnt(2)=1 ，使用计数最小
// cache=[3,1], cnt(3)=1, cnt(1)=2
lfu.get(2); // 返回 -1（未找到）
lfu.get(3); // 返回 3
// cache=[3,1], cnt(3)=2, cnt(1)=2
lfu.put(4, 4); // 去除键 1 ，1 和 3 的 cnt 相同，但 1 最久未使用
// cache=[4,3], cnt(4)=1, cnt(3)=2
lfu.get(1); // 返回 -1（未找到）
lfu.get(3); // 返回 3
// cache=[3,4], cnt(4)=1, cnt(3)=3
lfu.get(4); // 返回 4
// cache=[3,4], cnt(4)=2, cnt(3)=3
提示：
1 <= capacity <= 104
0 <= key <= 105
0 <= value <= 109
最多调用 2 * 105 次 get 和 put 方法
思路，本道题和 LRU cache 类似，在 LRU cache 的基础上需要维护一个统计次数到 cache 中元素的一个字典， cache 中的元素仍然是一个双向链表，除此之外，还需要维护一个变量，统计当前cache 中的元素的最小出现次数(从cache 中删除元素时，需要根据这个值来进行删除)
python
class ListNode:
## 双向链表
def __init__(self, key=0, value=0, cnt=1):
self.key = key ### cache 中的 key, key 对应的结果是 ListNode 结构
self.value = value
self.prev = None
self.next = None
self.cnt = cnt
class cntNode:
def __init__(self):
self.dummy = ListNode()
self.dummy.next = self.dummy.prev = self.dummy
class LFUCache:
def __init__(self, capacity: int):
self.capacity = capacity
self.dummy = ListNode()
self.dummy.next = self.dummy.prev = self.dummy
self.key_to_node = dict()
self.minCnt = 1 ## 记录 cache 里面所有 key 的 minCnt
## cnt_to_node 存放以计数器为 key 的 value
self.cnt_to_node = collections.defaultdict(cntNode)
def append(self, key, value, cnt=1):
## 新节点插入到 dummy 节点的 next 节点
dummy = self.cnt_to_node[cnt].dummy
node1 = ListNode(key, value, cnt)
node1.next = dummy.next
dummy.next.prev = node1
dummy.next = node1
node1.prev = dummy
self.key_to_node[key] = node1
def delete(self, key):
node1 = self.key_to_node[key]
node1.prev.next = node1.next
node1.next.prev = node1.prev
node1.prev = node1.next = None
dummy = self.cnt_to_node[node1.cnt].dummy
if dummy.next == dummy: ## 如果该 dict 为空，删除该 dict
if self.minCnt == node1.cnt: ## 如果删的是最小的
self.minCnt += 1
del self.cnt_to_node[node1.cnt]
del self.key_to_node[key]
def get(self, key: int) -> int:
if key in self.key_to_node:
node1 = self.key_to_node[key]
self.delete(key)
newCnt = node1.cnt + 1
self.append(key, node1.value, newCnt)
return node1.value
else:
return -1
def put(self, key: int, value: int) -> None:
if key in self.key_to_node:
node1 = self.key_to_node[key]
self.delete(key)
self.append(key, value, node1.cnt+1)
else:
if len(self.key_to_node) == self.capacity:
dummy = self.cnt_to_node[self.minCnt].dummy
self.delete(dummy.prev.key)
self.append(key, value, 1)
self.minCnt = 1
# Your LFUCache object will be instantiated and called as such:
# obj = LFUCache(capacity)
# param_1 = obj.get(key)
# obj.put(key,value)