每日一题——Python实现PAT甲级1116 Come on! Let‘s C（举一反三+思想解读+逐步优化）五千字好文


一个认为一切根源都是“自己不够强”的INTJ

个人主页：用哲学编程-CSDN博客
专栏：每日一题——举一反三
Python编程学习
Python内置函数

Python-3.12.0文档解读

目录

 我的写法

代码点评

时间复杂度分析

空间复杂度分析

总结

我要更强

优化思路

优化后的代码

时间复杂度分析

空间复杂度分析

优化总结

哲学和编程思想

1. 时间复杂度与空间复杂度的权衡

哲学思想：资源优化（Resource Optimization）

2. 使用合适的数据结构

哲学思想：选择合适工具（Right Tool for the Job）

3. 减少不必要的操作

哲学思想：简洁性（Simplicity）

4. 一次性读取和输出数据

哲学思想：批处理（Batch Processing）

5. 高效的算法

哲学思想：算法优化（Algorithm Optimization）

6. 幂等性和状态管理

哲学思想：幂等性（Idempotency）与状态管理（State Management）

总结

举一反三

1. 优化时间和空间复杂度

技巧：

思想：

2. 使用合适的数据结构

技巧：

思想：

3. 减少不必要的操作

技巧：

思想：

4. 批处理和减少I/O操作

技巧：

思想：

5. 高效算法选择

技巧：

思想：

6. 幂等性和状态管理

技巧：

思想：

举一反三的应用

总结

题目链接

 我的写法

import sys
import math

def is_prime(num):
    if num <= 1:
        return False
    if num <= 3:
        return True
    if num % 2 == 0 or num % 3 == 0:
        return False
    for i in range(5, int(math.sqrt(num)) + 1, 6):
        if num % i == 0 or num % (i + 2) == 0:
            return False
    return True

input = sys.stdin.read
data = input().split()
N = int(data[0])
ranklist_ids = {}
for i in range(1, N + 1):
    ranklist_ids[data[i]] = i

checked_ids = set()
K = int(data[N + 1])

output = []

for i in range(N + 2, K + N + 2):
    query_id = data[i]

    if query_id in ranklist_ids:
        if query_id in checked_ids:
            output.append(f"{query_id}: Checked")
        else:
            rank = ranklist_ids[query_id]
            if rank == 1:
                output.append(f"{query_id}: Mystery Award")
            elif is_prime(rank):
                output.append(f"{query_id}: Minion")
            else:
                output.append(f"{query_id}: Chocolate")
            checked_ids.add(query_id)
    else:
        output.append(f"{query_id}: Are you kidding?")

# 将所有输出一次性打印，减少 I/O 操作
sys.stdout.write("\n".join(output) + "\n")

代码点评

这段代码实现了对一组ID的排名查询，并根据排名给出不同的反馈。代码结构清晰，使用了适当的数据结构（字典和集合）来优化查询效率。下面是对代码的详细点评：

  1. 模块导入：
    • 使用了sys和math模块，分别用于处理输入输出和数学运算，这是合理的。
  2. 函数定义：
    • is_prime函数用于判断一个数是否为素数，使用了优化的算法，只检查到平方根，减少了不必要的计算。
  3. 数据处理：
    • 使用sys.stdin.read一次性读取所有输入，减少了I/O操作的次数。
    • 将输入数据分割后存储在列表data中，方便后续处理。
  4. 数据结构使用：
    • 使用字典ranklist_ids存储ID和其对应的排名，利用字典的快速查找特性，提高了查询效率。
    • 使用集合checked_ids存储已检查的ID，避免了重复检查，优化了处理流程。
  5. 输出处理：
  • 将所有输出存储在列表output中，最后一次性输出，减少了I/O操作的次数，提高了效率。

时间复杂度分析

  • 读取输入：O(N + K)，其中N是排名列表中的ID数量，K是查询的ID数量。
  • 构建排名字典：O(N)，遍历排名列表一次。
  • 查询处理：O(K)，每个查询操作的时间复杂度是O(1)，因为使用了字典和集合。
  • 输出：O(N + K)，构建输出列表的时间。

总时间复杂度为O(N + K)。

空间复杂度分析

  • 存储输入数据：O(N + K)，需要存储所有输入数据。
  • 排名字典：O(N)，存储所有排名信息。
  • 已检查ID集合：O(K)，最多存储K个已检查的ID。
  • 输出列表：O(K)，存储所有查询结果。

总空间复杂度为O(N + K)。

总结

这段代码在处理大量数据时表现良好，时间复杂度和空间复杂度都与输入规模成线性关系，效率较高。代码结构清晰，使用了合适的数据结构和算法，是一段高质量的代码。

我要更强

这段代码已经相对高效，不过还是可以在一些细节上进行优化，以进一步提升性能。以下是一些可能的优化方法：

  1. 减少不必要的操作：在查询阶段直接读取和处理数据，而不是预先存储所有ID。
  2. 优化素数判断函数：虽然当前实现已经较优化，但我们可以进一步减少检查次数。

以下是经过优化的完整代码和分析：

优化思路

  • 减少内存占用：只在需要时存储数据，而不是预先存储所有ID和排名。
  • 优化素数判断：利用更高效的素数判断算法。

优化后的代码

python复制

import sys
import math

def is_prime(num):
    """判断一个数是否为素数"""
    if num <= 1:
        return False
    if num <= 3:
        return True
    if num % 2 == 0 or num % 3 == 0:
        return False
    for i in range(5, int(math.sqrt(num)) + 1, 6):
        if num % i == 0 or num % (i + 2) == 0:
            return False
    return True

# 从标准输入读取所有数据
input = sys.stdin.read
data = input().split()

N = int(data[0])  # 排名列表中的ID数量
ranklist_ids = {data[i]: i for i in range(1, N + 1)}  # 构建ID和排名的字典
checked_ids = set()  # 存储已检查的ID
K = int(data[N + 1])  # 查询的ID数量

output = []  # 用于存储最终输出的结果列表

# 处理所有查询
for i in range(N + 2, N + 2 + K):
    query_id = data[i]

    if query_id in ranklist_ids:
        if query_id in checked_ids:
            output.append(f"{query_id}: Checked")
        else:
            rank = ranklist_ids[query_id]
            if rank == 1:
                output.append(f"{query_id}: Mystery Award")
            elif is_prime(rank):
                output.append(f"{query_id}: Minion")
            else:
                output.append(f"{query_id}: Chocolate")
            checked_ids.add(query_id)
    else:
        output.append(f"{query_id}: Are you kidding?")

# 将所有输出结果一次性打印，减少I/O操作
sys.stdout.write("\n".join(output) + "\n")

时间复杂度分析

  • 读取输入：O(N + K)，其中N是排名列表中的ID数量，K是查询的ID数量。
  • 构建排名字典：O(N)，遍历排名列表一次。
  • 查询处理：O(K)，每个查询操作的时间复杂度是O(1)，因为使用了字典和集合。
  • 输出：O(K)，构建输出列表的时间。

总时间复杂度为O(N + K)。

空间复杂度分析

  • 存储输入数据：O(N + K)，需要存储所有输入数据。
  • 排名字典：O(N)，存储所有排名信息。
  • 已检查ID集合：O(K)，最多存储K个已检查的ID。
  • 输出列表：O(K)，存储所有查询结果。

总空间复杂度为O(N + K)。

优化总结

通过以上优化，确保在时间和空间上的复杂度都保持在O(N + K)的水平，而代码的可读性和效率也得到了提升。这段优化后的代码更紧凑，并且在处理查询时更加直接。

哲学和编程思想

在优化这段代码的过程中，运用了多种编程思想和哲学，以提升代码的效率和可读性。以下是具体的分析：

1. 时间复杂度与空间复杂度的权衡

哲学思想：资源优化（Resource Optimization）
  • 描述：在计算机科学中，时间和空间是两种重要的资源。通常情况下，优化一方面可能会牺牲另一方面，需要在两者之间找到一个平衡点。
  • 应用：我们在优化过程中，确保时间复杂度和空间复杂度都保持在O(N + K)的水平，既保证处理速度，又不浪费内存资源。

2. 使用合适的数据结构

哲学思想：选择合适工具（Right Tool for the Job）
  • 描述：不同的数据结构有不同的特点和适用场景，选择合适的数据结构能够显著提升程序的效率。
  • 应用：使用了字典（dict）来存储ID与排名的映射，以实现快速查找操作（O(1)时间复杂度）；使用集合（set）来存储已检查的ID，以实现快速存在性检查（O(1)时间复杂度）。

3. 减少不必要的操作

哲学思想：简洁性（Simplicity）
  • 描述：减少不必要的步骤和操作，使代码更加简洁高效。
  • 应用：在查询阶段直接处理数据，而不是预先存储所有ID，这样减少了内存占用，并避免了多次遍历数据。

4. 一次性读取和输出数据

哲学思想：批处理（Batch Processing）
  • 描述：通过一次性读取和处理大量数据，减少频繁I/O操作，提升程序运行效率。
  • 应用：使用sys.stdin.read一次性读取所有输入数据，使用sys.stdout.write一次性输出所有结果，减少了多次I/O操作的开销。

5. 高效的算法

哲学思想：算法优化（Algorithm Optimization）
  • 描述：选择高效的算法来解决问题，减少计算量和时间开销。
  • 应用：在素数判断中，使用优化的算法，仅检查到平方根且跳过明显非素数的数（如偶数和3的倍数），减少了不必要的计算。

6. 幂等性和状态管理

哲学思想：幂等性（Idempotency）与状态管理（State Management）
  • 描述：在重复操作中确保操作结果不变，这样可以避免重复计算和不一致的结果。
  • 应用：通过集合checked_ids记录已检查的ID，保证每个ID只处理一次，避免重复处理，确保程序状态一致性。

总结

通过运用以上哲学和编程思想，在优化过程中，既提升了代码的效率，又保持了代码的简洁和可维护性。这些思想不仅可以应用在这段代码中，对于其他编程任务同样适用，是编写高质量代码的重要原则。

举一反三

理解并应用编程哲学和思想能够大幅提升你的代码质量和效率。以下是一些常见的编程技巧和实践，每个技巧背后都有相关的哲学思想，希望能在不同的编程场景中灵活应用。

1. 优化时间和空间复杂度

技巧：
  • 时间复杂度：在选择算法时，优先考虑时间复杂度较低的算法。例如，尽量避免使用O(n^2)的算法（如嵌套循环），可以考虑使用分治法、动态规划等优化算法。
  • 空间复杂度：尽量减少不必要的数据存储，使用合适的数据结构（如数组、链表、哈希表）来优化内存使用。
思想：
  • 资源优化：在开发过程中，始终考虑如何在时间和空间之间找到平衡点。

2. 使用合适的数据结构

技巧：
  • 哈希表：用于快速查找、插入和删除操作。
  • 数组/列表：用于需要快速访问元素的场景。
  • 队列/栈：用于需要先进先出（FIFO）或后进先出（LIFO）操作的场景。
  • 树/图：用于表示层次结构或连接关系的场景。
思想：
  • 选择合适工具：根据具体问题选择最合适的数据结构，以提升程序的性能和可读性。

3. 减少不必要的操作

技巧：
  • 懒加载：仅在需要时才初始化或计算数据，避免提前占用资源。
  • 缓存：对于重复计算的结果进行缓存，避免多次计算相同的结果。
  • 优雅的条件检查：尽量简化条件检查，避免多余的判断。
思想：
  • 简洁性：代码应尽量简洁，减少不必要的复杂性。

4. 批处理和减少I/O操作

技巧：
  • 批量读取和写入：尽量一次性读取或写入大量数据，减少I/O操作的次数。
  • 缓冲区使用：使用缓冲区来提高I/O操作的效率。
思想：
  • 批处理：通过一次性处理大量数据，提高程序的整体效率。

5. 高效算法选择

技巧：
  • 分治法：将问题分解为规模较小的子问题再逐步解决，如快速排序、归并排序。
  • 动态规划：通过记录中间结果，避免重复计算，如斐波那契数列、背包问题。
  • 贪心算法：在每一步选择中做出局部最优选择，期望最终结果是全局最优，如最小生成树、活动选择问题。
思想：
  • 算法优化：选择适合的高效算法解决问题，减少计算开销。

6. 幂等性和状态管理

技巧：
  • 幂等操作：设计函数和方法时，确保对同一输入多次调用结果不变，常用于接口设计和数据库操作。
  • 状态管理：使用状态管理工具（如Redux、Vuex）集中管理应用状态，避免不同部分状态不一致。
思想：
  • 幂等性和状态管理：确保程序在重复操作中保持一致性，避免不必要的副作用。

举一反三的应用

  1. 优化查询操作：

    • 思想：选择合适的数据结构（如哈希表）进行快速查找。
    • 应用：在需要反复查找的场景中，优先使用哈希表来存储和查找数据。

  2. 减少重复计算：

    • 思想：使用缓存（如Memoization）记录中间结果。
    • 应用：在递归算法中，通过缓存已计算的结果，避免重复计算，提高效率。

  3. 简化代码逻辑：

    • 思想：简化条件判断，减少嵌套层次。
    • 应用：在复杂的条件判断中，尽量将相似的条件合并，或重构为多个简单函数，提高代码可读性。

  4. 批量操作：

    • 思想：尽量一次性处理大量数据，减少I/O操作。
    • 应用：在处理大文件或大量网络请求时，采用批量读取或写入的方式，减少I/O次数，提高效率。

总结

通过理解并应用这些编程技巧和思想，可以在不同的编程场景中灵活运用，提升代码的效率和可读性。每种技巧背后的思想都是编程中的基本原则，掌握这些原则将帮助在面对复杂问题时，能够更自如地找到最优解。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/704683.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

如何将txt文件导入Python中并进行数据处理

如何将txt文件导入Python中并进行数据处理

从文本文件中读取数据后&#xff0c;可以清洗和预处理数据&#xff0c;例如去除不必要的字符、处理缺失值等&#xff0c;以便后续的分析和建模。将文本文件导入Python并进行数据处理不仅能够有效地利用数据&#xff0c;还能通过分析和可视化来提取有用的信息和洞察&#xff0c;…
阅读更多...
第 5 章：面向生产的 Spring Boot

第 5 章：面向生产的 Spring Boot

在 4.1.2 节中&#xff0c;我们介绍了 Spring Boot 的四大核心组成部分&#xff0c;第 4 章主要介绍了其中的起步依赖与自动配置&#xff0c;本章将重点介绍 Spring Boot Actuator&#xff0c;包括如何通过 Actuator 提供的各种端点&#xff08;endpoint&#xff09;了解系统的…
阅读更多...
使用el-pagination出现样式超出时加上这个属性就能轻松解决

使用el-pagination出现样式超出时加上这个属性就能轻松解决

出现的样式问题&#xff1a; 当页码数量过多时&#xff0c;多余的页码会超出我们设定的样式盒子&#xff0c;不美观 代码是这样写的&#xff0c;直接使用的el-pagination <el-paginationlayout"prev, pager, next":total"50"></el-pagination&g…
阅读更多...
几何优化技术在AI绘画中的应用

几何优化技术在AI绘画中的应用

在人工智能领域&#xff0c;艺术创作已经成为了一个重要的应用方向。通过使用深度学习和计算机视觉技术&#xff0c;我们可以创建出令人惊叹的艺术作品。然而&#xff0c;要生成高质量的图像&#xff0c;需要对模型进行大量的训练和优化。在这个过程中&#xff0c;几何优化技术…
阅读更多...
学习Pr有哪些常见的使用的技巧？

学习Pr有哪些常见的使用的技巧？

本Premiere 学习笔记总结常见问题165条。不管你是初学的小白&#xff0c;或是刚进入剪辑学习软件阶段&#xff0c;还是说你学软件好几年了都有用处。因为这份总结涉及到了Pr的各个方面。既可以帮你解决软件出现的问题&#xff0c;也可以帮你熟知软件的实际应用&#xff0c;以及…
阅读更多...
40. 【Java教程】数据库编程

40. 【Java教程】数据库编程

本小节我们将学习如何使用 Java 语言结合数据库进行编程。注意&#xff0c;学习本小节需要你有一定的 SQL 基础&#xff0c;了解 MySQL 数据库的 基础 CRUD 操作。 本小节我们将选择开源免费的 MySQL 5.7 作为数据库&#xff0c;可以去官网下载并安装 MySQL。 通过本小节的学…
阅读更多...
【Gitlab】访问默认PostgreSQL数据库

【Gitlab】访问默认PostgreSQL数据库

本地访问PostgreSQL gitlab有可以直接访问内部PostgreSQL的命令 sudo gitlab-rails dbconsole # 或者 sudo gitlab-psql -d gitlabhq_production效果截图 常用SQL # 查看用户状态 select id,name,email,state,last_sign_in_at,updated_at,last_credential_check_at,last_act…
阅读更多...
【React】配置别名路径@

【React】配置别名路径@

别名路径配置 1. 路径解析配置&#xff08;webpack&#xff09; CRA本身把webpack配置包装到了黑盒里无法直接修改&#xff0c;需要借助一个插件 - craco步骤 安装craco npm i -D craco/craco项目根目录下创建配置文件 craco.config.js配置文件中添加路径解析配置 const pa…
阅读更多...
无法在地址[localhost]和端口[8005]上创建服务器关闭套接字(基本端口[8005]和偏移量[0])

无法在地址[localhost]和端口[8005]上创建服务器关闭套接字(基本端口[8005]和偏移量[0])

今天小伙伴问我一个问题&#xff0c;说是新服务器启动应用&#xff0c;报了一个错误&#xff0c;如下&#xff1a; 一开始我怀疑是端口被占用 经过排查端口没有被占用&#xff0c;然后我怀疑localhost解析有问题 经过 ping localhost 后&#xff0c;得到以下结果到这里很明…
阅读更多...
基于若依的ruoyi-nbcio-plus里抄送人多页选择人员的bug修复

基于若依的ruoyi-nbcio-plus里抄送人多页选择人员的bug修复

更多ruoyi-nbcio功能请看演示系统 gitee源代码地址 前后端代码&#xff1a; https://gitee.com/nbacheng/ruoyi-nbcio 演示地址&#xff1a;RuoYi-Nbcio后台管理系统 http://218.75.87.38:9666/ 更多nbcio-boot功能请看演示系统 gitee源代码地址 后端代码&#xff1a; h…
阅读更多...
阿里云香港服务器怎么样？

阿里云香港服务器怎么样？

大家都知道阿里云是国内最受欢迎的云服务商&#xff0c;那么阿里云香港服务器究竟怎么样呢&#xff1f;和硅云的香港服务器用于做外贸网站等业务相比各有哪些优缺点呢&#xff1f; 阿里云和硅云在香港云服务领域有着广泛的应用和良好的口碑。然而&#xff0c;它们各自的特点和…
阅读更多...
短剧cps平台有哪些，短剧cps系统搭建

短剧cps平台有哪些，短剧cps系统搭建

一、短剧CPS平台主要包括以下几个&#xff1a; 1&#xff0c;快手平台 拥有庞大的用户基础和活跃的短剧消费群体&#xff0c;通过快手的推广&#xff0c;短剧可以获得更多的曝光。同时&#xff0c;快手还提供CPS分佣模式。 2&#xff0c;抖音平台 作为国内最大的短视频平台…
阅读更多...
我国的AI大模型前景如何？

我国的AI大模型前景如何？

目前&#xff0c;我国的AI大模型市场前景很好。这个产业的发展源于多领域的广泛需求&#xff0c;包括办公、制造、金融、医疗、政务等场景中的降本增效、生产自动化、降低风险、提高诊断准确率、提高政务服务效率等诉求。这些领域的创新和发展共同推动了我国AI大模型产业的蓬勃…
阅读更多...
CentOS7服务器中安装openCV4.8的教程

CentOS7服务器中安装openCV4.8的教程

参考链接&#xff1a;Centos7环境下cmake3.25的编译与安装 参考链接&#xff1a;Linux安装或者升级cmake&#xff0c;例子为v3.10.2升级到v3.25.0(自己指定版本) 参考链接&#xff1a;Linux安装Opencv&#xff08;C&#xff09; 一、下载资源 1.下载cmake3.25.0的压缩包&am…
阅读更多...
zerotier自建moon方法

zerotier自建moon方法

简介 使用zerotier已经有一段时间了&#xff0c;现在偶尔会出现服务器连接不上的情况。我就想自己建个moon来试试。记录一下过程&#xff0c;用作备忘录。 准备工作 准备一个有公网IP的云主机。我用的是“三丰云”&#xff0c;速度很快同时提供"免费虚拟主机"和“免费…
阅读更多...
第17章通信系统架构设计理论与实践

第17章通信系统架构设计理论与实践

常见的5种常用的网络架构和构建网络的相关技术&#xff0c;以及网络构建的分析和设计方法。 17.1通信系统概述 通信技术和网络技术的发展&#xff0c;通信网络发生很大变化&#xff0c;入网的形式变化&#xff0c;传输的速率的提高、接入网络的方式多样化、网络结构的更为复杂…
阅读更多...
“中国第一慢病医疗平台”冲刺港股IPO，方舟云康如何脱颖而出？

“中国第一慢病医疗平台”冲刺港股IPO，方舟云康如何脱颖而出？

“中国第一线上慢性病管理平台”--方舟云康&#xff0c;6月10日通过了港交所聆讯&#xff0c;预计将在香港主板IPO上市。 作为一家2015年成立的互联网医疗企业&#xff0c;方舟云康此前分别在2022年11月、2023年6月、2024年2月三次递表。从最初的坚持数智化管理模式&#xff0…
阅读更多...
如何通俗并尽可能详细地解释卡尔曼滤波？

如何通俗并尽可能详细地解释卡尔曼滤波？

参考书 射影定理 递推射影公式 关于线性流型 source&#xff1a; 线性流型_百度百科 后续再更。
阅读更多...
服务器数据恢复—EMC Isilon存储中被误删的虚拟机数据恢复案例

服务器数据恢复—EMC Isilon存储中被误删的虚拟机数据恢复案例

服务器存储数据恢复环境&#xff1a; EMC Isilon S200集群存储&#xff0c;共三个节点&#xff0c;每节点配置12块SATA硬盘。 服务器存储故障&#xff1a; 工作人员误操作删除虚拟机&#xff0c;虚拟机中数据包括数据库、MP4、AS、TS类型的视频文件等。需要恢复数据的虚拟机通…
阅读更多...
中心极限定理的MATLAB例

中心极限定理的MATLAB例

独立同分布的中心极限定理&#xff1a; 设 X 1 , X 2 , … , X n X_1, X_2, \ldots, X_n X1​,X2​,…,Xn​ 是独立同分布的随机变量序列&#xff0c;且 E ( X i ) μ E(X_i) \mu E(Xi​)μ&#xff0c; D ( X i ) σ 2 > 0 D(X_i) \sigma^2 > 0 D(Xi​)σ2>0&a…
阅读更多...
最新文章

Copyright @ 2022~2023