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

2024-06-13 12:52
文章标签 python 实现 优化 每日 解读 逐步 思想 pat 好文 甲级 let 1116 come 举一反三 五千

本文主要是介绍每日一题——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，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！


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 mathdef is_prime(num):if num <= 1:return Falseif num <= 3:return Trueif num % 2 == 0 or num % 3 == 0:return Falsefor i in range(5, int(math.sqrt(num)) + 1, 6):if num % i == 0 or num % (i + 2) == 0:return Falsereturn Trueinput = sys.stdin.read
data = input().split()
N = int(data[0])
ranklist_ids = {}
for i in range(1, N + 1):ranklist_ids[data[i]] = ichecked_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 mathdef is_prime(num):"""判断一个数是否为素数"""if num <= 1:return Falseif num <= 3:return Trueif num % 2 == 0 or num % 3 == 0:return Falsefor i in range(5, int(math.sqrt(num)) + 1, 6):if num % i == 0 or num % (i + 2) == 0:return Falsereturn 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。

这篇关于每日一题——Python实现PAT甲级1116 Come on! Let‘s C（举一反三+思想解读+逐步优化）五千字好文的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1057361。

相关文章

SpringBoot集成redisson实现延时队列教程

SpringBoot集成redisson实现延时队列教程

《SpringBoot集成redisson实现延时队列教程》文章介绍了使用Redisson实现延迟队列的完整步骤,包括依赖导入、Redis配置、工具类封装、业务枚举定义、执行器实现、Bean创建、消费... 目录1、先给项目导入Redisson依赖2、配置redis3、创建 RedissonConfig 配
阅读更多...
Python的Darts库实现时间序列预测

Python的Darts库实现时间序列预测

《Python的Darts库实现时间序列预测》Darts一个集统计、机器学习与深度学习模型于一体的Python时间序列预测库,本文主要介绍了Python的Darts库实现时间序列预测,感兴趣的可以了解... 目录目录一、什么是 Darts？二、安装与基本配置安装 Darts导入基础模块三、时间序列数据结构与
阅读更多...
Python正则表达式匹配和替换的操作指南

Python正则表达式匹配和替换的操作指南

《Python正则表达式匹配和替换的操作指南》正则表达式是处理文本的强大工具,Python通过re模块提供了完整的正则表达式功能,本文将通过代码示例详细介绍Python中的正则匹配和替换操作,需要的朋... 目录基础语法导入re模块基本元字符常用匹配方法1. re.match() - 从字符串开头匹配2.
阅读更多...
Python使用FastAPI实现大文件分片上传与断点续传功能

Python使用FastAPI实现大文件分片上传与断点续传功能

《Python使用FastAPI实现大文件分片上传与断点续传功能》大文件直传常遇到超时、网络抖动失败、失败后只能重传的问题,分片上传+断点续传可以把大文件拆成若干小块逐个上传,并在中断后从已完成分片继... 目录一、接口设计二、服务端实现（FastAPI）2.1 运行环境2.2 目录结构建议2.3 serv
阅读更多...
C#实现千万数据秒级导入的代码

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很
阅读更多...
通过Docker容器部署Python环境的全流程

通过Docker容器部署Python环境的全流程

《通过Docker容器部署Python环境的全流程》在现代化开发流程中,Docker因其轻量化、环境隔离和跨平台一致性的特性,已成为部署Python应用的标准工具,本文将详细演示如何通过Docker容... 目录引言一、docker与python的协同优势二、核心步骤详解三、进阶配置技巧四、生产环境最佳实践
阅读更多...
Python一次性将指定版本所有包上传PyPI镜像解决方案

Python一次性将指定版本所有包上传PyPI镜像解决方案

《Python一次性将指定版本所有包上传PyPI镜像解决方案》本文主要介绍了一个安全、完整、可离线部署的解决方案,用于一次性准备指定Python版本的所有包,然后导出到内网环境,感兴趣的小伙伴可以跟随... 目录为什么需要这个方案完整解决方案1. 项目目录结构2. 创建智能下载脚本3. 创建包清单生成脚本4
阅读更多...
SpringBoot+RustFS 实现文件切片极速上传的实例代码

SpringBoot+RustFS 实现文件切片极速上传的实例代码

《SpringBoot+RustFS实现文件切片极速上传的实例代码》本文介绍利用SpringBoot和RustFS构建高性能文件切片上传系统,实现大文件秒传、断点续传和分片上传等功能,具有一定的参考... 目录一、为什么选择 RustFS + SpringBoot？二、环境准备与部署2.1 安装 RustF
阅读更多...
Nginx部署HTTP/3的实现步骤

Nginx部署HTTP/3的实现步骤

《Nginx部署HTTP/3的实现步骤》本文介绍了在Nginx中部署HTTP/3的详细步骤,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录前提条件第一步：安装必要的依赖库第二步：获取并构建 BoringSSL第三步：获取 Nginx
阅读更多...
MyBatis Plus实现时间字段自动填充的完整方案

MyBatis Plus实现时间字段自动填充的完整方案

《MyBatisPlus实现时间字段自动填充的完整方案》在日常开发中,我们经常需要记录数据的创建时间和更新时间,传统的做法是在每次插入或更新操作时手动设置这些时间字段,这种方式不仅繁琐,还容易遗漏,... 目录前言解决目标技术栈实现步骤1. 实体类注解配置2. 创建元数据处理器3. 服务层代码优化填充机制详
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2