有关Python问题的详细解说
这篇文章主要讲解了“有关Python问题的详细解说”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“有关Python问题的详细解说”吧!
问题1:谁先赢?微软
艾米和布拉德轮流滚动一个漂亮的六边形模具。谁先掷出" 6"赢得比赛。艾米首先滚动。艾米获胜的机率是多少?
(1) 思路
这是一个核心的模拟问题,没有比模拟大量过程并检查Amy获胜的可能性更好的方法了。
艾米滚第一。如果结果为6,则游戏结束,艾米获胜。否则,布拉德(Brad)翻牌,如果是6,则赢得比赛。如果不是,则转回艾米(Amy)。重复该过程,直到有人以6结束游戏。
在这里,关键是要了解逻辑流程:谁赢了,在什么情况下赢了。如果艾米得到6分,布拉德必须投掷吗?没有。
(2) 解题
import numpy as np def who_won(die, size): A_count = 0 # initialize A_count B_count = 0 # initialize B_count for i in range(size): # create an iteration A_6 = np.random.choice(die) # roll the fair dice and choose a random value from 0 to 6 if A_6 == 6: # if A rolls a 6, then A_count adds 1. A_count+=1 # a side-note for Python beginners: the full expression is "A_countA_count = A_count+1." else: # if the above if condition does not fullfill B_6 = np.random.choice(die) # then, it's B's turn to roll the dice, which is a random choice from 0 to 6. if B_6 == 6: # if B rolls a B, B_count adds 1. B_count+=1 return A_count/(A_count+B_count) # return the total number of cases that A won divided by the combined number of A and B wonaka. the result is the probability that Amy wins.
检查第11行:A_6是Amy的数据分布,如果她的数据为6,则计数为+1。否则,布拉德可以掷骰子。
在最后(第25行),最终结果应该是Amy获胜的次数除以Amy和Brad获胜的总数。一个常见的错误是将A_count除以仿真总数。这是不正确的,因为当Amy和Brad都未能掷出6时,会有迭代。
让我们测试一下上述算法。
np.random.seed(123) die = [1,2,3,4,5,6] size = 10000 who_won(die,size) view raw
0.531271015467384
事实证明,艾米(Amy)在布拉德(Brad)之前就开始滚动赢得这场比赛。艾米(Amy)在10,000次模拟中获胜的概率为53%。
> Photo by john vicente on Unsplash
问题2:每个主要公司的最大数量为69
-给定一个仅由数字6和9组成的正整数num。-返回最多可更改一个数字可得到的最大数字(6变为9,而9变为6)。https://leetcode.com/problems/maximum-69-number/
(1) 思路
给定一个正整数,只有一种方法可以增大值,即将" 6"变成" 9",而不是相反。另外,我们必须更改最左边的6;否则,它不是最大数量。例如,我们必须将" 6996"更改为" 9996",而不是" 6999"。
我想出了这个问题的几种变体:您可以更改一次,也可以全部更改为6。
(2) 解决方法1:替换一次
# replace once def max_69_once(num): return int(str(num).replace('6','9',1)) # test case num = 966666669 max_69_once(num)
996666669
在第3行中,我们将整数转换为字符串,然后将第一个" 6"替换为" 9";使用int()将其返回为整数。
(3) 解决方案2:全部替换
def max_69_all(num): k = len(str(num)) return int(str(num).replace('6','9',k)) # test case num = 966666669 max_69_all(num)
999999999
对于第二种情况,我们不必指定k,因为replace()方法默认会更改所有合适的值。我出于教学目的指定了k值。这个问题的另一个变体是替换前两个或三个" 6"以使数字最大。
> Photo by Alessandro Capuzzi on Unsplash
问题3:有效的完美正方形。Facebook
-给定正整数num,编写一个函数,如果num是一个完美的平方则返回True;否则返回False。-后续操作:请勿使用任何内置库函数(例如sqrt)。
https://leetcode.com/problems/valid-perfect-square/
(1) 思路
这非常简单:检查正整数是否具有理想的平方根,如果有正整数,则返回True,这可以分两步完成。
找到平方根。
检查它是否是完美的平方根。
棘手的部分是我们必须使用内置库(例如,数学,Numpy)来计算平方根,这在LeetCode上是一个简单的问题。如果我们不能使用这些库,那么它将成为更具挑战性和反复性的问题,这是LeetCode的一个中等水平的问题。
(2) 解决方案1:内置库
import math def valid_perfect_square(num): return int(math.sqrt(num))**2==num # the int() method only returns the integer part and leaves out the decimal part. # For perfect squares, there should be no decimal part. The equation should thus hold. # test case valid_perfect_square(16)
该算法轻松通过了测试案例。应当指出,我们需要使用int()方法仅获取平方根的整数部分,而忽略任何小数部分。对于完美的正方形,它不会有任何差异,因此等式成立。对于非完美的平方,方程将不成立并返回False。
(特别感谢韩琦发现错误!)
解决方案2:没有内置库和二进制搜索
# 1 find the squre root of num # 2 check if it is a perfect square number # solution: no built-in library & binary search def valid_perfect_square(num): if num < 2: return True left, right = 2, num//2 # create two pointers: left and right while left<=right: # while loop to constantly update left and right x = left + (right-left)//2# take a wild guess and treat x as the starting point xx_squared = x*x # calculate the squared value of x if x_squared == num: # use the following 'if-else' statement to constantly update x_squared. return True # if there are the same, return True if x_squared <num: # if x_squared is smaller than num, left increases by 1 left= x+1 else: # if x_squared is bigger, right decreases by 1 right= x-1 return False # the while loop should continue looping until left and right converge and no common value obtained # test case valid_perfect_square(16)
如果不允许使用任何库,则采用二进制搜索。LeetCode包含一个详细的解释(在此处),我也对此主题发表了另一篇文章(在这里)。简而言之,我们创建左右两个指针,并将这两个数字的平均值与原始数字进行比较:如果小于该数字,则增加该值;如果更大,我们减少它;或者,如果它们匹配,则返回True。
这些条件将在while循环中自动检查。
#问题4:阶乘尾随零。彭博社
给定整数n,返回n中的尾随零!
后续行动:您能否编写一种适用于对数时间复杂度的解决方案?
https://leetcode.com/problems/factorial-trailing-zeroes/
(1) 思路
这个问题有两个步骤:
计算n阶乘n!
计算尾随零的数量
对于第一步,我们使用while循环迭代遍历n个阶乘并停止循环直到1。对于第二步,事情变得有些棘手。
该问题要求尾随零而不是总数零。这是个很大的差异。8!是40,320,它有2个零,但只有1个尾随零。我们在计算时必须格外小心。我提出了两种解决方案。
(2) 解决方案1:向后读取字符串
# 1 calculate n! # 2 calculate the number of trailing zeros def factorial_zeros(n): product = n while n > 1 : # iteratively calculate the product product *= (n-1) n-=1 count = 0 for i in str(product)[::-1]: # calculate the number of trailing zeros if i == '0': count+=1 else: break return count factorial_zeros(20)
计算产品的第一部分是不言而喻的。对于第二部分,我们使用str()方法将乘积转换为字符串,然后向后读取:如果数字为0,则将count加1;否则为0。否则,我们将打破循环。
break命令在这里至关重要。如前所述,上述函数无需中断命令即可计算零的总数。
(3) 解决方案2:while循环
def factorial_zeros(n): product = n while n > 1 : # step 1: iteratively calculate the product product *= (n-1) n-=1 count = 0 while product%10 == 0: # step 2: calculate the number of trailing zeros productproduct = product/10 count+=1 return count
第一部分与解决方案1相同,唯一的区别是我们使用while循环来计算尾随数字:对于乘积除以10的乘积,最后一位必须为0。因此,我们使用while循环不断更新while循环,直到条件不成立为止。
顺便说一句,解决方案2是我最喜欢的计算零的方法。
> Photo by Jamie Fenn on Unsplash
问题5:完美数字,亚马逊
理想数字是一个正整数,它等于其正因数之和,但不包括数字本身。
整数x的除数是可以将x均匀除的整数。
给定整数n,如果n是完美数则返回true,否则返回false。
https://leetcode.com/problems/perfect-number/
(1) 思路
这个问题可以分为三个步骤:
找出正因数
计算总和
决定:完美与否
第2步和第3步是不言而喻的,最多不超过一层。但是,棘手的部分是找到正除数。为此,我们可以采用野蛮力方法,并在从1到整数的整个序列中进行迭代。
理论上,它应该适用于一个小整数,但是如果我们运行大数,它将超过时间限制。时间效率不高。
(2) 解决方案1:暴力
#1. find the positive divisors #2. calculate the sum #3. perfect or not def perfect_number(num): divisors = [] for i in range(1,num): if num%i==0: divisors.append(i) if sum(divisors)==num: return True else: return False # test case 1 perfect_number(2)
此方法不适用于较大的值。您的面试官可能会要求更有效的解决方案。
(3) 解决方案2:sqrt(n)
# solution 2: sqrt(n) def perfect_number(num): if num<=1: return False divisors = set([1]) for i in range(2,int(num**0.5)+1): # from 2 to num**0.5 if num%i==0: divisors.add(i) divisors.add(num//i) return sum(divisors)==num
要找到其除数,我们不必检查最大为整数的值。例如,要找到100的除数,我们不必检查从1到100的数字。相反,我们只需要检查直到100的平方根即10,并且所有其他可用值都已经为包括在内。
这是一种最佳算法,可为我们节省大量时间。
总结
在进行了数十次"实践"编码之后,最大的收获就是理解问题并将问题分为多个可操作的组件。
在这些可行的部分中,总会有一个步骤使求职者绊倒。诸如"不能使用内置函数/库"之类的限制。
关键是逐步编写自定义函数,并尝试避免在练习例程中尽可能多地使用内置函数。
感谢各位的阅读,以上就是“有关Python问题的详细解说”的内容了,经过本文的学习后,相信大家对有关Python问题的详细解说这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是亿速云,小编将为大家推送更多相关知识点的文章,欢迎关注!