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

checked_ids:output.append(f{query_id}:

Checked)else:rank

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

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

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。

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。

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。

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。

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

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

总时间复杂度为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

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

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。

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。

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。

python复制

checked_ids:output.append(f{query_id}:

Checked)else:rank

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

sys.stdout.write(\n.join(output)

\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)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)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

哲学思想资源优化Resource

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

哲学思想选择合适工具Right

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。

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。

一次性读取和输出数据

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。

哲学思想算法优化Algorithm

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。

幂等性和状态管理

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。

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。

优化时间和空间复杂度

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。

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。

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。

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。

批处理和减少I/O操作

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。

高效算法选择

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。

幂等性和状态管理

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。

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。

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。

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。

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。

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。

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。