A-B 数对--map映射(洛谷)

本文介绍了一个简单的编程问题“A-B”及其两种解决方案。首先通过双重循环枚举的方式解决,但时间复杂度过高。随后介绍了利用STL map进行优化的方法,极大地提高了效率。

题目描述
出题是一件痛苦的事情!
相同的题目看多了也会有审美疲劳,于是我舍弃了大家所熟悉的 A+B Problem,改用 A-B 了哈哈!
好吧,题目是这样的:给出一串数以及一个数字 C,要求计算出所有 A−B=C 的数对的个数(不同位置的数字一样的数对算不同的数对)。

输入格式
输入共两行。
第一行,两个整数 N,C。
第二行,N 个整数,作为要求处理的那串数。

输出格式
一行,表示该串数中包含的满足 A−B=C 的数对的个数。

思路: 题目要表达的意思就是一堆数中寻找所有满足任意一个数减去C要正好等于另外一个数的这样一个数对的个数。最简单常规的思路就是两个循环枚举一下,寻找满足式子 a[i]+c=a[j] 的有多少。然而这样暴力地枚举时间复杂度会很大,O(n2)。数据的范围很大,肯定会有部分例子会TLE的。
枚举代码:

#include <iostream>
#include <algorithm>
using namespace std;
int a[200001];
int main()
{
	int i,j,n,c,sum=0;
	cin>>n>>c;
	for(i=1;i<=n;i++)
	{
		cin>>a[i];
	}
	sort(a+1,a+n+1);
	for(i=1;i<n;i++)
	{
		for(j=i+1;j<=n;j++)
		{
			if(a[i]+c==a[j])
			{
				sum++;
			}
		}
	}
	cout<<sum<<endl;
	return 0;
}

改进: 然后如果不用写很多二分或树结构的代码,就想到了用STL里的map直接映射,即把这N个数存在数组和一个map中,然后一个循环中sum+=+a[b[i]],便能累加出答案。

map映射

#include <iostream>
#include <algorithm>
#include <map>
using namespace std;
map <long long int,long long int>a;
long long int b[200001];
int main()
{
 int i,n;
 long long int x,c,sum=0; 
 cin>>n>>c;
 a.clear();
 for(i=1;i<=n;i++)
 {
  cin>>b[i];
 }
 
 sort(b+1,b+n+1);
 for(i=1;i<=n;i++)
 {
  a[b[i]]++;
 }
 for(i=1;i<=n;i++)
 {
  sum+=a[b[i]+c];
 }
 cout<<sum<<endl;
 return 0;
}

输入输出样例
样例输入#1

4 1
1 1 2 3

样例输出#1

3
### 关于洛谷 B2135 单词替换的题解 对于洛谷平台上的编号为 B2135 的编程题目《单词替换》,此题的核心在于处理两个不同语言之间的单词转换。给定一本字典,其中包含了N个A语言到B语言的单词映射关系,目标是在一段文本中将所有的A语言单词替换成相应的B语言单词。 #### 解决方案概述 解决方案可以分为两部分: - **构建映射结构**:创建一个哈希表来存储从A语言到B语言的单词映射- **遍历并替换**:读取待处理的文本串,逐个识别出属于A语言的单词,并通过预先建立好的映射找到对应的B语言单词完成替换操作。 #### 实现细节 ##### 构建映射结构 使用Python中的`dict()`函初始化一个空字典用于保存每一对来自两种语言间的单词关联[^1]。 ```python word_map = dict() for _ in range(N): # 假设N是从标准输入获得的有效条目量 a_word, b_word = input().strip().split() # 获取成对出现的一组词语 word_map[a_word] = b_word # 将其加入到映射表里 ``` ##### 文本解析与替换逻辑 接下来定义一个辅助方法来进行实际的文字替换工作,在这里采用正则表达式作为工具帮助更精确地区分单个词汇边界[^2]。 ```python import re def replace_words(text, mapping): pattern = r'\b(' + '|'.join(re.escape(key) for key in mapping.keys()) + r')\b' result = re.sub(pattern, lambda m: mapping[m.group()], text) return result ``` 最后一步就是调用上述定义的方法执行具体的替换动作了。 ```python text_to_process = input().strip() # 输入要被转化的文章内容 translated_text = replace_words(text_to_process, word_map) print(translated_text) ``` 这种方法不仅提高了程序效率而且增强了代码可维护性和扩展性。值得注意的是,这里的实现方式假设所有输入都是有效的,并且不考虑大小写的差异;如果需要支持更多特性,则可以根据具体需求调整相应部分。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值