1029. Median 解析

本文介绍了一种通过合并两个已排序的长整型数组来找到中位数的算法。使用了C++语言,并利用了标准输入输出进行数据交互。算法首先读取两个数组的长度,然后分别读取数组元素,并通过迭代比较的方式确定中位数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

并归就好~~估计数据大 直接用scanf了 怕cin超时


#include <iostream>
#include <string>
#include <vector>


using namespace std;

vector <long long> l1;
vector <long long> l2;

int N1, N2;

int main() {
	long long temp = 0;
	
	scanf("%d", &N1);
	for (int i = 0; i < N1; i++) {
		scanf("%lld", &temp);
		l1.push_back(temp);
	}

	scanf("%d", &N2);
	for (int i = 0; i < N2; i++) {
		scanf("%lld", &temp);
		l2.push_back(temp);
	}

	int i = 0, j = 0;
	int len = N1 + N2 + 1;
	len /= 2;
	len;

	int mid;

	bool isFind = false;
	int count = 0;
	
	while (i < N1 && j < N2 && !isFind) {
		
		if (l1[i] < l2[j]) {
			count++;
			if (count == len) {
				mid = l1[i];
				isFind = true;
				break;
			}
			i++;
		}
		else {
			
			count++;
			if (count == len) {
				mid = l2[j];
				isFind = true;
				break;
			}
			j++;
		}
		
	}
	
	if (!isFind) {
		while (i < N1) {
		
			count++;
			if (count == len) {
				mid = l1[i];
				isFind = true;
				break;
			}
			i++;
		}
	}

	if (!isFind) {
		while (j < N2) {
		
			count++;
			if (count == len) {
				mid = l2[j];
				isFind = true;
				break;
			}
			j++;
		}
	}

	cout << mid << endl;

	system("pause");

	return 0;
}


test = pd.read_csv('data/test.csv', index_col='PassengerId') age_median = test['Age'].median() # 计算年龄中位数 fare_median = test['Fare'].median() # 计算票价中位数 embark_mode = test['Embarked'].mode()[0] # 计算登船港口众数(可能有多个,取第一个) # 处理缺失值 test['Age'] = test.Age.fillna(test.Age.median()) test['Fare'] = test.Fare.fillna(test.Fare.median()) test['Embarked'] = test.Embarked.fillna(test.Embarked.mode()[0]) test['Cabin'] = test.Cabin.replace(r'.+', '1', regex=True).replace(np.nan, 0).astype('i8') # 特征缩放 test[['Fare']] = scaler.fit_transform(test[['Fare']]) #年龄段分箱 bins = [ 0, 12, 18, 30, 50, 100] df['Age'] = df.Age.fillna(df.Age.median())#年龄采用中位数填充 labels = ['0', '1', '2', '3','4'] df['Age_group'] = pd.cut(df['Age'], bins=bins, labels=labels) # 添加儿童布尔字段 df['Is_child'] = (df['Age'] <= 12).astype(int) #性别二值化 gender_map = {'male': 0, 'female': 1} df['Sex'] =df['Sex'].map(gender_map) # 处理类别 test = pd.get_dummies(test, columns=['Embarked'], drop_first=True) # 删除多余特征 test.drop(columns=['Name', 'Ticket', 'SibSp', 'Parch'], inplace=True) # 使⽤逻辑回归模型 passenger_id, X_test = test.index, test y_test_pred = model.predict(X_test) # ⽣成提交⽂件 result = pd.DataFrame({    'PassengerId': passenger_id,    'Survived': y_test_pred }) result.to_csv('submission.csv', index=False) Cell In[28], line 32 'PassengerId': passenger_id, ^ SyntaxError: invalid non-printable character U+00A0
06-12
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