2024江苏省赛E. Divide

补题链接

题目大意:
每次操作会把区间内最大值除以2,q次询问,问[l,r]操作k次后的结果是什么

分析:
一道主席树的题目,可以先最整个区间一直进行除以2的操作,问区间[l,r]操作后结果,其实就可以转化为求区间第k+1大的结果,反转一下就是求区间第 s u m − k − 1 sum-k-1 sumk1小值,这样就是比较裸的主席树了,需要注意的是每次插入操作的时候,需要把数从 a [ i ] a[i] a[i]加入然后除以2,直到为0停止,至于版本的话就是索引 1 1 1 n n n

#include<bits/stdc++.h>
using namespace std;
using i64 = long long;
using i128 = __int128;

constexpr int maxn = 1e5+10;
struct ty{
    int l,r,sum;
}hjt[maxn*280];
int cnt,root[maxn];
int n,q,a[maxn],c[maxn];

inline void insert(int l,int r,int pre,int &now,int p){
    hjt[++cnt] = hjt[pre];
    now = cnt;
    hjt[now].sum++;
    if(l==r) return;
    int mid = (l+r)>>1;
    if(p<=mid) insert(l,mid,hjt[pre].l,hjt[now].l,p);
    else insert(mid+1,r,hjt[pre].r,hjt[now].r,p);
}

inline int query(int l,int r,int L,int R,int k){
    if(l==r) return l;
    int mid = (l+r)>>1;
    int tmp = hjt[hjt[R].l].sum-hjt[hjt[L].l].sum;//会在这里减掉1-[l-1]版本的影响
    if(k<=tmp) return query(l,mid,hjt[L].l,hjt[R].l,k);
    else return query(mid+1,r,hjt[L].r,hjt[R].r,k-tmp);
}


signed main(){
    ios::sync_with_stdio(0);cin.tie(0);cout.tie(0);
    cin>>n>>q;
    for(int i = 1;i<=n;++i){
        cin>>a[i];
        c[i]=c[i-1];
        insert(0,1e5,root[i-1],root[i],a[i]);
        ++c[i];a[i]>>=1;
        while(a[i]){
            insert(0,1e5,root[i],root[i],a[i]);
            a[i]>>=1;
            c[i]++;
        }
    }
    while(q--){
        int l,r,k;
        cin>>l>>r>>k;
        if(k>=c[r]-c[l-1]) cout<<"0\n";
        else cout<<query(0,1e5,root[l-1],root[r],c[r]-c[l-1]-k)<<"\n";
    }
    return 0;
}



### 关于 `np.divide` 的用法 `np.divide` 是 NumPy 中的一个函数,用于执行逐元素除法操作。它接受两个数组作为输入,并返回一个新的数组,其中每个位置上的值等于第一个数组对应位置的值除以第二个数组对应位置的值[^5]。 以下是该函数的一些重要特性: - 如果其中一个参数是标量,则会将其广播到另一个数组的形状上。 - 当分母为零时,结果将是无穷大 (`inf`) 或未定义 (NaN),具体取决于分子是否也为零。 - 支持多种数据类型,默认情况下使用浮点数运算以提高精度。 #### 示例代码 下面是一些具体的例子来展示如何使用 `np.divide` 函数: ```python import numpy as np # 创建两个一维数组 a = np.array([10, 20, 30]) b = np.array([2, 4, 5]) # 使用 np.divide 进行逐元素除法 result = np.divide(a, b) print(result) # 输出: [5. 5. 6.] # 广播支持的例子 scalar_division = np.divide(a, 2) print(scalar_division) # 输出: [5. 10. 15.] # 处理被零除的情况 c = np.array([0, 1, 2]) d = np.array([0, 0, 1]) division_with_zero = np.divide(c, d) print(division_with_zero) # 输出: [nan inf 2.] ``` 上述代码展示了基本功能以及特殊情况处理方式。注意,在实际应用中应小心避免因被零除而导致的结果异常情况。 #### 性能优化建议 对于大规模矩阵计算而言,直接利用 NumPy 提供的操作符 `/` 往往比调用显式的 `np.divide` 更高效,因为后者可能引入额外开销[^6]。 ```python optimized_result = a / b print(optimized_result) # 同样输出: [5. 5. 6.] ``` 尽管如此,在某些特定场景下(比如需要明确指定行为或兼容旧版库),仍然推荐使用 `np.divide` 方法。 ---
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