博客
关于我
[bzoj2761][暴力]不重复数字
阅读量:90 次
发布时间:2019-02-26

本文共 919 字,大约阅读时间需要 3 分钟。

要解决这个问题,我们需要去除一组数中的重复元素,只保留第一次出现的数。以下是具体的解决方案:

方法思路

  • 读取输入数据:首先读取测试用例的数量 T。对于每个测试用例,读取一个整数 N,表示接下来有 N 个数。
  • 去重处理:使用集合来存储已经出现过的数,这样可以快速检查是否已经存在。遍历输入的数,如果数不在集合中,就将其添加到集合中,并记录下来。
  • 输出结果:将保留下来的小数按顺序拼接成字符串,输出结果。
  • 这种方法利用了集合的高效查找和插入特性,确保了在处理大数据量时的性能。

    解决代码

    def main():    import sys    input = sys.stdin.read().split()    ptr = 0    T = int(input[ptr])    ptr += 1    for _ in range(T):        N = int(input[ptr])        ptr += 1        nums = list(map(int, input[ptr:ptr+N]))        ptr += N        seen = set()        res = []        for num in nums:            if num not in seen:                seen.add(num)                res.append(str(num))        print(' '.join(res))if __name__ == "__main__":    main()

    代码解释

  • 读取输入:使用 sys.stdin.read() 读取所有输入数据,并将其拆分成一个列表,处理起来更高效。
  • 处理每个测试用例:读取 T 个测试用例,每个测试用例读取 N 和接下来的 N 个数。
  • 去重处理:使用集合 seen 来记录已经出现的数,遍历输入的数列表,检查是否在集合中,不在的话添加进去,并记录到结果列表中。
  • 输出结果:将结果列表中的数转换为字符串并用空格连接,输出结果。
  • 这种方法确保了在处理大数据量时的高效性和正确性。

    转载地址:http://cymu.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>