一个认为一切根源都是“自己不够强”的INTJ

个人主页：用哲学编程-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

目录

我的写法

时间复杂度分析

空间复杂度分析

代码优化建议

总结

我要更强

优化方法

优化后的代码

代码解释

时间复杂度分析

空间复杂度分析

总结

哲学和编程思想

抽象与封装：

效率与优化：

简洁与清晰：

不变性与可变性：

DRY原则（Don't Repeat Yourself）：

KISS原则（Keep It Simple, Stupid）：

YAGNI原则（You Ain't Gonna Need It）：

单一职责原则（Single Responsibility Principle）：

开闭原则（Open/Closed Principle）：

---

题目链接：https://pintia.cn/problem-sets/994805260223102976/exam/problems/type/7?problemSetProblemId=994805269828059136&page=0

我的写法

import mathdef is_prime(num):if num == 2:return Trueelif num % 2 == 0 or num < 2:return Falseelse:for i in range(3, math.isqrt(num) + 1, 2):if num % i == 0:return Falsereturn TrueN = int(input())
tops = [int(input()) for _ in range(N)]
K = int(input())
ids = [int(input()) for _ in range(K)]# 使用字典存储排名信息
rank_dict = {top: i + 1 for i, top in enumerate(tops)}already_got = {top: 0 for top in tops}
if_has = {top: 1 for top in tops}for i in range(K):current_id = ids[i]print(f"{str(current_id).zfill(4)}: ", end='')if current_id not in if_has:print("Are you kidding?")elif already_got[current_id] == 1:print("Checked")elif rank_dict[current_id] == 1:already_got[current_id] = 1print("Mystery Award")elif is_prime(rank_dict[current_id]):already_got[current_id] = 1print("Minion")else:already_got[current_id] = 1print("Chocolate")

这段代码的主要功能是根据输入的排名列表和查询ID列表，输出每个查询ID对应的奖励类型。代码的逻辑如下：

1. 输入处理：读取排名列表和查询ID列表。
2. 字典初始化：使用字典存储排名信息和查询状态。
3. 查询处理：根据查询ID输出对应的奖励类型。

时间复杂度分析

1. 输入处理：读取排名列表和查询ID列表的时间复杂度是 O(N + K)，其中 N 是排名列表的长度，K 是查询ID列表的长度。
2. 字典初始化：使用字典推导式初始化 rank_dict、already_got 和 if_has 的时间复杂度是 O(N)。
3. 查询处理：对于每个查询ID，检查其是否在 if_has 字典中，以及更新 already_got 字典的状态。这些操作的时间复杂度是 O(1)。因此，整个查询处理的时间复杂度是 O(K)。

综合来看，整个代码的时间复杂度是 O(N + K)。

空间复杂度分析

1. 输入存储：排名列表和查询ID列表的空间复杂度是 O(N + K)。
2. 字典存储：rank_dict、already_got 和 if_has 字典的空间复杂度是 O(N)。

综合来看，整个代码的空间复杂度是 O(N + K)。

代码优化建议

1. 输入处理：确保输入的格式和类型是正确的。
2. 字典初始化：使用字典推导式初始化字典时，确保键和值的类型是正确的。
3. 索引处理：在检查排名时，使用字典来存储排名信息，避免使用 index 方法，提高性能。
4. 输出格式：确保输出的格式是正确的。

总结

这段代码在逻辑上是正确的，时间复杂度为 O(N + K)，空间复杂度为 O(N + K)。通过使用字典来存储排名信息，避免了使用 index 方法，提高了性能。整体来说，代码是高效的，并且易于理解和维护。

---

我要更强

优化时间复杂度和空间复杂度的方法通常包括减少不必要的计算、使用更高效的数据结构、以及避免重复计算。以下是一些可能的优化方法，并附上相应的代码和注释。

优化方法

1. 避免重复计算：使用缓存或记忆化技术来存储已经计算过的结果。
2. 高效数据结构：使用集合（set）来快速检查元素是否存在。
3. 减少不必要的字典：合并一些字典，减少空间占用。

优化后的代码

import mathdef is_prime(num):if num == 2:return Trueelif num % 2 == 0 or num < 2:return Falseelse:for i in range(3, math.isqrt(num) + 1, 2):if num % i == 0:return Falsereturn TrueN = int(input())
tops = [int(input()) for _ in range(N)]
K = int(input())
ids = [int(input()) for _ in range(K)]# 使用字典存储排名信息和查询状态
rank_dict = {top: i + 1 for i, top in enumerate(tops)}
already_got = set()# 使用集合存储有效的ID，以加快查找速度
valid_ids = set(tops)for current_id in ids:print(f"{str(current_id).zfill(4)}: ", end='')if current_id not in valid_ids:print("Are you kidding?")elif current_id in already_got:print("Checked")else:rank = rank_dict[current_id]if rank == 1:print("Mystery Award")elif is_prime(rank):print("Minion")else:print("Chocolate")already_got.add(current_id)

代码解释

1. 输入处理：读取排名列表和查询ID列表。
2. 字典初始化：使用字典推导式初始化 rank_dict，使用集合 valid_ids 存储有效的ID。
3. 查询处理：使用集合 already_got 来记录已经查询过的ID，避免重复计算。

时间复杂度分析

1. 输入处理：O(N + K)。
2. 字典和集合初始化：O(N)。
3. 查询处理：每个查询ID的检查时间复杂度是 O(1)，因此总的时间复杂度是 O(K)。

综合来看，整个代码的时间复杂度是 O(N + K)。

空间复杂度分析

1. 输入存储：O(N + K)。
2. 字典和集合存储：O(N)。

综合来看，整个代码的空间复杂度是 O(N + K)。

总结

通过使用集合来存储有效的ID和已经查询过的ID，减少了不必要的字典，提高了查找速度。整体代码的时间复杂度和空间复杂度仍然是 O(N + K)，但在实际运行中，由于集合的高效查找特性，性能会有所提升。

---

哲学和编程思想

这些优化方法体现了多个哲学和编程思想，具体包括：

1. 抽象与封装：

   • 抽象：将问题分解为更小的、可管理的部分，例如将输入处理、字典初始化和查询处理分开。
   • 封装：将功能封装在函数中，例如 is_prime 函数，使得代码更模块化和可重用。

2. 效率与优化：

   • 效率：通过使用集合（set）来快速检查元素是否存在，提高了查找效率。
   • 优化：避免重复计算，例如使用 already_got 集合来记录已经查询过的ID，避免重复处理。

3. 简洁与清晰：

   • 简洁：使用字典推导式和集合来简化代码，减少冗余。
   • 清晰：代码结构清晰，易于理解和维护。

4. 不变性与可变性：

   • 不变性：尽量使用不可变数据结构，例如集合（set），以减少副作用和提高代码的稳定性。
   • 可变性：在必要时使用可变数据结构，例如 already_got 集合，以记录状态变化。

5. DRY原则（Don't Repeat Yourself）：

   • 避免重复代码，例如通过使用集合来统一处理ID的检查和记录。

6. KISS原则（Keep It Simple, Stupid）：

   • 保持代码简单，避免过度设计，例如使用简单的数据结构和直接的逻辑处理。

7. YAGNI原则（You Ain't Gonna Need It）：

   • 仅实现当前需要的功能，避免过度工程化，例如不预先设计复杂的数据结构，而是根据实际需求逐步优化。

8. 单一职责原则（Single Responsibility Principle）：

   • 每个函数或模块只负责一个功能，例如 is_prime 函数只负责判断素数，rank_dict 只负责存储排名信息。

9. 开闭原则（Open/Closed Principle）：

• 对扩展开放，对修改关闭。例如，如果需要增加新的奖励类型，只需修改奖励类型的判断逻辑，而不需要修改整体的查询处理流程。

通过这些哲学和编程思想的应用，代码不仅在性能上得到了优化，而且在可读性、可维护性和扩展性上也得到了提升。

---