生日蛋糕蠟燭是來自演算法子領域的駭客排名問題,需要了解循環。在這篇文章中,您將學習如何解決 Hackerrank 的生日蛋糕蠟燭問題及其在 Python 和 C 中的解決方案。
問題陳述與解釋
你負責為孩子製作生日蛋糕。您已決定在蛋糕上為總年齡的每一年添加一支蠟燭。他們只能吹熄最高的蠟燭。數一數有多少根蠟燭最高。
換句話說,求數組中最大元素出現的次數。
範例: 4 4 1 3
- 陣列中的最大值為 4,且該值有 2 個實例。
輸入格式
- n : 蛋糕中蠟燭的數量
- ar : 蛋糕中蠟燭的高度
輸出格式
- 最大高度的出現
Python 中的生日蛋糕蠟燭解決方案
Python 解決方案說明
birthdayCakeCandles(),它接受一個整數數組(代表生日蛋糕上蠟燭的高度)作為輸入,並返回生日人可以吹滅的蠟燭數量。
函數的工作原理是先將變數 count 初始化為 0。然後,它使用 max() 函數來尋找數組中最高的蠟燭。
接下來,函數會迭代數組,並在每次找到與最高蠟燭高度相同的蠟燭時增加計數。
最後,函數傳回count的值,也就是生日的人可以吹熄的蠟燭數量。
生日蛋糕蠟燭 C 語言解決方案
C 解法解釋
birthdayCakeCandles(),它接受一個整數數組(代表生日蛋糕上蠟燭的高度)作為輸入,並返回生日人可以吹滅的蠟燭數量。
函數的工作原理是先初始化兩個變數:max 和 count。 max 將儲存最高蠟燭的高度,count 將儲存與最高蠟燭高度相同的蠟燭數量。
然後該函數迭代輸入數組並將每個元素與最大值進行比較。如果當前元素大於 max,則函數將 max 更新為等於當前元素。
循環完成迭代後,函數再次迭代輸入陣列並將每個元素與最大值進行比較。如果目前元素等於 max,則函數遞增 count。
最後,函數傳回count的值,也就是生日的人可以吹熄的蠟燭數量。
以上是生日蛋糕蠟燭 - HackerRank 問題解決的詳細內容。更多資訊請關注PHP中文網其他相關文章!

本教程演示如何使用Python處理Zipf定律這一統計概念,並展示Python在處理該定律時讀取和排序大型文本文件的效率。 您可能想知道Zipf分佈這個術語是什麼意思。要理解這個術語,我們首先需要定義Zipf定律。別擔心,我會盡量簡化說明。 Zipf定律 Zipf定律簡單來說就是:在一個大型自然語言語料庫中,最頻繁出現的詞的出現頻率大約是第二頻繁詞的兩倍,是第三頻繁詞的三倍,是第四頻繁詞的四倍,以此類推。 讓我們來看一個例子。如果您查看美國英語的Brown語料庫,您會注意到最頻繁出現的詞是“th

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的

Python 對象的序列化和反序列化是任何非平凡程序的關鍵方面。如果您將某些內容保存到 Python 文件中,如果您讀取配置文件,或者如果您響應 HTTP 請求,您都會進行對象序列化和反序列化。 從某種意義上說,序列化和反序列化是世界上最無聊的事情。誰會在乎所有這些格式和協議?您想持久化或流式傳輸一些 Python 對象,並在以後完整地取回它們。 這是一種在概念層面上看待世界的好方法。但是,在實際層面上,您選擇的序列化方案、格式或協議可能會決定程序運行的速度、安全性、維護狀態的自由度以及與其他系

Python的statistics模塊提供強大的數據統計分析功能,幫助我們快速理解數據整體特徵,例如生物統計學和商業分析等領域。無需逐個查看數據點,只需查看均值或方差等統計量,即可發現原始數據中可能被忽略的趨勢和特徵,並更輕鬆、有效地比較大型數據集。 本教程將介紹如何計算平均值和衡量數據集的離散程度。除非另有說明,本模塊中的所有函數都支持使用mean()函數計算平均值,而非簡單的求和平均。 也可使用浮點數。 import random import statistics from fracti

在本教程中,您將從整個系統的角度學習如何處理Python中的錯誤條件。錯誤處理是設計的關鍵方面,它從最低級別(有時是硬件)一直到最終用戶。如果y

本文討論了諸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和請求等流行的Python庫,並詳細介紹了它們在科學計算,數據分析,可視化,機器學習,網絡開發和H中的用途

該教程建立在先前對美麗湯的介紹基礎上,重點是簡單的樹導航之外的DOM操縱。 我們將探索有效的搜索方法和技術,以修改HTML結構。 一種常見的DOM搜索方法是EX


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

Safe Exam Browser
Safe Exam Browser是一個安全的瀏覽器環境,安全地進行線上考試。該軟體將任何電腦變成一個安全的工作站。它控制對任何實用工具的訪問,並防止學生使用未經授權的資源。

PhpStorm Mac 版本
最新(2018.2.1 )專業的PHP整合開發工具

MinGW - Minimalist GNU for Windows
這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。

WebStorm Mac版
好用的JavaScript開發工具

mPDF
mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),