搜尋
首頁後端開發Python教學N 的第 K 個因子 - O(sqrt n) 演算法

介紹

最近我寫了一篇文章《學習大O符號》一勞永逸。在那篇文章中,我回顧了 Big-O 備忘錄中提供的所有類型的 Big O 時間表示法。我認為除了這七個時間符號之外,不可能有更多的時間符號。

彷彿宇宙本身在羞辱我、嘲笑我的無知,我遇到了一道 LeetCode 問題,其解法需要 O(√n) 時間。 如果你瘋了,這可以翻譯成 O(N^1/2)

問題

給你兩個正整數 n 和 k。整數 n 的因數被定義為整數 i,其中 n % i == 0。

考慮按升序排列的 n 的所有因子的列表,返回此列表中的第 k 個因子,如果 n 少於 k 個因子,則返回 -1。

顯而易見的解決方案

好吧,如果你像我一樣,你的第一個想法就是遍歷從 1 到 n 的每個數字,檢查它是否是一個因子,如果它在所需的 k 索引中,則返回它。

程式碼如下圖:

def getkthFactorOfN(n, k):
    result = 0
    for i in range(1, n + 1):
        if n % i == 0:
            result = result + 1
            if result == k:
                return i
    return -1

這一切都很好,但它是「僅」 O(n)。畢竟,只有一個循環,並且最多可達 n 1。
考慮時間符號時,所有其他操作都會被丟棄。

但是,我的朋友,有一個問題。

了解因素

如果你仔細想想,因素在某個點之後就會「鏡像」。

以數字 81 為例,它的因數為 [1, 3, 9, 27],其中:

  • 1 * 81 = 81
  • 3 * 27 = 81
  • 9 * 9 = 81
  • 27 * 3 = 81
  • 81 * 1 = 81

如果不算數字9,則操作只是重複和翻轉。如果將 n 除以它的一個因數,就會得到另一個因數。
期望 n 的平方根,即它本身的平方(廢話)。

有了這些知識,我們現在知道我們不需要迭代循環最多 n 次(範圍(1, n 1)),而只需迭代到 math.sqrt(n) 即可。之後,我們就得到了我們需要的所有因素!

不太明顯的解決方案

現在我們已經擁有了所需的一切,我們需要將這個循環從 1 -> 轉換為 1 -> 。 n 至 1 ->開方 n.

我只是將程式碼放在這裡,我們將逐行檢查這些行。

def getkthFactorOfN(n, k):
    i = 1
    factors_asc = []
    factors_desc = []
    while i * i 



<p>哦,這要複雜得多。讓我們來分解一下:</p>

<p>首先,我們初始化 i = 1。在搜尋因子時,該變數將用作「我們目前所在的數字」。 </p>

<p>其次,我們將建立兩個陣列:factors_asc 和 Factors_desc。這裡的神奇之處在於,我們將向 Factors_asc 添加因子 - 它們如此命名是因為它們會自動按升序排列。 <br>
每當我們在factors_asc中添加一些內容時,我們都會將n除以它並將其添加到factors_desc。類似的邏輯在這裡;它們將按降序方便地添加。 </p><p>然後,我們開始循環。在這裡,我將其更改為 while i * i 

</p><p>我們先檢查目前數字是否為因子 (n % i == 0)。如果是這樣,我們可以將其附加到我們的 Factors_asc 陣列中。 </p>

<p>接下來,我們得到 i 的「逆因子」。我們可以透過檢查 i != n // i 是否,或者換句話說,它是否不是根來做到這一點。這是因為根不能在兩個數組中重複。如果不是,我們透過執行 n // i 並將結果附加到 Factors_desc 中來獲得反轉的因子。 </p>

<p>之後,我們將 i 加 1 並繼續循環。 </p>

<p>循環完成後,我們必須得到所需的所有階乘。 </p>

<p>我們先透過 if k 

</p><p>如果不是,我們必須減去從 k 中找到的因子數量並再次檢查 - k -= len(factors_asc) 並且 k 

</p><p>如果 k 在 Factors_desc 內,則使用 Factors_desk[-k] 來取得其值(從最後到第一個)。 </p>

<p>如果全部失敗,回傳-1。 </p>

<h2>
  
  
  曲線
</h2>

<p>如果你想知道它落在曲線圖中的哪個位置,它會在<strong>O(n)</strong> 和<strong>O(log n)</strong> 之間,比前者更好,也更差比後者。這是一個圖表:</p>

<p><img src="/static/imghwm/default1.png" data-src="https://img.php.cn/upload/article/000/000/000/173598658415895.jpg?x-oss-process=image/resize,p_40" class="lazy" alt="The Kth factor of N - an O(sqrt n) algorithm"><br>
<em>Mathspace 提供</em></p>

<h2>
  
  
  結論
</h2>

<p>這是一次發現和研究的旅程。非常感謝您閱讀到目前為止。 </p>

<p>如果你想更優化,你可以建立factors_asc_len和factors_desc_len變量,並在每次向這些數組追加值時加1,這樣就不必調用方法len(),因為該方法是<strong>O(n) </strong> 因此它會影響時間符號。 </p>

<p>祝你學習順利,下次再見! </p>


          

            
        

以上是N 的第 K 個因子 - O(sqrt n) 演算法的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
如何使用Python查找文本文件的ZIPF分佈如何使用Python查找文本文件的ZIPF分佈Mar 05, 2025 am 09:58 AM

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

如何在Python中下載文件如何在Python中下載文件Mar 01, 2025 am 10:03 AM

Python 提供多種從互聯網下載文件的方法,可以使用 urllib 包或 requests 庫通過 HTTP 進行下載。本教程將介紹如何使用這些庫通過 Python 從 URL 下載文件。 requests 庫 requests 是 Python 中最流行的庫之一。它允許發送 HTTP/1.1 請求,無需手動將查詢字符串添加到 URL 或對 POST 數據進行表單編碼。 requests 庫可以執行許多功能,包括: 添加表單數據 添加多部分文件 訪問 Python 的響應數據 發出請求 首

我如何使用美麗的湯來解析HTML?我如何使用美麗的湯來解析HTML?Mar 10, 2025 pm 06:54 PM

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)

python中的圖像過濾python中的圖像過濾Mar 03, 2025 am 09:44 AM

處理嘈雜的圖像是一個常見的問題,尤其是手機或低分辨率攝像頭照片。 本教程使用OpenCV探索Python中的圖像過濾技術來解決此問題。 圖像過濾:功能強大的工具圖像過濾器

如何使用Python使用PDF文檔如何使用Python使用PDF文檔Mar 02, 2025 am 09:54 AM

PDF 文件因其跨平台兼容性而廣受歡迎,內容和佈局在不同操作系統、閱讀設備和軟件上保持一致。然而,與 Python 處理純文本文件不同,PDF 文件是二進製文件,結構更複雜,包含字體、顏色和圖像等元素。 幸運的是,借助 Python 的外部模塊,處理 PDF 文件並非難事。本文將使用 PyPDF2 模塊演示如何打開 PDF 文件、打印頁面和提取文本。關於 PDF 文件的創建和編輯,請參考我的另一篇教程。 準備工作 核心在於使用外部模塊 PyPDF2。首先,使用 pip 安裝它: pip 是 P

如何在django應用程序中使用redis緩存如何在django應用程序中使用redis緩存Mar 02, 2025 am 10:10 AM

本教程演示瞭如何利用Redis緩存以提高Python應用程序的性能,特別是在Django框架內。 我們將介紹REDIS安裝,Django配置和性能比較,以突出顯示BENE

引入自然語言工具包(NLTK)引入自然語言工具包(NLTK)Mar 01, 2025 am 10:05 AM

自然語言處理(NLP)是人類語言的自動或半自動處理。 NLP與語言學密切相關,並與認知科學,心理學,生理學和數學的研究有聯繫。在計算機科學

如何使用TensorFlow或Pytorch進行深度學習?如何使用TensorFlow或Pytorch進行深度學習?Mar 10, 2025 pm 06:52 PM

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

See all articles

熱AI工具

Undresser.AI Undress

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

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

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
2 週前By尊渡假赌尊渡假赌尊渡假赌
倉庫:如何復興隊友
4 週前By尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island冒險:如何獲得巨型種子
3 週前By尊渡假赌尊渡假赌尊渡假赌

熱工具

DVWA

DVWA

Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中

Atom編輯器mac版下載

Atom編輯器mac版下載

最受歡迎的的開源編輯器

Dreamweaver Mac版

Dreamweaver Mac版

視覺化網頁開發工具

PhpStorm Mac 版本

PhpStorm Mac 版本

最新(2018.2.1 )專業的PHP整合開發工具

SecLists

SecLists

SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。