搜索
首页后端开发Python教程N 的第 K 个因子 - O(sqrt n) 算法

介绍

最近我写了一篇文章《学习大O符号》一劳永逸。在那篇文章中,我回顾了 Big-O 备忘单中提供的所有类型的 Big O 时间表示法。我认为除了这七个时间符号之外,不可能有更多的时间符号。

仿佛宇宙本身在羞辱我、嘲笑我的无知,我遇到了一道 LeetCode 问题,其解法需要 O(√n) 时间。 如果你疯了,这可以翻译成 O(N^1/2)

问题

给你两个正整数 n 和 k。整数 n 的因子被定义为整数 i,其中 n % i == 0。

考虑按升序排列的 n 的所有因子的列表,返回此列表中的第 k 个因子,如果 n 少于 k 个因子,则返回 -1。

显而易见的解决方案

好吧,如果你像我一样,你的第一个想法就是遍历从 1 到 n 的每个数字,检查它是否是一个因子,如果它在所需的 k 索引中,则返回它。

代码如下所示:

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

这一切都很好,但它是“仅” O(n)。毕竟,只有一个循环,并且最多可达 n 1。
考虑时间符号时,所有其他操作都会被丢弃。

但是,我的朋友,有一个问题。

了解因素

如果你仔细想想,因素在某个点之后就会“镜像”。

以数字 81 为例,它的因数为 [1, 3, 9, 27],其中:

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

如果不算数字9,则操作只是重复和翻转。如果将 n 除以它的一个因数,就会得到另一个因数。
期望 n 的平方根,即它本身的平方(废话)。

有了这些知识,我们现在知道我们不需要迭代循环最多 n 次(范围(1, n 1)),而只需迭代到 math.sqrt(n) 即可。之后,我们就得到了我们需要的所有因素!

不太明显的解决方案

现在我们已经拥有了所需的一切,我们需要将这个循环从 1 -> 转换为 1 -> 。 n 至 1 ->开方 n.

我只是将代码放在这里,我们将逐行检查这些行。

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



<p>哦,这要复杂得多。让我们来分解一下:</p>

<p>首先,我们初始化 i = 1。在搜索因子时,该变量将用作“我们当前所在的数字”。</p>

<p>其次,我们将创建两个数组:factors_asc 和 Factors_desc。这里的神奇之处在于,我们将向 Factors_asc 添加因子 - 它们如此命名是因为它们会自动按升序排列。<br>
每当我们向factors_asc添加一些内容时,我们都会将n除以它并将其添加到factors_desc。类似的逻辑在这里;它们将按降序方便地添加。</p><p>然后,我们开始循环。在这里,我将其更改为 while i * i 

</p><p>我们首先检查当前数字是否是一个因子 (n % i == 0)。如果是这样,我们可以将其附加到我们的 Factors_asc 数组中。</p>

<p>接下来,我们得到 i 的“逆因子”。我们可以通过检查 i != n // i 是否,或者换句话说,它是否不是根来做到这一点。这是因为根不能在两个数组中重复。如果不是,我们通过运行 n // i 并将结果附加到 Factors_desc 中来获得反转的因子。</p>

<p>之后,我们将 i 加 1 并继续循环。</p>

<p>循环完成后,我们必须获得所需的所有阶乘。</p>

<p>我们首先通过 if k 

</p><p>如果不是,我们必须减去从 k 中找到的因子数量并再次检查 - k -= len(factors_asc) 并且 k 

</p><p>如果 k 在 Factors_desc 内,则使用 Factors_desk[-k] 获取其值(从最后到第一个)。</p>

<p>如果全部失败,返回-1。</p>

<h2>
  
  
  曲线
</h2>

<p>如果你想知道它落在曲线图中的哪个位置,它会在 <strong>O(n)</strong> 和 <strong>O(log n)</strong> 之间,比前者更好,也更差比后者。这是一个图表:</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>
  
  
  结论
</h2>

<p>这是一次发现和研究的旅程。非常感谢您阅读到目前为止。</p>

<p>如果你想更优化,你可以创建factors_asc_len和factors_desc_len变量,并在每次向这些数组追加值时加1,这样就不必调用方法len(),因为该方法是<strong>O(n)</strong> 因此它会影响时间符号。</p>

<p>祝你学习顺利,下次再见!</p>


          

            
        

以上是N 的第 K 个因子 - O(sqrt n) 算法的详细内容。更多信息请关注PHP中文网其他相关文章!

声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
如何使用Python查找文本文件的ZIPF分布如何使用Python查找文本文件的ZIPF分布Mar 05, 2025 am 09:58 AM

本教程演示如何使用Python处理Zipf定律这一统计概念,并展示Python在处理该定律时读取和排序大型文本文件的效率。 您可能想知道Zipf分布这个术语是什么意思。要理解这个术语,我们首先需要定义Zipf定律。别担心,我会尽量简化说明。 Zipf定律 Zipf定律简单来说就是:在一个大型自然语言语料库中,最频繁出现的词的出现频率大约是第二频繁词的两倍,是第三频繁词的三倍,是第四频繁词的四倍,以此类推。 让我们来看一个例子。如果您查看美国英语的Brown语料库,您会注意到最频繁出现的词是“th

如何在Python中下载文件如何在Python中下载文件Mar 01, 2025 am 10:03 AM

Python 提供多种从互联网下载文件的方法,可以使用 urllib 包或 requests 库通过 HTTP 进行下载。本教程将介绍如何使用这些库通过 Python 从 URL 下载文件。 requests 库 requests 是 Python 中最流行的库之一。它允许发送 HTTP/1.1 请求,无需手动将查询字符串添加到 URL 或对 POST 数据进行表单编码。 requests 库可以执行许多功能,包括: 添加表单数据 添加多部分文件 访问 Python 的响应数据 发出请求 首

python中的图像过滤python中的图像过滤Mar 03, 2025 am 09:44 AM

处理嘈杂的图像是一个常见的问题,尤其是手机或低分辨率摄像头照片。 本教程使用OpenCV探索Python中的图像过滤技术来解决此问题。 图像过滤:功能强大的工具 图像过滤器

我如何使用美丽的汤来解析HTML?我如何使用美丽的汤来解析HTML?Mar 10, 2025 pm 06:54 PM

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

如何使用Python使用PDF文档如何使用Python使用PDF文档Mar 02, 2025 am 09:54 AM

PDF 文件因其跨平台兼容性而广受欢迎,内容和布局在不同操作系统、阅读设备和软件上保持一致。然而,与 Python 处理纯文本文件不同,PDF 文件是二进制文件,结构更复杂,包含字体、颜色和图像等元素。 幸运的是,借助 Python 的外部模块,处理 PDF 文件并非难事。本文将使用 PyPDF2 模块演示如何打开 PDF 文件、打印页面和提取文本。关于 PDF 文件的创建和编辑,请参考我的另一篇教程。 准备工作 核心在于使用外部模块 PyPDF2。首先,使用 pip 安装它: pip 是 P

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

本教程演示了如何利用Redis缓存以提高Python应用程序的性能,特别是在Django框架内。 我们将介绍REDIS安装,Django配置和性能比较,以突出显示BENE

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

自然语言处理(NLP)是人类语言的自动或半自动处理。 NLP与语言学密切相关,并与认知科学,心理学,生理学和数学的研究有联系。在计算机科学

如何使用TensorFlow或Pytorch进行深度学习?如何使用TensorFlow或Pytorch进行深度学习?Mar 10, 2025 pm 06:52 PM

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

See all articles

热AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover

AI Clothes Remover

用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool

Undress AI Tool

免费脱衣服图片

Clothoff.io

Clothoff.io

AI脱衣机

AI Hentai Generator

AI Hentai Generator

免费生成ai无尽的。

热门文章

R.E.P.O.能量晶体解释及其做什么(黄色晶体)
2 周前By尊渡假赌尊渡假赌尊渡假赌
仓库:如何复兴队友
4 周前By尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island冒险:如何获得巨型种子
3 周前By尊渡假赌尊渡假赌尊渡假赌

热工具

DVWA

DVWA

Damn Vulnerable Web App (DVWA) 是一个PHP/MySQL的Web应用程序,非常容易受到攻击。它的主要目标是成为安全专业人员在合法环境中测试自己的技能和工具的辅助工具,帮助Web开发人员更好地理解保护Web应用程序的过程,并帮助教师/学生在课堂环境中教授/学习Web应用程序安全。DVWA的目标是通过简单直接的界面练习一些最常见的Web漏洞,难度各不相同。请注意,该软件中

Atom编辑器mac版下载

Atom编辑器mac版下载

最流行的的开源编辑器

Dreamweaver Mac版

Dreamweaver Mac版

视觉化网页开发工具

PhpStorm Mac 版本

PhpStorm Mac 版本

最新(2018.2.1 )专业的PHP集成开发工具

SecLists

SecLists

SecLists是最终安全测试人员的伙伴。它是一个包含各种类型列表的集合,这些列表在安全评估过程中经常使用,都在一个地方。SecLists通过方便地提供安全测试人员可能需要的所有列表,帮助提高安全测试的效率和生产力。列表类型包括用户名、密码、URL、模糊测试有效载荷、敏感数据模式、Web shell等等。测试人员只需将此存储库拉到新的测试机上,他就可以访问到所需的每种类型的列表。