K15618 卖西瓜

题目描述

小科的奶奶家是种植西瓜的,夏天到了,小科来到了奶奶家帮忙卖西瓜。已知这次车上一共有n个大小不一的西瓜,正式售卖之前,小科先把他们放地上排成一排,排好之后西瓜就不能再挪动了。正式售卖之前奶奶是不吃西瓜。小科最多能吃掉n个西瓜中的x个西瓜。天气炎热,他想尽快帮助奶奶把西瓜卖出去。于是为了美观,小科想使得自己吃完之后剩下的西瓜中,最大的西瓜与最小的西瓜的差值尽可能的小,求解这个最小值。

输入格式

第一行,两个整数n和x

接下来n个正整数x,表示每一个西瓜的大小。

输出格式

一个正整数,小科吃掉西瓜后,剩下的西瓜中,最大的西瓜与最小的西瓜的差值的最小值。

输入输出样例

输入样例1:
5 2 1 2 3 4 5
输出样例1:
2

说明

1≤n≤100000   1≤x≤100000    0≤x<n

【耗时限制】1000ms 【内存限制】128MB

这道题和“布展”差不多,都是去掉最大值或最小值(注意!这道题不能用双重循环)

代码:


#include <iostream>
#include <bits/stdc++.h>
using namespace std;
typedef long long LL;
LL n,x,a[100005],minn=1e9;
int main()
{
    cin>>n>>x;

    for(int i=1;i<=n;i++) cin>>a[i];

    sort(a+1,a+1+n);

    for(int i=0;i<=x;i++) minn=min(minn,abs(a[n-x+i]-a[i+1]));

    cout<<minn;
    return 0;
}
//是不是短的出奇?

​

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,首先我们需要安装一些必要的库,包括 pandas、numpy、matplotlib 和 sklearn。你可以在命令行中执行以下命令来安装这些库: ``` pip install pandas numpy matplotlib scikit-learn ``` 接下来,我们可以从UCI Machine Learning Repository下载西瓜数据集,或者使用已经下载好的数据集文件。这里我们使用第二种方式。 首先,我们需要导入pandas库并读取数据集文件。 ```python import pandas as pd data = pd.read_csv('watermelon.csv') X = data.iloc[:, 1:3].values ``` 这里我们只选择了数据集文件中的前两列作为特征,即密度和含糖率,忽略了其他列。为了方便,我们将数据存储在一个名为X的变量中。 接下来,我们可以使用sklearn库中的KMeans类来实现K均值聚类算法。 ```python from sklearn.cluster import KMeans kmeans = KMeans(n_clusters=3, random_state=0).fit(X) ``` 这里我们指定了聚类数为3,即将数据集分成3类。通过KMeans类的fit方法,我们可以对数据进行聚类,并且得到每个样本所属的簇。 最后,我们可以将聚类结果可视化。 ```python import matplotlib.pyplot as plt plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_) plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='*', s=300, c='r') plt.show() ``` 这里我们使用scatter方法绘制散点图,并指定每个样本所属的簇。另外,我们还使用scatter方法绘制聚类中心,用星号表示,并且将颜色设置为红色。 完整代码如下所示: ```python import pandas as pd from sklearn.cluster import KMeans import matplotlib.pyplot as plt data = pd.read_csv('watermelon.csv') X = data.iloc[:, 1:3].values kmeans = KMeans(n_clusters=3, random_state=0).fit(X) plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_) plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='*', s=300, c='r') plt.show() ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值