最后
🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
你可能会说不就是求解质数吗?有什么难的,我三下五除二就给你解决了。只能说雀食是,对
于数据量较小的质数求解,我们分分钟搞定。但是如果我要求对于2-107以内的素数呢?这可
怎么办107的数据量特定要超时了呀。唉好不容易有一道会写的题还给超时了,真气人😈。
今天呢咱们就带大家学习一下,如何优美的求解出大数据量下的素数。
=============================================================================
将2~n之间所有的素数筛选出来,其中n<=10^6
样例输入:n 一个整数,作为筛选区间的右边界
样例输出:2-n之间的素数个数(包括n)
使用常规方法进行筛选的话会,如果数据规模较小还可以
如果数据规模较大就会很耗费时间。
可以大致分为一下几类:
- 新手筛(朴素筛)
- 新手优化筛
- 埃拉托斯特尼算法(常称为埃氏筛)
- 欧拉筛
测试数据分别为
新手筛 测试数据10^5 阶乘结果9592用时21.401952028274536s
新手优化筛 测试数据10^6 阶乘结果78498用时3.4318480491638184s
埃氏筛
测试数据10^6 阶乘结果78498用时0.27430033683776855s
测试数据10^7 阶乘结果664579用时2.836449384689331s
欧拉筛
测试数据10^6 阶乘结果78498 用时0.6881604194641113s
测试数据10^7 阶乘结果664579用时6.959389925003052s
由此间得,使用筛法可以大大的节约我们的时间,为什么一定要节约时间呢?
通常素数在问题求解中并不是核心算法,所以我们必须对其进行优化,以给核心算法争取更多的时间。🤤
=========================================================================
入门的程序员就应该会,主要考察我们的编程小技巧。以及对素数的理解。😵💫
import time
n=int(1e6)
ans=0
def sieve(n):
for i in range(2,n):
if n%i==0:
return False
return True
start=time.time()
for i in range(2,n):
if sieve(i):
ans+=1
end=time.time()
print(f"阶乘结果{ans}用时{end-start}")
===========================================================================
优化了一下代码,也就是对循环变量的终止条件开了个方。🥳
import time
n=int(1e6)
ans=0
def sieve(n):
for i in range(2,int(math.sqrt(n))+1):
if n%i==0:
return False
return True
start=time.time()
for i in range(2,n):
if sieve(i):
ans+=1
end=time.time()
print(f"阶乘结果{ans}用时{end-start}")
=========================================================================
这里内层循环从i_i开始是因为i~i_i之间的合数总会被i之前的数筛选掉,剩余的都是质数。
没有必要对筛选过的再进行一遍筛选。利用这个性质可以知道当外层循环条件达到n的开方后
就可以筛选到整个序列2~n了,所以外层循环写到int(math.sqrt(n+1)即可,为了安全起见进行加1
不加总感觉可能会错,加了并不影响效率🧐
import time
n=int(1e6)
感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的:
① 2000多本Python电子书(主流和经典的书籍应该都有了)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!