202012-2 期末预测之最佳阈值（一维前缀和）（最详细题解）

202012-2 期末预测之最佳阈值

总结：

这道题看似不难，但同比于历年的第二题来说，虽然求解不能但是想难满分却实属不易，笔者一开始抱着看似简单的心态，用暴力O(n**2)做完后，却遭到了运行超时的滑铁卢，最后查阅许多算法类资料，才将算法优化，最后运行通过，下面我将详细讲解本题以及读者可能出现的问题答疑。

注意：

• 若为70 分，且显示运行超时，说明需要优化算法
• 若为70分，显示运行错误时，则很有可能使用了递归法导致内存占用太大无法运行后面30%的测试集导致的，笔者一开始也是满脑墨水，百思不知其解。

1. 题目介绍

• 本题网址：http://118.190.20.162/view.page?gpid=T122
• 本题截图：
  
  
  

2. Python代码及题目分析

1. 思路：

1. 题目要求计算每一个y所对应的预测正确次数，将次数最多的y记为O。
2. 我们需要计算每一个y的预测正确次数，一般情况大家都可以想到利用双层for进行遍历求次数，但是这样只能拿70分，所以这里利用动态规划的思路，用空间换取时间---------前缀和算法
   1. 先统计所有y正确预测不及格的次数
   2. 再统计所有y正确预测及格的次数
3. 二者相加即为所有y正确预测的次数
4. 最后将其按照预测次数由大到小依次排列
5. 最后将所求的O输出。

2. 具体分析：

1.想将测试集的数据输入到我们的程序之中

m = int(input())  # m 位同学
y_result = [0] * m  # m位同学的信息
counts = {}  # 预测正确次数集合
for i in range(m):# 遍历将m个同学信息输入
    y_result[i] = list(map(int, input().split()))

2. 利用前缀和算法分别计算：
   1. 先统计所有y正确预测不及格的次数
   2. 再统计所有y正确预测及格的次数

• 前缀和算法：
  • 前提条件：必须为有序数对
  • 此题中我们不能发现，当求下一个数据正确预测不及格的次数的时候，他想当于是在前一个数据所求的次数基础上再进行增加的，所以没当我们求出一个y对应的正确预测不及格次数count时，我们就将其放入事先创建好的less_counts{}字典中，这样在求下一个数时就不用从头求了，直接调用字典里存在再进行增加即刻，具体思路见代码。

# 其预测为挂科正确的次数
y_result.sort(key=lambda x: x[0])  # 为了使用前缀和优化，选择将信息按y进行排序
less_counts = {}
less_count = 0
for i in range(m):
    o_i = y_result[i][0]  # 此次的y
    o_j = y_result[i - 1][0]  # 前一次的y
    result = y_result[i-1][1]  # 本次的挂科情况
    if i - 1 == -1:
        less_counts[o_i] = less_count
        continue
    if o_i >= o_j and result == 0:
        less_count += 1
    if o_i > o_j : # y不相等时候才要记录
        less_counts[o_i] = less_count
        less_count = 0
        if o_i in less_counts:
            less_count = less_counts[o_i]
# 求预测不挂科正确的次数
y_result_r = list(reversed(y_result))
more_counts = {}
for i in range(m):
    o_i = y_result_r[i][0]  # 此次的y
    o_j = y_result_r[i - 1][0]  # 前一次的y
    result = y_result_r[i][1]  # 本次的挂科情况
    more_count = 0
    if o_j in more_counts:
        more_count = more_counts[o_j]
    if i - 1 == -1:
        if result == 1:
            more_count = 1
        more_counts[o_i] = more_count
        continue
    if o_i <= o_j and result == 1:
        more_count += 1
    # y相等时候也要记录
    more_counts[o_i] = more_count

3. 统计完及格次数和不及格次数后我们在利用标准库collections模块中的counter类将，相同key的value相加，求得我们最终所要的正确次数的字典。

• 注意：当相加时会以左边的key为标准进行相加，由于我们要输入相同次数下，y大的作为O，所以我们将刚刚倒序所求的more_counts做为左边，即相加时的标准。

Less_counts , More_counts = Counter(less_counts),Counter(more_counts)
counts = dict(More_counts+Less_counts)

4 . 找到最大的counts，并以其为判断条件求出我们要的y，即倒序状态下第一个取值为countmax的y。

countmax = max(counts.values())
for count in counts:
    if counts[count] == countmax:
        print(count)
        break

3. 整体代码

from collections import Counter
m = int(input())  # m 位同学
y_result = [0] * m  # m位同学的信息
counts = {}  # 预测正确次数集合
for i in range(m):
    y_result[i] = list(map(int, input().split()))

# 利用前缀和进行算法优化，不然会超时
# 其预测为挂科正确的次数
y_result.sort(key=lambda x: x[0])  # 为了使用前缀和优化，选择将信息按y进行排序
less_counts = {}
less_count = 0
for i in range(m):
    o_i = y_result[i][0]  # 此次的y
    o_j = y_result[i - 1][0]  # 前一次的y
    result = y_result[i-1][1]  # 本次的挂科情况
    if i - 1 == -1:
        less_counts[o_i] = less_count
        continue
    if o_i >= o_j and result == 0:
        less_count += 1
    if o_i > o_j : # y不相等时候才要记录
        less_counts[o_i] = less_count
        less_count = 0
        if o_i in less_counts:
            less_count = less_counts[o_i]
# 求预测不挂科正确的次数
y_result_r = list(reversed(y_result))
more_counts = {}
for i in range(m):
    o_i = y_result_r[i][0]  # 此次的y
    o_j = y_result_r[i - 1][0]  # 前一次的y
    result = y_result_r[i][1]  # 本次的挂科情况
    more_count = 0
    if o_j in more_counts:
        more_count = more_counts[o_j]
    if i - 1 == -1:
        if result == 1:
            more_count = 1
        more_counts[o_i] = more_count
        continue
    if o_i <= o_j and result == 1:
        more_count += 1
    # y相等时候也要记录
    more_counts[o_i] = more_count

Less_counts , More_counts = Counter(less_counts),Counter(more_counts)
counts = dict(More_counts+Less_counts)
countmax = max(counts.values())
for count in counts:
    if counts[count] == countmax:
        print(count)
        break

3.测试结果：

在这里插入图片描述

• 总结：小白刚刚接触csp，若代码算法关于简单，过于暴力望谅解