现有一份 n + m
次投掷单个 六面 骰子的观测数据,骰子的每个面从 1
到 6
编号。观测数据中缺失了 n
份,你手上只拿到剩余 m
次投掷的数据。幸好你有之前计算过的这 n + m
次投掷数据的 平均值 。
给你一个长度为 m
的整数数组 rolls
,其中 rolls[i]
是第 i
次观测的值。同时给你两个整数 mean
和 n
。
返回一个长度为 n
的数组,包含所有缺失的观测数据,且满足这 n + m
次投掷的 平均值 是 mean
。如果存在多组符合要求的答案,只需要返回其中任意一组即可。如果不存在答案,返回一个空数组。
k
个数字的 平均值 为这些数字求和后再除以 k
。
注意 mean
是一个整数,所以 n + m
次投掷的总和需要被 n + m
整除。
示例 1:
输入:rolls = [3,2,4,3], mean = 4, n = 2
输出:[6,6]
解释:所有 n + m 次投掷的平均值是 (3 + 2 + 4 + 3 + 6 + 6) / 6 = 4 。
示例 2:
输入:rolls = [1,5,6], mean = 3, n = 4
输出:[2,3,2,2]
解释:所有 n + m 次投掷的平均值是 (1 + 5 + 6 + 2 + 3 + 2 + 2) / 7 = 3 。
示例 3:
输入:rolls = [1,2,3,4], mean = 6, n = 4
输出:[]
解释:无论丢失的 4 次数据是什么,平均值都不可能是 6 。
示例 4:
输入:rolls = [1], mean = 3, n = 1
输出:[5]
解释:所有 n + m 次投掷的平均值是 (1 + 5) / 2 = 3 。
提示:
·m == rolls.length
·1 <= n, m <= 105
·1 <= rolls[i], mean <= 6
题目大意:计算丢失的数据使所有数据的平均值为mean。
分析:
(1)由题可计算丢失数据的和lose,并根据丢失数据的个数可得到丢失的数据的平均值loseMean;
(2)当loseMean<1或loseMean>6时不可能存在符合的数据满足题意;
(3)设丢失的n个数据的数组为ans,当1<=loseMean<=6时,至少有一种方案可以满足,因此可先将n个数据用floor(loseMean)填充,则剩余的未填充的数据rest=lose-n*floor(loseMean),然后将rest依次填充给ans数组中的元素,当ans[i]填充至6时,填充第i+1个元素,直至rest为0,即可得到和为lose的ans数组。
class Solution {
public:
vector<int> missingRolls(vector<int>& rolls, int mean, int n) {
int m=rolls.size(),lose=mean*(m+n)-accumulate(rolls.begin(),rolls.end(),0);
float loseMean=lose*1.0/n;
int num=floor(loseMean),rest=lose-n*num,add;
if(loseMean>6||loseMean<1) return {};
vector<int> ans(n,num);
for(int i=0;rest;++i){
add=min(rest,6-ans[i]);
ans[i]+=add;
rest-=add;
}
return ans;
}
};