532. 数组中的 k-diff 数对

122 篇文章 0 订阅
26 篇文章 0 订阅

原题链接:532. 数组中的 k-diff 数对

 

solution:

        暴力法,时间复杂度O(n^2),也可以过

class Solution {
public:
    int findPairs(vector<int>& nums, int k) {
        sort(nums.begin(),nums.end());
        int res = 0;    //定义返回值
        int n = nums.size();
        for(int i = 0;i < n;i++) {
            if(i > 0 && nums[i] == nums[i - 1]) continue;   //去重
            for(int j = i + 1;j < n;j++) {
                if(j > i + 1 && nums[j] == nums[j - 1]) continue;   //去重
                if(nums[j] - nums[i] == k) {
                    res++;
                }
            }
        }
        return res;
    }
};

二分查找:

        ① 先将数组元素进行排序
        ② 排完序后,遍历数组元素nums[i],对每一个nums[i]进行二分查找nums[i] + k的数,

class Solution {
public:
    int findPairs(vector<int>& nums, int k) {
        sort(nums.begin(),nums.end());
        if(k < 0) return 0;
        int res = 0;    //返回值
        int n = nums.size();
        for(int i = 0;i < n;i++) {
            if(i > 0 && nums[i] == nums[i - 1]) continue;   //去重
            int l = i + 1,r = n - 1;
            int target = nums[i] + k;   //排序完后面的数字一定比前面的大
            while(l < r) {
                int mid = l + (r - l) / 2;
                if(nums[mid] >= target) r = mid;
                else l = mid + 1;
            }
            if(l < n && nums[l] == target) res++;
        }
        return res;
    }
};

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这行代码的作用是计算每个像素点与每个聚类簇中心点的欧几里得距离。其中,img 是原始的图像数据,reshape(-1, 3) 的作用是将图像数据扁平化为一维数组,每个元素表示一个像素点的 RGB 三个通道的值。mu 是当前的聚类中心坐标,它的形状为 (k, 3),表示有 k 个聚类中心,每个聚类中心有 3 个坐标值。 具体来说,代码中 (img.reshape(-1, 3))[:, np.newaxis] 的作用是将扁平化后的图像数据变形为二维数组,每一行表示一个像素点的 RGB 三个通道的值。然后通过广播机制,将形状为 (1, 3) 的 mu 数组扩展为形状为 (k, 3) 的数组。这样,就可以计算每个像素点与每个聚类中心的欧几里得距离,结果保存在 diff 变量中。 重新写一下可以是这样的: ``` img_reshaped = img.reshape(-1, 3) diff = np.zeros((img_reshaped.shape[0], mu.shape[0])) for i in range(mu.shape[0]): diff[:, i] = np.sqrt(np.sum((img_reshaped - mu[i])**2, axis=1)) ``` 这段代码首先将扁平化后的图像数据 img 变形为形状为 (n_pixels, 3) 的二维数组 img_reshaped,其中 n_pixels 表示像素点的数目。然后创建一个形状为 (n_pixels, k) 的零数组 diff,用于存储每个像素点与每个聚类中心的欧几里得距离。接着,通过 for 循环遍历每个聚类中心,计算每个像素点与该聚类中心的欧几里得距离,并存储在 diff 的相应位置上。其中,np.sqrt 函数用于计算欧几里得距离的平方根。
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