每日一题——Python实现PAT乙级1032 挖掘机技术哪家强（举一反三+思想解读+逐步优化）

用哲学编程

于 2024-06-05 09:23:24 发布

阅读量637

点赞数 28

分类专栏：每日一题文章标签： python 开发语言算法

本文链接：https://blog.csdn.net/weixin_44915521/article/details/139459244

版权

每日一题专栏收录该内容

83 篇文章 2 订阅

订阅专栏

一个认为一切根源都是“自己不够强”的INTJ

个人主页：用哲学编程-CSDN博客
专栏：每日一题——举一反三
 Python编程学习
 Python内置函数

1. 简洁性 (Keep it Simple, Stupid - KISS)

我的写法

N=int(input())  # 用户输入行数N
schools_scores={}  # 初始化学校得分字典
school,score=0,0  # 初始化学校编号和得分变量
for i in range(N):  # 对每一行输入进行循环
    school,score=map(int,input().split())  # 读取每行的学校编号和得分
    if school in schools_scores:  # 如果学校已存在于字典中
        schools_scores[school]+=score  # 累加该学校的得分
    else:  # 如果学校不在字典中
        schools_scores[school]=score  # 在字典中为该学校创建得分记录
# 以下两行均可，用于初始化最好学校和最高分数
# best_school,max_score=school,score
best_school,max_score=0,-1  # 初始化最好学校编号和最高得分
# 初始值不能为0,0 否则不通过
# 说明，找最值初始化有两种方式
# 1.超出值域的值
# 2.其中一个元素的值
for k,v in schools_scores.items():  # 遍历学校及其得分
    if v>=max_score:  # 如果找到一个更高的得分
        max_score=v  # 更新最高得分
        best_school=k  # 更新得分最高的学校编号

print(best_school,max_score,sep=' ')  # 输出得分最高的学校编号和得分

这段代码基本上实现了根据输入的学校编号和得分，计算并输出得分最高的学校编号及其得分。现在，让我们从专业角度进行点评，并分析其时间复杂度和空间复杂度。

专业点评

逻辑正确性：代码逻辑上是正确的，能够处理包含多个学校得分的情况，并正确地找到并输出得分最高的学校编号及其得分。
可读性：代码简洁，易于理解。通过适当的变量命名和保持结构的简单性，提高了代码的可读性。但是，对于初始值的选择和循环逻辑部分，更多的注释可能会有助于解释为什么采用特定的初始化方法（尤其是 best_school,max_score=0,-1）。
健売性：代码对于正整数分数的场景表现良好，但如果考虑到可能存在的负分数输入，初始化 max_score 为 -1 可能不是最佳选择。理想情况下，max_score 应该初始化为 float('-inf')，即负无穷大，以确保即便是负分数也能被正确处理。

时间复杂度

输入处理循环：时间复杂度为 O(N)，其中 N 是输入的行数（即学校编号和得分的对数）。每次迭代仅包含常数时间操作（字典访问和更新）。
查找最高得分循环：时间复杂度也是 O(N)，其中 N 是字典 schools_scores 中的项数。在最坏的情况下，这个数字可能与输入的行数相同，尤其是当每行的学校编号都不相同时。

综上所述，整体时间复杂度为 O(N)。

空间复杂度

字典存储：空间复杂度为 O(N)，用于存储每个学校的得分。在最坏的情况下，如果每行输入的学校编号都不相同，那么需要存储 N 个项。
变量存储：除字典外，使用了常数个辅助变量，如 school, score, best_school, max_score 等，这些对总空间复杂度的影响可以忽略不计。

因此，整体空间复杂度为 O(N)。

总结

这段代码是处理给定问题的有效方式，具有很好的时间和空间效率（均为 O(N)）。对初始值选择的小小改进（使用负无穷大来初始化 max_score）可以使它更加健壮，尤其是在处理可能包含负值得分的输入时。

我要更强

为了优化时间复杂度和空间复杂度，我们可以考虑以下几个方面：

空间优化：如果输入的学校编号是连续的，我们可以使用数组代替字典来存储得分，这样可以节省空间。
时间优化：在更新最高得分时，我们可以使用更高效的数据结构，如堆（heap），来实时跟踪最高得分。

然而，由于输入的学校编号通常不是连续的，且我们无法预知其范围，因此使用数组的空间优化方法不适用。同样，由于我们需要实时跟踪最高得分，使用堆等数据结构可能会增加额外的复杂性，而不是简化问题。

因此，最实际的优化方法可能是在代码结构和逻辑上进行微调，以确保代码的效率和可读性。以下是优化后的代码：

# 读取输入的行数N
N = int(input())

# 初始化字典，用于存储每个学校的总分
schools_scores = {}

# 读取每行输入的学校编号和得分，并更新字典
for _ in range(N):
    school, score = map(int, input().split())
    if school in schools_scores:
        schools_scores[school] += score
    else:
        schools_scores[school] = score

# 初始化最高得分为负无穷大，确保可以正确处理所有可能的得分
max_score = float('-inf')
best_school = None

# 遍历字典，找到得分最高的学校
for school, score in schools_scores.items():
    if score > max_score:
        max_score = score
        best_school = school

# 输出得分最高的学校编号和得分
print(best_school, max_score)

时间复杂度和空间复杂度分析

时间复杂度：仍然是 O(N)，其中 N 是输入的行数。这是因为我们仍然需要遍历所有输入来构建字典，并且需要遍历字典来找到最高得分。
空间复杂度：仍然是 O(N)，因为我们需要存储每个学校的得分。在最坏的情况下，如果每个学校的编号都不同，我们将需要存储 N 个项。

总结

这段代码在逻辑上与原始代码相同，但在初始化最高得分时使用了更合适的值（负无穷大），以确保能够正确处理所有可能的得分。此外，代码结构更加清晰，有助于提高可读性。尽管时间复杂度和空间复杂度没有实质性的改变，但这种微调有助于确保代码的健壮性和效率。

哲学和编程思想

在对代码进行优化时，采用了几种编程和设计哲学，这些哲学帮助提升代码的效率、可读性和健壮性。具体来说，以下是一些显著的思想：

1. 简洁性 (Keep it Simple, Stupid - KISS)

优化后的代码遵循简洁性原则，尽量减少复杂度。通过维持一个简单的逻辑流程来累加每个学校的得分，并在遍历完成后确定最高分，这种方法避免了使用复杂数据结构或算法，从而保持了代码的简单易懂。

2. 可读性优先

代码的可读性是一个重要考虑因素，尤其是在团队合作和代码维护时。通过使用清晰的变量命名（如 schools_scores）和保持逻辑结构的直观性，代码易于被他人理解和审查。优化后的代码通过简化逻辑和增加注释，进一步提升了可读性。

3. 鲁棒性 (Robustness)

通过初始化 max_score 为负无穷大，代码变得更加健壮，能够正确处理所有可能的得分（包括负分）。这体现了在设计时考虑极端和边界情况的重要性，以确保代码在各种输入下都能正常工作。

4. 优化

尽管在这个例子中时间复杂度和空间复杂度没有显著改变（依然是 O(N)），但是通过逻辑上的优化（如更合理的初始化方式），代码更加健壮且易于维护。这种优化思想体现了在不牺牲代码可读性和简洁性的前提下，通过微小的调整提升代码整体质量的努力。

5. 预防性编程

代码通过对最高得分 max_score 使用负无穷大的初始化，体现了预防性编程的思想。这种方法通过提前考虑到潜在的问题（例如输入中可能包含的负分数）并采取措施来避免这些问题，减少了未来可能需要的修复和调试工作。

6. 迭代改进

优化过程体现了迭代改进的思想。即代码的初版可能已经足够好，但通过不断的评估和小的改进，可以使其更接近完美。这种逐步优化的方法，是软件开发中常见的实践。

通过这种方式，优化后的代码在保持其原有目的的同时，变得更加健壮、可读和简洁。这些编程和设计哲学不仅适用于当前的场景，也是广泛应用于软件开发和架构设计中的通用原则。

举一反三

根据上述提到的哲学和编程思想，以下是一些实用的技巧，可以帮助在编程时举一反三，提高代码质量和效率：

1. 保持代码简洁

避免过度设计：不要为可能不会发生的问题预先编写复杂的解决方案。保持代码简单，只解决当前已知的问题。
单一职责原则：确保每个函数或类只做一件事。这有助于简化代码并使其更易于理解和维护。

2. 提高可读性

良好的命名：使用描述性的变量和函数名，使代码自解释。
注释和文档：在关键部分添加注释，解释代码的意图和逻辑。定期更新文档，确保其与代码同步。
代码格式化：遵循一致的代码风格和格式，使用工具自动格式化代码。

3. 增强鲁棒性

边界条件处理：在编写代码时考虑所有可能的输入情况，包括边界条件和异常情况。
错误处理：合理使用异常处理机制，确保程序在遇到错误时能够优雅地处理，而不是崩溃。

4. 持续优化

代码审查：定期进行代码审查，从同事那里获得反馈，发现潜在的改进点。
性能分析：使用性能分析工具来识别瓶颈，并针对性地进行优化。

5. 预防性编程

防御性编程：在代码中加入检查，确保输入和状态的有效性，防止潜在的错误。
单元测试：编写单元测试来验证代码的正确性，确保代码在修改后仍能按预期工作。

6. 迭代改进

小步快跑：采用敏捷开发方法，通过频繁的迭代来逐步完善产品。
反馈循环：建立快速反馈机制，无论是通过自动化测试还是用户反馈，都能帮助你及时调整方向。

7. 重构

定期重构：随着项目的发展，定期重构代码以消除技术债务，提高代码质量。
保持代码整洁：遵循《代码整洁之道》等书籍中的原则，持续改进代码结构。

通过应用这些技巧，可以在编程时更加高效和有目的性，同时确保代码的质量和可维护性。记住，编程不仅仅是实现功能，更是一种艺术和科学的结合，需要不断学习和实践。

感谢阅读。

用哲学编程

关注

28
点赞
踩
24

收藏

觉得还不错? 一键收藏
打赏
0
评论
每日一题——Python实现PAT乙级1032 挖掘机技术哪家强（举一反三+思想解读+逐步优化）

这段代码是处理给定问题的有效方式，具有很好的时间和空间效率（均为 O(N)）。对初始值选择的小小改进（使用负无穷大来初始化 max_score）可以使它更加健壮，尤其是在处理可能包含负值得分的输入时。这段代码在逻辑上与原始代码相同，但在初始化最高得分时使用了更合适的值（负无穷大），以确保能够正确处理所有可能的得分。此外，代码结构更加清晰，有助于提高可读性。尽管时间复杂度和空间复杂度没有实质性的改变，但这种微调有助于确保代码的健壮性和效率。
复制链接

扫一扫