题目
小明是一名算法工程师,同时也是一名铲屎官。某天,他突发奇想,想从猫咪的视频里挖掘一些猫咪的运动信息。为了提取运动信息,他需要从视频的每一帧提取“猫咪特征”。一个猫咪特征是一个两维的vector<x, y>。如果x_1=x_2 and y_1=y_2,那么这俩是同一个特征。
因此,如果喵咪特征连续一致,可以认为喵咪在运动。也就是说,如果特征<a, b>在持续帧里出现,那么它将构成特征运动。比如,特征<a, b>在第2/3/4/7/8帧出现,那么该特征将形成两个特征运动2-3-4 和7-8。
现在,给定每一帧的特征,特征的数量可能不一样。小明期望能找到最长的特征运动。
输入描述
第一行包含一个正整数N,代表测试用例的个数。
每个测试用例的第一行包含一个正整数M,代表视频的帧数。
接下来的M行,每行代表一帧。其中,第一个数字是该帧的特征个数,接下来的数字是在特征的取值;比如样例输入第三行里,2代表该帧有两个猫咪特征,<1,1>和<2,2>
所有用例的输入特征总数和<100000
N满足1≤N≤100000,M满足1≤M≤10000,一帧的特征个数满足 ≤ 10000。
特征取值均为非负整数。
输出描述
对每一个测试用例,输出特征运动的长度作为一行
示例
输入例子:
1
8
2 1 1 2 2
2 1 1 1 4
2 1 1 2 2
2 2 2 1 4
0
0
1 1 1
1 1 1
输出例子:
3
例子说明:
特征<1,1>在连续的帧中连续出现3次,相比其他特征连续出现的次数大,所以输出3
解题思路
重点在于连续性,只要一个特征对在这几帧里连续出现就可以增加次数
因此只需要记录前一帧出现的情况,只需要管新的一帧里出现的在前一帧有没有出现
如果已出现则累加;若新出现的就从1开始计算
每换到下一帧就只保留上一帧的出现情况,所以在上一帧已经断掉的(就是没出现的)就会被自动抛掉,因此每帧都得判断一次max len,但若出现该帧0特征时,max函数会报错,因此在这一帧更新每一个特征时就判断
代码实现
for i in range(int(input())):
temp={}
mlen=0
for j in range(int(input())):#几帧
num_zhen=list(map(str,input().split()))
zhen=num_zhen[1:]
num=int(num_zhen[0])
dic={}#每一帧清空
for x in range(num):#特征个数
if zhen[x*2]+zhen[x*2+1] in temp.keys():#该特征出现在上一帧
dic[zhen[x*2]+zhen[x*2+1]]=temp[zhen[x*2]+zhen[x*2+1]]+1
else:
dic[zhen[x*2]+zhen[x*2+1]]=1
mlen=max(mlen,dic[zhen[x*2]+zhen[x*2+1]])
temp=dic#将截止到该帧的连续情况传到下一步
print(mlen)