华为OD试题一(磁盘容量排序、数大雁、计算疫情扩散时间)

2023-12-16 05:01

本文主要是介绍华为OD试题一(磁盘容量排序、数大雁、计算疫情扩散时间),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1. 磁盘容量排序

题目描述:磁盘的容量单位常用的有M,G,T这三个等级,它们之间的换算关系为1T = 1024G,1G = 1024M,现在给定n块磁盘的容量,请对它们按从小到大的顺序进行稳定排序,例如给定5块盘的容量,1T,20M,3G,10G6T,3M12G9M排序	后的结果为20M,3G,3M12G9M,1T,10G6T。注意单位可以重复出现,上述3M12G9M表示的容量即为3M+12G+9M,和12M12G相等。

参考代码:

# 测试数据
test_data = ['2G4M','3M2G','1T']
# 核心是将其划归为统一的单位M
# 单位字典
unit_dict = {'T':1024 * 1024,'G':1024,'M':1,
}
# 换算后的结果
conversion_data = []
# 换算后的结果与原结果对应关系
conversion_dict = {}# 该函数用于换算结果
def fun(ELE):# 用于存放结果count = 0# 辅助指针 cur = 0 for index,ele in enumerate(ELE):if ele in ['T','G','M']:count += int(ELE[cur:int(index)]) * unit_dict[ele]# cur 指向下一个要换算的结果cur = index + 1return count # 处理测试数据
for ele in test_data:res = fun(ele)# 添加换算后的数据conversion_data.append(res)# 建立换算后的数据和源数据之间的关系conversion_dict[ele] = res# 处理的数据排序
conversion_data.sort()# 存放最终结果
result = []# 将处理后的数据转化成原数据
for _ in conversion_data:for k,v in conversion_dict.items():if _ == v:result.append(k)conversion_dict.pop(k)break
# 打印最终结果
print(result)

2. 数大雁

题目描述:
一群大雁往南飞,给定一个字符串记录地面上的游客听到的大雁叫声,请给出叫
声最少由几只大雁发出。具体的:
1. 大雁发出的完整叫声为"quack",因为有多只大雁同一时间嘎嘎作响,所以字符串中可能会混合多个 "quack"。
2. 大雁会依次完整发出 "quack",即字符串中‘q’, ’u’, ’a’, ’c’, ’k’ 这 5个字母按顺序完整存在才能计数为一只大雁。如果不完整或者没有按顺序则不予计数。
3. 如果字符串不是由‘q’, ’u’, ’a’, ’c’, ’k’字符组合而成,或者没有找到一只大雁,请返回 -1。核心:同过q 和 k 的位置确定大雁数量

# 测试数据
test_str1 = "quackquack"
test_str2 = "quqackuack"
test_str3 = "quackquook"std_str = "quack"def fun(temp):# 统计大雁个数count = 0# 判断非法情况for _ in temp:if _ not in std_str:return -1# 查找q的位置q_pos = []for pos,value in enumerate(temp):if value == 'q':q_pos.append(pos)# 查找k的位置k_pos = []for _ in q_pos:before = _for s in std_str:after = temp.find(s,before)# 如果没找到if after == -1:breakif s == 'k':k_pos_append(after)# 通过分析q 的位置和其对应的k的位置计算大雁数量for i in range(len(q_pos)):if i == 0:count += 1else:if q_pos[i] < k_pos[i - 1]:count += 1return count 		result = fun(str1)
print(result)

3. 计算疫情扩散时间

题目描述:在一个地图中(地图由n*n个区域组成),有部分区域被感染病菌。感
染区域每天都会把周围(上下左右)的4个区域感染。
请根据给定的地图计算,多少天以后,全部区域都会被感染。
如果初始地图上所有区域全部都被感染,或者没有被感染区域,返回-1。核心:计算位置关系
input1 = [1, 0, 1, 0, 0, 0, 1, 0, 1]
input2 = [0, 0, 0, 0]
input3 = [1, 1, 1, 1, 1, 1, 1, 1, 1]
import mathdef fun(temp_list):# 全为0 的情况if all(x == 0 for x in temp_list):return -1# 全为1 的情况if all(x == 1 for x in temp_list):return -1# 正方形边长l = int(math.sqrt(len(temp_list)))# 统计天数count = 0while True:# 如果全为1 即全部感染则 退出if all(x == 1 for x in temp_list):return count# 计算 1 的位置temp_1_pos = [pos for pos,x in enumerate(temp_list) if x == 1]# 计算感染区域for i in temp_1_pos:# 上方区域if 0 <= i - l <= len(temp_list) - 1:if temp_list[i - l] == 0:temp_list[i - l] = 1# 左边区域if 0 <= i - 1 <= len(temp_list) - 1:if temp_list[i - 1] == 0:temp_list[i - 1] = 1# 右边区域if 0 <= i + 1 <= len(temp_list) - 1:if temp_list[i + 1] == 0:temp_list[i + 1] = 1# 下方区域if 0 <= i + l <= len(temp_list) - 1:if temp_list[i + l] == 0:temp_list[i + l] = 1count += 1
res = fun(input3)
print(res)

这篇关于华为OD试题一(磁盘容量排序、数大雁、计算疫情扩散时间)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/499192

相关文章

Python的Darts库实现时间序列预测

《Python的Darts库实现时间序列预测》Darts一个集统计、机器学习与深度学习模型于一体的Python时间序列预测库,本文主要介绍了Python的Darts库实现时间序列预测,感兴趣的可以了解... 目录目录一、什么是 Darts?二、安装与基本配置安装 Darts导入基础模块三、时间序列数据结构与

MyBatis Plus实现时间字段自动填充的完整方案

《MyBatisPlus实现时间字段自动填充的完整方案》在日常开发中,我们经常需要记录数据的创建时间和更新时间,传统的做法是在每次插入或更新操作时手动设置这些时间字段,这种方式不仅繁琐,还容易遗漏,... 目录前言解决目标技术栈实现步骤1. 实体类注解配置2. 创建元数据处理器3. 服务层代码优化填充机制详

C++统计函数执行时间的最佳实践

《C++统计函数执行时间的最佳实践》在软件开发过程中,性能分析是优化程序的重要环节,了解函数的执行时间分布对于识别性能瓶颈至关重要,本文将分享一个C++函数执行时间统计工具,希望对大家有所帮助... 目录前言工具特性核心设计1. 数据结构设计2. 单例模式管理器3. RAII自动计时使用方法基本用法高级用法

Python实现精确小数计算的完全指南

《Python实现精确小数计算的完全指南》在金融计算、科学实验和工程领域,浮点数精度问题一直是开发者面临的重大挑战,本文将深入解析Python精确小数计算技术体系,感兴趣的小伙伴可以了解一下... 目录引言:小数精度问题的核心挑战一、浮点数精度问题分析1.1 浮点数精度陷阱1.2 浮点数误差来源二、基础解决

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Python文本相似度计算的方法大全

《Python文本相似度计算的方法大全》文本相似度是指两个文本在内容、结构或语义上的相近程度,通常用0到1之间的数值表示,0表示完全不同,1表示完全相同,本文将深入解析多种文本相似度计算方法,帮助您选... 目录前言什么是文本相似度?1. Levenshtein 距离(编辑距离)核心公式实现示例2. Jac

MySQL按时间维度对亿级数据表进行平滑分表

《MySQL按时间维度对亿级数据表进行平滑分表》本文将以一个真实的4亿数据表分表案例为基础,详细介绍如何在不影响线上业务的情况下,完成按时间维度分表的完整过程,感兴趣的小伙伴可以了解一下... 目录引言一、为什么我们需要分表1.1 单表数据量过大的问题1.2 分表方案选型二、分表前的准备工作2.1 数据评估

Python中经纬度距离计算的实现方式

《Python中经纬度距离计算的实现方式》文章介绍Python中计算经纬度距离的方法及中国加密坐标系转换工具,主要方法包括geopy(Vincenty/Karney)、Haversine、pyproj... 目录一、基本方法1. 使用geopy库(推荐)2. 手动实现 Haversine 公式3. 使用py

C++归并排序代码实现示例代码

《C++归并排序代码实现示例代码》归并排序将待排序数组分成两个子数组,分别对这两个子数组进行排序,然后将排序好的子数组合并,得到排序后的数组,:本文主要介绍C++归并排序代码实现的相关资料,需要的... 目录1 算法核心思想2 代码实现3 算法时间复杂度1 算法核心思想归并排序是一种高效的排序方式,需要用

浅谈MySQL的容量规划

《浅谈MySQL的容量规划》进行MySQL的容量规划是确保数据库能够在当前和未来的负载下顺利运行的重要步骤,容量规划包括评估当前资源使用情况、预测未来增长、调整配置和硬件资源等,感兴趣的可以了解一下... 目录一、评估当前资源使用情况1.1 磁盘空间使用1.2 内存使用1.3 CPU使用1.4 网络带宽二、