当前位置: 首页 > news >正文

1063 Set Similarity (25)

Given two sets of integers, the similarity of the sets is defined to be Nc​/Nt​×100%, where Nc​ is the number of distinct common numbers shared by the two sets, and Nt​ is the total number of distinct numbers in the two sets. Your job is to calculate the similarity of any given pair of sets.

Input Specification:

Each input file contains one test case. Each case first gives a positive integer N (≤50) which is the total number of sets. Then N lines follow, each gives a set with a positive M (≤10^4) and followed by M integers in the range [0,10^9]. After the input of sets, a positive integer K (≤2000) is given, followed by K lines of queries. Each query gives a pair of set numbers (the sets are numbered from 1 to N). All the numbers in a line are separated by a space.

Output Specification:

For each query, print in one line the similarity of the sets, in the percentage form accurate up to 1 decimal place.

Sample Input:

3
3 99 87 101
4 87 101 5 87
7 99 101 18 5 135 18 99
2
1 2
1 3

Sample Output:

50.0%
33.3%

题目大意:给定两个整数集合,它们的相似度定义为:Nc/Nt*100%。其中Nc是两个集合都有的不相等整数的个数,Nt是两个集合一共有的不相等整数的个数。你的任务就是计算任意一对给定集合的相似度。nc是两个集合的公共元素个数,nt是两个集合的所有包含的元素个数(其中元素个数表示各个元素之间互不相同)

分析:题目要求为求两个数组交集中的元素数量Nc,两个数组并集中的元素数量Nt,再求这两个数的商。注意同一个数组中的重复元素只计入一次。除了模拟,还可用set,或者哈希。

#include<algorithm>
#include <iostream>
#include  <cstdlib>
#include  <cstring>
#include   <string>
#include   <vector>
#include   <cstdio>
#include    <queue>
#include    <stack>
#include    <ctime>
#include    <cmath>
#include      <map>
#include      <set>
#define ll long long
#define INF 0x3f3f3f3f
#define db1(x) cout<<#x<<"="<<(x)<<endl
#define db2(x,y) cout<<#x<<"="<<(x)<<", "<<#y<<"="<<(y)<<endl
#define db3(x,y,z) cout<<#x<<"="<<(x)<<", "<<#y<<"="<<(y)<<", "<<#z<<"="<<(z)<<endl
#define db4(x,y,z,r) cout<<#x<<"="<<(x)<<", "<<#y<<"="<<(y)<<", "<<#z<<"="<<(z)<<", "<<#r<<"="<<(r)<<endl
using namespace std;bool cmp(int a,int b)
{return a<b;
}int main(void)
{#ifdef testfreopen("in.txt","r",stdin);//freopen("in.txt","w",stdout);clock_t start=clock();#endif //testint n;scanf("%d",&n);int num[n+5][10010]={0},cnt[n+5]={0},temp[n+5][10010]={0};for(int i=1;i<=n;++i){scanf("%d",&cnt[i]);for(int j=0;j<cnt[i];++j)scanf("%d",&temp[i][j]);}for(int i=1;i<=n;++i)sort(temp[i],temp[i]+cnt[i]);for(int i=1;i<=n;++i){int t=0;num[i][0]=temp[i][0];for(int j=1;j<cnt[i];++j)if(temp[i][j]!=temp[i][j-1])t++,num[i][t]=temp[i][j];cnt[i]=t+1;}int k;scanf("%d",&k);for(int ii=0;ii<k;++ii){int a,b,nc=0,nt=0;scanf("%d%d",&a,&b);int l1=0,l2=0;//db2(cnt[a],cnt[b]);while(l1<cnt[a]||l2<cnt[b]){nt++;if(l1<cnt[a]&&l2<cnt[b]){if(num[a][l1]>num[b][l2])l2++;else if(num[a][l1]<num[b][l2])l1++;else nc++,l1++,l2++;}else if(l1<cnt[a])l1++;else l2++;}//db4(nc,nt,l1,l2);printf("%.1f%\n",nc*100.0/nt);}#ifdef testclockid_t end=clock();double endtime=(double)(end-start)/CLOCKS_PER_SEC;printf("\n\n\n\n\n");cout<<"Total time:"<<endtime<<"s"<<endl;        //s为单位cout<<"Total time:"<<endtime*1000<<"ms"<<endl;    //ms为单位#endif //testreturn 0;
}

 

相关文章:

1063 Set Similarity (25)

Given two sets of integers, the similarity of the sets is defined to be Nc​/Nt​100%, where Nc​ is the number of distinct common numbers shared by the two sets, and Nt​ is the total number of distinct numbers in the two sets. Your job is to calculate th…...

Web登录页面设计

记录第一个前端界面&#xff0c;暑假期间写的&#xff0c;用了Lottie动画和canvas标签做动画&#xff0c;登录和注册也连接了数据库。 图片是从网上找的&#xff0c;如有侵权私信我删除&#xff0c;谢谢啦~...

【大数据学习 | Spark】Spark on hive与 hive on Spark的区别

1. Spark on hive Spark on hive指的是使用Hive的元数据&#xff08;Metastore&#xff09;和SQL解析器(HiveQL)。这种方式下&#xff0c;spark可以读取和写入hive表&#xff0c;利用hive的元数据信息来进行表结构的定义和管理。 具体特点为&#xff1a; 1.1 元数据共享 sp…...

软件测试丨Pytest 第三方插件与 Hook 函数

Pytest不仅是一个用于编写简单和复杂测试的框架&#xff0c;还有大量的第三方插件以及灵活的Hook函数供我们使用&#xff0c;这些功能大大增强了其在软件测试中的应用。通过使用Pytest&#xff0c;测试开发变得简便、安全、高效&#xff0c;同时也能帮助我们更快地修复Bug&…...

Python学习35天

# 定义父类 class Computer: CPUNone MemoryNone diskNone def __init__(self,CPU,Memory,disk): self.disk disk self.Memory Memory self.CPU CPU def get_details(self): return f"CPU:{self.CPU}\tdisk:{self.disk}\t…...

IO基础(字符集与字符流)

在字节流中&#xff0c;文件中的中文显示的是乱码。 在计算机存储体系中&#xff0c;以字节为最小存储单位&#xff0c;一个英文占一字节。 字符集类型 ASCII字符集&#xff0c;又叫编码表&#xff0c;编码表中有128个数据&#xff0c;其中大小写字母、符号、数字等。GB2312…...

LLM应用-prompt提示:RAG query重写、相似query生成 加强检索准确率

参考&#xff1a; https://zhuanlan.zhihu.com/p/719510286 1、query重写 你是一名AI助手&#xff0c;负责在RAG&#xff08;知识库&#xff09;系统中通过重构用户查询来提高检索效果。根据原始查询&#xff0c;将其重写得更具体、详细&#xff0c;以便更有可能检索到相关信…...

[python脚本处理文件入门]-17.Python如何操作Excel文件的读写

哈喽,大家好,我是木头左! 在Python中,处理Excel文件最常用的库之一是xlrd,它用于读取Excel文件。而当需要创建或写入Excel文件时,xlwt库则是一个不错的选择。这两个库虽然功能强大,但使用起来也非常简单直观。 安装与导入 确保你已经安装了这两个库。如果没有安装,可以…...

深度理解进程的概念(Linux)

目录 一、冯诺依曼体系 二、操作系统(OS) 设计操作系统的目的 核心功能 系统调用 三、进程的概念与基本操作 简介 查看进程 通过系统调用获取进程标识符 通过系统调用创建进程——fork() 四、进程的状态 操作系统中的运行、阻塞和挂起 理解linux内核链表 Linux的进…...

【C++】STL容器中的比较函数对象

目录 set、map容器 priority_queue容器 在STL中涉及到以某种规则排序的容器都需要比较函数对象&#xff0c;比如&#xff1a;set、map、priority_queue这些容器内部都是依赖比较函数对象以某种规则存储数据的。STL容器中的比较函数对象可以是&#xff1a;函数指针、仿函数(函…...

深度学习基础02_损失函数BP算法(上)

目录 一、损失函数 1、线性回归损失函数 1.MAE损失 2.MSE损失 3.SmoothL1Loss 2、多分类损失函数--CrossEntropyLoss 3、二分类损失函数--BCELoss 4、总结 二、BP算法 1、前向传播 1.输入层(Input Layer)到隐藏层(Hidden Layer) 2.隐藏层(Hidden Layer)到输出层(Ou…...

6.584-Lab4A

6.584-LabA HomeworkReference CodeReference Blog 通过作业提供的概览图可以看出整个系统的组成&#xff1a;用户 Clerk 会发出命令&#xff08;Get、Put、Append&#xff09;到每个 Service&#xff0c;每个 Service 接收到命令后向下传递到 RaftCode 层&#xff0c;由 RaftC…...

语义版本控制

注意&#xff1a; 本文内容于 2024-11-27 22:25:05 创建&#xff0c;可能不会在此平台上进行更新。如果您希望查看最新版本或更多相关内容&#xff0c;请访问原文地址&#xff1a;语义版本控制。感谢您的关注与支持&#xff01; 由于自己平时喜欢写点小玩意&#xff0c;自然而…...

深入理解HTML基本结构:构建现代网页的基石

深入理解HTML基本结构&#xff1a;构建现代网页的基石 在数字时代&#xff0c;HTML&#xff08;超文本标记语言&#xff09;是构建和设计网页的基础。了解HTML的基本结构对于任何希望掌握网页开发的人来说至关重要。本文将详细介绍HTML文件的基本骨架&#xff0c;包括其核心标…...

一体化数据安全平台uDSP 入选【年度创新安全产品 TOP10】榜单

近日&#xff0c;由 FreeBuf 主办的 FCIS 2024 网络安全创新大会在上海隆重举行。大会现场揭晓了第十届 WitAwards 中国网络安全行业年度评选获奖名单&#xff0c;该评选自 2015 年举办以来一直饱受赞誉&#xff0c;备受关注&#xff0c;评选旨在以最专业的角度和最公正的态度&…...

【机器学习】机器学习的基本分类-监督学习(Supervised Learning)

监督学习是一种通过已有的输入数据&#xff08;特征&#xff09;和目标输出&#xff08;标签&#xff09;对模型进行训练的机器学习方法&#xff0c;旨在学到一个函数&#xff0c;将输入映射到正确的输出。 1. 监督学习概述 监督学习需要&#xff1a; 输入数据&#xff08;特…...

Oracle之提高PLSQL的执行性能

目录 1、SQL解析详解 2、演示示例 3、启用Oracle跟踪事件 4、查看改造后SQL性能对比结果 更多技术干货,关注个人博客吧 1、SQL解析详解 SQL解析是数据块处理SQL语句不可缺少的步骤,是在解析器中执行的。将SQL转换成数据库可以执行的低级指令。 SQL解析分为硬解析和软…...

[VSCode] vscode下载安装及安装中文插件详解(附下载文件)

前言 vscode 链接&#xff1a;https://pan.quark.cn/s/3acbb8aed758 提取码&#xff1a;dSyt VSCode 是一款由微软开发且跨平台的免费源代码编辑器&#xff1b;该软件支持语法高亮、代码自动补全、代码重构、查看定义功能&#xff0c;并且内置了命令行工具和Git版本控制系统。 …...

PHP中类名加双冒号的作用

在 PHP 中&#xff0c;类名加双冒号&#xff08;::&#xff09; 是一种用于访问类的静态成员和常量的语法。它也可以用来调用类的静态方法和访问 PHP 的类相关关键词&#xff08;如 parent、self 和 static&#xff09;。以下是详细的解释和用法。 1. 用途概述 :: 被称为作用域…...

前端编程训练 异步编程篇 请求接口 vue与react中的异步

文章目录 前言代码执行顺序的几个关键点接口请求vue与react中的异步vue中的异步react的state修改异步 前言 本文是B站三十的前端课的笔记前端编程训练,异步编程篇 代码执行顺序的几个关键点 我们可以理解为代码就是一行一行&#xff0c;一句一句是执行&#xff08;定义变量&…...

深入解析Linux系统中Name or service not known错误的排查与修复

1. 当Linux突然不认识你的主机名时 第一次在终端里看到"Name or service not known"这个错误时&#xff0c;我正急着部署一个Web服务。系统突然告诉我它不认识自己的名字&#xff0c;就像一个人突然忘记了自己叫什么一样荒谬。这个错误其实比想象中常见&#xff0c;…...

3大技术突破让前端文档处理效率提升200%:vue-office全场景应用指南

3大技术突破让前端文档处理效率提升200%&#xff1a;vue-office全场景应用指南 【免费下载链接】vue-office 项目地址: https://gitcode.com/gh_mirrors/vu/vue-office 问题场景&#xff1a;前端文档处理的四大拦路虎 在现代Web应用开发中&#xff0c;文档预览功能如同…...

DeepSeek、Kimi、笔灵谁最好用?5款网文作者亲测的AI写作神器横评

作为在网文圈一路摸爬滚打过来的我&#xff0c;面对“AI写小说”这个现象&#xff0c;心情其实挺复杂的。 这有点像工业革命时期的纺织工人看着蒸汽机——恐惧是真的&#xff0c;但效率的碾压也是真的。 不是纯用AI生成&#xff0c;而是用AI搭建了极其高效的“外挂工作流”。 …...

Nunchaku FLUX.1 CustomV3与LangChain集成:构建智能内容创作流水线

Nunchaku FLUX.1 CustomV3与LangChain集成&#xff1a;构建智能内容创作流水线 1. 引言 内容创作者们每天都在面对这样的挑战&#xff1a;既要写出吸引人的文案&#xff0c;又要配上有视觉冲击力的图片。传统的内容创作流程往往需要在不同工具间来回切换&#xff0c;先写文案…...

SAP增强实战:如何精准控制销售订单可用性检查中的寄售库存占用

1. 理解寄售库存与可用性检查的核心矛盾 在SAP系统中处理销售订单时&#xff0c;寄售库存和自有库存的混用问题经常让业务人员头疼。想象这样一个场景&#xff1a;你的仓库里明明没有现货&#xff0c;但系统却自动从供应商寄存在你这里的货物中扣减数量——这就像未经允许拿了邻…...

Windows系统下Apache Superset一站式部署与避坑指南

1. 环境准备&#xff1a;从零搭建Python生态 在Windows系统部署Apache Superset前&#xff0c;需要先构建稳定的Python运行环境。我强烈推荐使用Anaconda作为基础工具链&#xff0c;它不仅能自动处理Python版本管理&#xff0c;还能解决后续可能出现的依赖冲突问题。去年我在客…...

R语言双坐标轴实战:从base到ggplot2的5种方法对比与优化技巧

R语言双坐标轴可视化&#xff1a;5种方法深度解析与实战优化 1. 双坐标轴的应用场景与挑战 在科研数据可视化中&#xff0c;我们经常遇到需要同时展示两个量纲不同但存在关联的变量的需求。比如&#xff1a; 温度与降水量的季节性变化股价与交易量的关系微生物丰度与代谢物浓度…...

如何构建可扩展的AI图像修复系统:IOPaint架构解析与定制实践

如何构建可扩展的AI图像修复系统&#xff1a;IOPaint架构解析与定制实践 【免费下载链接】IOPaint 项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint 在AI图像修复领域&#xff0c;开发者常面临三大核心挑战&#xff1a;模型适配困难、扩展性受限、以及特定场…...

遗传算法实战:TSP问题的高效路径优化与可视化分析

1. 遗传算法与TSP问题的奇妙碰撞 第一次听说遗传算法能解决旅行商问题&#xff08;TSP&#xff09;时&#xff0c;我的反应和大多数人一样&#xff1a;"这玩意儿真能行&#xff1f;"直到亲手实现了整个流程&#xff0c;看着屏幕上那条不断优化的路径&#xff0c;才真…...

单向链表的排序

排序是数据结构的核心算法&#xff0c;而链表排序更是面试高频考点 —— 因为链表无法随机访问&#xff0c;需要用指针操作来实现排序逻辑。本文将从插入排序的核心思想讲起&#xff0c;一步步拆解数组插入排序 → 单向链表插入排序 → 单向链表选择排序&#xff0c;用图文 代…...