博客
关于我
ny540 奇怪的排序 简单题
阅读量:800 次
发布时间:2023-02-17

本文共 1134 字,大约阅读时间需要 3 分钟。

Bill机器人对自然数的理解与人类不同,它从右往左读数。例如,它会将123理解为321。现在,给定两个数A和B,我们需要生成[A, B]区间中的所有数,并按照Bill的规则排序。

首先,理解Bill的排序规则。Bill从右到左读取数字,导致它对数字的比较基于数字反转后的值。例如,23变成32,15变成51,Bill认为15大于23,因为51 > 32。

接下来,如何模拟Bill的排序?我们需要对每个数字生成反转后的值,并按这些值排序。例如,数字10反转后是01,即1,数字9反转后是9,数字12反转后是21。因此,排序将基于反转后的数值。

解决步骤:

  • 读取输入,获取测试用例数量N。
  • 对于每个测试用例,读取A和B。
  • 生成区间[A, B]的所有数字。
  • 对每个数字生成反转后的键。
  • 根据反转后的键对数字排序。
  • 输出排序后的数字。
  • 编写代码时,需要考虑如何高效生成反转键。由于区间长度最多为51,可以直接生成列表并用反转键排序。

    Python实现:

  • 读取N。
  • 循环读取每个A和B。
  • 生成从A到B的数字列表。
  • 定义函数生成反转键。
  • 排序列表,使用反转键作为排序依据。
  • 输出排序后的数字。
  • 测试样例:输入:28 1522 39区间数字:28, 29, 30, ..., 39反转键:82, 92, 03, 13, 14, ..., 93排序后:10, 8, 9, 11, 12, 13, 14, 1530, 31, 22, 32, 23, 33, 24, 34, 25, 35, 26, 36, 27, 37, 28, 38, 29, 39

    最终代码:

    import sysdef reverse_num(x):    res = 0    while x > 0:        res = res * 10 + x % 10        x = x // 10    return resdef main():    n = int(sys.stdin.readline())    for _ in range(n):        a, b = map(int, sys.stdin.readline().split())        nums = list(range(a, b+1))        nums.sort(key=reverse_num)        print(' '.join(map(str, nums)))if __name__ == "__main__":    main()

    输出:10 8 9 11 12 13 14 1530 31 22 32 23 33 24 34 25 35 26 36 27 37 28 38 29 39

    转载地址:http://qznfk.baihongyu.com/

    你可能感兴趣的文章
    Netty工作笔记0011---Channel应用案例2
    查看>>
    Netty工作笔记0014---Buffer类型化和只读
    查看>>
    Netty工作笔记0050---Netty核心模块1
    查看>>
    Netty工作笔记0084---通过自定义协议解决粘包拆包问题2
    查看>>
    Netty常见组件二
    查看>>
    netty底层源码探究:启动流程;EventLoop中的selector、线程、任务队列;监听处理accept、read事件流程;
    查看>>
    Netty核心模块组件
    查看>>
    Netty框架的服务端开发中创建EventLoopGroup对象时线程数量源码解析
    查看>>
    Netty源码—2.Reactor线程模型一
    查看>>
    Netty源码—4.客户端接入流程一
    查看>>
    Netty源码—4.客户端接入流程二
    查看>>
    Netty源码—5.Pipeline和Handler一
    查看>>
    Netty源码—6.ByteBuf原理二
    查看>>
    Netty源码—7.ByteBuf原理三
    查看>>
    Netty源码—7.ByteBuf原理四
    查看>>
    Netty源码—8.编解码原理二
    查看>>
    Netty源码解读
    查看>>
    Netty的Socket编程详解-搭建服务端与客户端并进行数据传输
    查看>>
    Netty相关
    查看>>
    Network Dissection:Quantifying Interpretability of Deep Visual Representations(深层视觉表征的量化解释)
    查看>>