Pythonでのみ、指定されたインデックス間のスワップを使用して配列を並べ替えることができるかどうかを確認します
範囲[0、n –1]の一意の値を持つnumsという配列があるとします。この配列はソートされていません。また、ペアの別の配列があり、各ペアには、配列の要素を交換できるインデックスが含まれています。複数回交換できます。これらのスワップを使用して、配列をソートされた順序で配置できるかどうかを確認する必要があります。
したがって、入力がnums =[6,1,7,3,0,5,4,2]ペア=[(0,4)、(6,0)、(2,7)]のようである場合、インデックス(2,7)をスワップできるため、出力はTrueになります。配列は[6,1,2,3,0,5,4,7]になり、次にスワップ(6,0)になり、配列は[4、 1,2,3,0,5,6,7]、次に(0,4)をスワップして[0,1,2,3,4,5,6,7]を取得します。
これを解決するには、次の手順に従います-
- N:=numのサイズ、P:=ペア配列のペアの数
- v:=N個のサブリストを持つリスト
- 訪問:=新しいセット
- 0からPの範囲のiについては、
- ペアの2番目のインデックス[i]をv[ペアの最初のインデックス[i]]に挿入します
- ペアの最初のインデックス[i]をv[ペアの2番目のインデックス[i]]に挿入します
- 0からNの範囲のiについては、
- 私が訪問されていない場合は、
- que:=両端キュー
- arr_first:=新しいリスト
- arr_second:=新しいリスト
- 私を訪問済みとしてマーク
- queの最後にiを挿入
- queが空でない間は、
- u:=queのfront要素とqueのfront要素を削除します
- arr_firstの最後にuを挿入
- arr_secondの最後にnums[u]を挿入します
- v [u]の各sについて、実行します
- sにアクセスしない場合は、
- 訪問済みとしてマーク
- キューの最後にsを挿入
- sにアクセスしない場合は、
- arr_first:=リストを並べ替えるarr_first
- arr_second:=リストを並べ替えるarr_second
- arr_firstがarr_secondと同じでない場合、
- Falseを返す
- 私が訪問されていない場合は、
- Trueを返す
理解を深めるために、次の実装を見てみましょう-
サンプルコード
from collections import deque def solve(nums, pairs): N = len(nums) P = len(pairs) v = [[] for i in range(N)] visited = set() for i in range(P): v[pairs[i][0]].append(pairs[i][1]) v[pairs[i][1]].append(pairs[i][0]) for i in range(N): if i not in visited: que = deque() arr_first = [] arr_second = [] visited.add(i) que.append(i) while len(que) > 0: u = que.popleft() arr_first.append(u) arr_second.append(nums[u]) for s in v[u]: if s not in visited: visited.add(s) que.append(s) arr_first = sorted(arr_first) arr_second = sorted(arr_second) if arr_first != arr_second: return False return True nums = [6,1,7,3,0,5,4,2] pairs = [(0,4),(6,0),(2,7)] print(solve(nums, pairs))
入力
[6,1,7,3,0,5,4,2], [(0,4),(6,0),(2,7)]
出力
True
-
Tensorflowを使用してPythonを使用して予測を確認するにはどうすればよいですか?
TensorFlowを使用すると、「imshow」メソッドを使用してImageNetによって行われた予測を視覚化することにより、「matplotlib」を使用して予測を確認できます。 続きを読む: TensorFlowとは何ですか?KerasはTensorFlowとどのように連携してニューラルネットワークを作成しますか? 少なくとも1つの層を含むニューラルネットワークは、畳み込み層と呼ばれます。畳み込みニューラルネットワークを使用して、学習モデルを構築できます。 画像分類の転移学習の背後にある直感は、モデルが大規模で一般的なデータセットでトレーニングされている場合、このモデルを使用して
-
指定された文字列がパングラムであるかどうかを確認するPythonプログラム
この記事では、特定の問題ステートメントを解決するための解決策とアプローチについて学習します。 問題の説明 文字列入力が与えられた場合、その文字列がパングラムであるかどうかを確認するPythonプログラムを生成する必要があります。 パングラムは、英語のアルファベットコレクションのすべての文字を含む文/一連の単語です。 では、問題を解決する方法を見てみましょう 入力文字列に存在する各文字が、手動で宣言するアルファベットセットに属しているかどうかをチェックするループを使用します。 上記のアプローチの実装は、-によって与えられます。 例 import string def ispangram