week2-[一維數組]出現次數

week2-[一維數組]出現次數

題目描述

給定 NNN 個整數A1,A2,…,ANA_1,A_2,\ldots,A_NA1?,A2?,,AN?。請求出這 NNN 個數中出現次數最多的數的出現次數,以及出現次數最少的數的出現次數。

輸入格式

讀入包括 222 行。第一行只有 111 個整數 NNN,表示數的個數。第二行包括 NNN 個整數 A1,A2,…,ANA_1,A_2,\ldots,A_NA1?,A2?,,AN?

輸出格式

輸出只有 111 行,包括兩個恰好用一個空格隔開的整數,分別表示 A1,A2,…,ANA_1,A_2,\ldots,A_NA1?,A2?,,AN? 中出現次數最多的數的出現次數,以及出現次數最少的數的出現次數。

樣例 #1

樣例輸入 #1

5
3 6 2 5 2

樣例輸出 #1

2 1

樣例 #2

樣例輸入 #2

8
10 10 10 10 10 10 10 10

樣例輸出 #2

8 8

樣例 #3

樣例輸入 #3

7
2 3 2 4 2 3 4

樣例輸出 #3

3 2

提示

樣例解釋1

3,6,2,5,23, 6, 2, 5, 23,6,2,5,2222 出現了 222 次,3,5,63,5,63,5,6 各出現了 111 次。因此出現次數最多的數出現了 222 次,出現次數最少的數出現了 111 次。

樣例解釋2

10,10,10,10,10,10,10,1010,10,10,10,10,10,10,1010,10,10,10,10,10,10,10 中只有 101010 這一種數字,其出現了 888 次,因此出現次數最多的數和出現次數最少的數的出現次數都是 888 次。

樣例解釋3

2,3,2,4,2,3,42,3,2,4,2,3,42,3,2,4,2,3,4222 出現了 333 次,333444 各出現了 222 次。因此出現次數最多的數出現了 333 次,出現次數最少的數出現了 222 次。

數據范圍

對于所有數據,1≤N≤1000,0≤Ai≤1001 \le N \le 1000, 0 \le A_i \le 1001N1000,0Ai?100

1. 閱讀題目

  • 輸入:
    • NNN:數的個數
    • NNN 個整數:A1,A2,…,ANA_1, A_2, \ldots, A_NA1?,A2?,,AN?
  • 輸出:
    • 兩個數,中間空格隔開:
      • 出現次數最多的數的出現次數
      • 出現次數最少的數的出現次數

2. 分析問題

題目范圍:

  • N≤1000N \le 1000N1000Ai≤100A_i \le 100Ai?100
    👉 數據量小,可以直接用 頻率統計數組

思路

  1. 建立一個頻率數組 cnt[101](因為 Ai≤100A_i \le 100Ai?100)。
  2. 遍歷 AiA_iAi?,統計每個數字出現的次數。
  3. 找到 cnt 中的最大值和最小值(注意:只考慮出現過的數字)。
  4. 輸出這兩個值。

3. C++ 代碼實現

#include <iostream>
using namespace std;int main() {int N;cin >> N;int cnt[101] = {0};  // 用來統計出現次數for (int i = 0; i < N; i++) {int x;cin >> x;cnt[x]++;}int maxCnt = 0, minCnt = N + 1;for (int i = 0; i <= 100; i++) {if (cnt[i] > 0) { // 只考慮出現過的數字if (cnt[i] > maxCnt) maxCnt = cnt[i];if (cnt[i] < minCnt) minCnt = cnt[i];}}cout << maxCnt << " " << minCnt << "\n";return 0;
}

4. 示例運行

輸入:

7
2 3 2 4 2 3 4

輸出:

3 2

? 總結

  • 用數組 cnt 統計每個數字的出現次數。
  • 只在 cnt[i] > 0 時更新最大值/最小值。
  • 時間復雜度 O(N+100)O(N + 100)O(N+100),足夠快。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/pingmian/93758.shtml
繁體地址,請注明出處:http://hk.pswp.cn/pingmian/93758.shtml
英文地址,請注明出處:http://en.pswp.cn/pingmian/93758.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

力扣 hot100 Day79

215. 數組中的第K個最大元素 給定整數數組 nums 和整數 k&#xff0c;請返回數組中第 k 個最大的元素。 請注意&#xff0c;你需要找的是數組排序后的第 k 個最大的元素&#xff0c;而不是第 k 個不同的元素。 你必須設計并實現時間復雜度為 O(n) 的算法解決此問題。 class…

C++圍繞音視頻相關的資料都有哪些?如何進行學習

音視頻技術涉及的內容廣泛而深入。我會根據自己的知識給你提供一個系統性的音視頻相關資料梳理&#xff0c;主要分為學習路徑與核心知識、開源項目與實戰、開發者資源以及熱點與趨勢幾個方面&#xff0c;希望能幫助你高效地學習和探索。 先用一個表格來概覽主要的學習方向和資…

AI自動化測試,解決傳統自動化測試中??腳本維護成本高、用例覆蓋不全、缺陷發現滯后??等痛點

AI自動化測試&#xff0c;解決傳統自動化測試中??腳本維護成本高、用例覆蓋不全、缺陷發現滯后??等痛點AI自動化測試通過機器學習&#xff08;ML&#xff09;、自然語言處理&#xff08;NLP&#xff09;、計算機視覺&#xff08;CV&#xff09;等技術&#xff0c;解決了傳統…

Laravel 事件與監聽器

下面是一個完整的用戶注冊事件和監聽器的實現示例&#xff0c;包含事件、監聽器、注冊、觸發等完整流程。一、軟件版本 php: 8.2.20laravel: 11mysql: 8.0.29 二、完整實現過程 1.創建事件 1.1 首先創建用戶注冊事件 php artisan make:event UserRegistered1.2 編輯app/Events/…

前端 React 實現數據懶加載-滾動觸底加載數據

在 React 中使用 Intersection Observer API 實現觸底加載分頁&#xff08;無限滾動&#xff09;1.基本實現思路 在列表底部放置一個 哨兵元素&#xff08;Sentinel&#xff09;&#xff08;如 <div>&#xff09;。使用 IntersectionObserver 監聽該元素是否進入視口&…

MySQL 50 道經典練習題及答案

目錄 一、數據表設計與初始化 1. 數據表結構說明 2. 建表語句 3. 插入測試數據 二、練習題及答案 1. 查詢 "01" 課程比 "02" 課程成績高的學生的信息及課程分數 2. 查詢同時存在 "01" 課程和 "02" 課程的情況 3. 查詢存在 &qu…

電競護航小程序搭建三角洲俱樂部護航派單小程序開發游戲派單系統定制開發

成品系統&#xff0c;可以快速搭建。功能概述&#xff1a;商家入駐、老板點單、快捷發單、自定義發單、發單列表、管事入駐、訂單審核裁決、打手入駐、打手排行榜、邀請排行榜、賬戶充值、余額提現、成為客服等

MYSQL-增刪查改CRUD

目錄 &#x1f33f;前言&#xff1a; &#x1f33f;增-C-Create-新增 &#x1f9ca;單行數據全列插入 &#x1f34b;?&#x1f7e9;語法&#xff1a; &#x1f34b;?&#x1f7e9;演示&#xff1a; &#x1f9ca;指定列插入 &#x1f34b;?&#x1f7e9;語法&#xf…

【Loss學習筆記】Focal loss、QFL、DFL、VFL——目標檢測定位損失函數詳解

文章目錄Focal loss&#xff08;2018 ICCV &#xff0c;RetinaNet&#xff09;1、Focal Loss 提出背景問題一&#xff1a;正負樣本數量不均衡問題問題二&#xff1a;難分類/易分類樣本數量不均衡問題對兩個問題的解決2、正負樣本數量不均衡問題的解決&#xff1a;Focal loss 的…

nertctl使用了解

測試了幾個容器&#xff0c;似乎未對k8s的containerd產生影響&#xff0c;都能訪問 再次測試&#xff0c;containerd發生了重啟&#xff0c;nrtdctl啟動的容器都沒了 #### sealos 創建containerd集群 sealos run registry.cn-shanghai.aliyuncs.com/labring/kubernetes:v1.29…

三、k8s 1.29 之 資源清單

一、什么是資源 資源(Resources) 是指集群中可被分配、管理和調度的各種實體,既包括計算、存儲、網絡等基礎設施資源,也包括 K8s 自身定義的 API 對象(如 Pod、Deployment 等)。這些資源是 K8s 調度和管理工作負載的核心基礎。 Kubernetes 中的資源本質上是 “可被操作的…

React中常用的Hook(useEffect、useRef、useMemo、useNavigate、useParams)

React hook1&#xff1a;useEffect 在編程中&#xff0c;副作用是指函數或表達式在執行過程中對外部環境產生影響的行為。例如&#xff1a; 修改外部變量&#xff08;如全局變量、DOM、API 請求、設置定時器等&#xff09; 什么是純函數&#xff1f; // 純函數&#xff1a;輸入…

關聯規則挖掘1:Apriori算法

目錄 一、Apriori算法核心原理 1. 基本概念 2. Apriori性質 二、完整案例計算&#xff08;超市購物數據&#xff09; ?步驟1&#xff1a;按字母序重排每筆交易? ?步驟2&#xff1a;統計頻繁1-項集&#xff08;min_support40%&#xff09;?? ?步驟3&#xff1a;生成…

基于 C++ 線程池的多線程目標檢測后處理系統設計與實現

在實際的智能視頻分析系統中,目標檢測(如 YOLOv5)只是第一步。檢測結果往往需要進行后續處理:畫框、報警、推流、日志記錄等。這些操作如果在檢測主線程中同步執行,會嚴重拖慢整體推理速度。 本文將帶你從零實現一個基于 C++ 模板線程池的異步后處理系統,實現“檢測與后…

Java并發容器詳解

1. JUC并發容器概述 Java集合容器框架主要有四大類別&#xff1a;List、Set、Queue、Map。常見的ArrayList、LinkedList、HashMap等容器都是非線程安全的。 Java提供了同步容器&#xff08;如Vector、Hashtable、SynchronizedList&#xff09;通過synchronized實現同步&#xf…

SpringAI系列---【SpringA集成OllamaI如何先調用向量庫,再把查到的結果一起傳給大模型?】

SpringAI如何先調用向量庫&#xff0c;再把查到的結果一起傳給大模型&#xff1f; 1.引入pom <dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-ollama</artifactId></depend…

告別“測試滯后”:AI實時測試工具在敏捷開發中的落地經驗

告別“測試滯后”&#xff1a;AI實時測試工具在敏捷開發中的落地經驗 在敏捷開發的“快速迭代”節奏中&#xff0c;測試環節常常成為“拖后腿”的短板。某互聯網公司的敏捷團隊曾陷入這樣的循環&#xff1a;2周迭代周期中&#xff0c;開發用10天完成功能&#xff0c;留給測試的…

K8S-Pod資源對象

一、K8S架構與組件1、K8S架構k8s 總體架構采用了經典的 maste/slave 架構模式&#xff0c;分 master 節點和 worker 節點&#xff0c;節點可以是虛擬機也可以是物理機。K8S組件 master 節點組件Kube-apiserver 用于暴露 Kubernetes API&#xff0c;任何資源請求或調用操作都是通…

PyTorch API 5

文章目錄torch.compiler延伸閱讀torch.fft快速傅里葉變換輔助函數torch.func什么是可組合的函數變換&#xff1f;為什么需要可組合的函數變換&#xff1f;延伸閱讀torch.futurestorch.fx概述編寫轉換函數圖結構快速入門圖操作直接操作計算圖使用 replace_pattern() 進行子圖重寫…

基于決策樹模型的汽車價格預測分析

一、整體流程概覽這份代碼實現了一個完整的機器學習預測流程&#xff0c;核心目標是通過汽車的各項特征預測其價格。整體流程分為 6 個主要步驟&#xff1a;模擬生成汽車數據集&#xff08;含價格標簽&#xff09;數據預處理&#xff08;清洗、編碼、特征選擇&#xff09;探索性…