博客
关于我
1093 Count PAT‘s (25分) 含DP做法
阅读量:376 次
发布时间:2019-03-05

本文共 1308 字,大约阅读时间需要 4 分钟。

为了解决这个问题,我们需要计算给定字符串中包含多少个“PAT”子串。通过预处理左边的P的数量和右边的T的数量,然后在每个可能的A的位置上计算它们的乘积之和,可以高效地解决这个问题。

方法思路

  • 预处理左边的P的数量:创建一个数组preP,其中preP[i]表示从字符串开头到位置i(包括i)左边有多少个P。
  • 预处理右边的T的数量:创建一个数组postT,其中postT[i]表示从位置i到字符串末尾右边有多少个T。
  • 计算总数:遍历字符串,当遇到字符A时,将preP[i]postT[i]相乘,并将结果加到总数中。
  • 这种方法的时间复杂度是O(n),非常高效,适用于长度很大的字符串。

    解决代码

    #include 
    #include
    using namespace std;#define MOD 1000000007int main() { string m; cin >> m; int n = m.size(); if (n == 0) { cout << 0 << endl; return 0; } vector
    preP(n, 0); preP[0] = (m[0] == 'P') ? 1 : 0; for (int i = 1; i < n; ++i) { preP[i] = (m[i] == 'P') ? preP[i-1] + 1 : preP[i-1]; } vector
    postT(n, 0); postT[n-1] = (m[n-1] == 'T') ? 1 : 0; for (int i = n-2; i >= 0; --i) { postT[i] = (m[i] == 'T') ? postT[i+1] + 1 : postT[i+1]; } long long res = 0; for (int i = 0; i < n; ++i) { if (m[i] == 'A') { res = (res + preP[i] * postT[i]) % MOD; } } cout << res % MOD << endl; return 0;}

    代码解释

  • 读取输入:从标准输入读取字符串m
  • 初始化数组:创建两个数组prePpostT,分别记录每个位置左边的P的数量和右边的T的数量。
  • 计算preP数组:从左到右遍历字符串,统计每个位置左边的P的数量。
  • 计算postT数组:从右到左遍历字符串,统计每个位置右边的T的数量。
  • 计算总数:遍历字符串,当遇到字符A时,计算preP[i]postT[i]的乘积,并累加到结果中,最后输出结果模1e9+7。
  • 这种方法确保了在处理大字符串时的效率,避免了暴力枚举所有可能的子串。

    转载地址:http://azbwz.baihongyu.com/

    你可能感兴趣的文章
    Pandas 根据布尔条件选择行和列
    查看>>
    pandas 滚动窗口 - datetime64[ns] 未实现
    查看>>
    pandas 版本兼容特定的蟒蛇和NumPy配置吗?
    查看>>
    pandas 生成excel多级表头
    查看>>
    pandas 读取excel数据,以字典形式输出
    查看>>
    Pandas 读取具有浮点值的 csv 文件会导致奇怪的舍入和小数位数
    查看>>
    pandas 适用,但仅适用于满足条件的行
    查看>>
    pandas 重新采样到每月的特定工作日
    查看>>
    pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
    查看>>
    pandas :检测一个DF和另一个DF之间缺失的列
    查看>>
    Pandas-从具有嵌套列表列表的现有列创建动态列时出错
    查看>>
    Pandas-通过对列和索引的值求和来合并两个数据框
    查看>>
    pandas.read_csv()的详解-ChatGPT4o作答
    查看>>
    PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
    查看>>
    pandas100个骚操作:再见 for 循环!速度提升315倍!
    查看>>
    Pandas:对给定列求和 DataFrame 行
    查看>>
    Pandas、Matplotlib、Pyecharts数据分析实践
    查看>>
    Pandas中文官档~基础用法2
    查看>>
    Pandas中文官档~基础用法6
    查看>>
    pandas交换两列
    查看>>