追加: Python の基本 + モンテカルロアルゴリズム (ソースコード付き) を使用して、順列と組み合わせに関する質問を共有します。

[[433811]]

みなさんこんにちは。私は Python の専門家です。

驚きましたか？先週、この記事を公開しました：Python の基礎 + モンテカルロアルゴリズム (ソースコード付き) を使用して順列と組み合わせを実装する問題を共有する、そして今日は追加の章と呼ばれる別の問題があります！実際、今日は [🌑(これは月の裏側です)] の解決策を皆さんと共有したいと思います。これは素晴らしいです！

数日前、Caigeコミュニケーショングループで、[Rick Xiang]というファンがPythonコミュニケーショングループでの順列と組み合わせについて質問しました。一見とても簡単に思えますが、実際にはかなり難しいです。

タイトルは次のとおりです: リストには重複する値のない 15 個のランダムな数字があります。リストからランダムに 5 つの数字を選択し、a と a+1 のすべての可能な組み合わせを見つけます。 a は 15 個の数字のうちのいずれかになります。

アイデアと解決策については、この記事では、Pythonの基本+モンテカルロアルゴリズム（ソースコード付き）を使用して順列と組み合わせを実装する問題を共有し、【張先生】と【ちょっと面白い】のアイデアと解決策を提供します。合計5つのコードがあり、誰でも学ぶのに十分です。興味のある友人は、すぐに学んでください。実用的な情報が満載です。

2. 新しいコード

先週の金曜日、私は Python の基礎 + モンテカルロアルゴリズム (ソースコード付き) を使用して順列と組み合わせを実装する問題を共有するこのオリジナル記事を公開しました。幸いなことに、下の図に示すように、個人的に実践して建設的な解決策を提供してくれたファンがいます。

より誰にとっても分かりやすいと思われる【🌑(これが月の裏側です)】の擬似コードを載せておきます。

 # -*- コーディング: utf-8 -*-
 # モジュール性
ランダムにインポート
numpyをnpとしてインポートする
インポート時間  
 
 
 # 15個のランダムな値を取り出す
get_random15() を定義します:
    random_array = [np.array(random.sample(range(2000), 15))範囲(100000)内のiの場合]
    random5 = {get_random5(random15)、 random15が random_array内にある場合}
 [i for i in random5 if i]を返す
 
 
 # 15個のランダムな値を走査し、隣接する2つのランダムな数値を取り、判定後に条件を満たす値を返します
get_random5(random_15)を定義します。
    random_5 = set (random_15[random.sample(range(15), 5)]) # np.arrayのインデックスが選択値を置き換えます
    #要素に特定の要素が含まれているかどうかを判断するには、 setプロパティを使用します。
    random_5_resp = { len(random_5.intersection({num, num + 1})) == 2 の場合はTrue 、それ以外の場合は 間違い  num in random_5}の場合
Trueの場合はtuple(random_5)を返す  random_5_respの場合、それ以外は() 
 
 
 __name__ == '__main__'の場合:
    start_time =時間.時間()
    最終結果 = get_random15()
    print( "質問の要件を満たすリストの合計は %d です" % len(final_result))
    print( "それらは: %s" % final_result)
    end_time =時間.時間()
    使用時間 = 終了時間 - 開始時間
    印刷()
    print( "このプログラムに使用された時間: {}" .format( time .strftime( '%H(時間):%M(分):%S(秒)' , time .gmtime(used_time))))

このコードは本当によく書かれています。Python の基礎知識がない人にとっては、理解するのは少し難しいでしょう。私も最初に読んだときは、理解するのが少し難しいと感じました。理解するには、何度か読む必要があります。

このコードはテスト済みで、効果的です。前のコードは約 12 秒かかりましたが、このコードは 1.5 秒しかかかりません。

彼はここで3つの最適化を行いました。1つ目は、15個の数字からランダムに5つの値を選択するのに長い時間がかかったことです。ここでは、numpy.arrayの特性を利用してコードを最適化しています。科学計算では、多くのループ文を節約でき、Pythonのリストよりもコードが簡単に使用できます。Pythonのリストは直接操作できませんが、Numpy配列は直接操作できます。2つ目は、以前の重複排除機能を削除することです。ここでもsetを使用して最適化しているため、この部分で時間が節約されています。3つ目は、セットの交差演算を使用することです。これにより、以前のif判断に比べて時間が節約されます。

こう考えるとため息が出ます、「人生は短い、私は Python を使う」！