2028. 找出缺失的观测数据 : 构造运用题

简介: 2028. 找出缺失的观测数据 : 构造运用题

网络异常,图片无法展示
|


题目描述



这是 LeetCode 上的 2028. 找出缺失的观测数据 ,难度为 中等


Tag : 「模拟」、「构造」


现有一份 n + mn+m 次投掷单个「六面」骰子的观测数据,骰子的每个面从 1166 编号。观测数据中缺失了 nn 份,你手上只拿到剩余 mm 次投掷的数据。幸好你有之前计算过的这 n + mn+m 次投掷数据的平均值。


给你一个长度为 mm 的整数数组 rolls ,其中 rolls[i]rolls[i] 是第 ii 次观测的值。同时给你两个整数 meanmeannn


返回一个长度为 nn 的数组,包含所有缺失的观测数据,且满足这 n + mn+m 次投掷的平均值是 meanmean


如果存在多组符合要求的答案,只需要返回其中任意一组即可。如果不存在答案,返回一个空数组。


kk 个数字的 平均值 为这些数字求和后再除以 kk


注意 meanmean 是一个整数,所以 n + mn+m 次投掷的总和需要被 n + mn+m 整除。


示例 1:


输入:rolls = [3,2,4,3], mean = 4, n = 2
输出:[6,6]
解释:所有 n + m 次投掷的平均值是 (3 + 2 + 4 + 3 + 6 + 6) / 6 = 4 。
复制代码


示例 2:


输入:rolls = [1,5,6], mean = 3, n = 4
输出:[2,3,2,2]
解释:所有 n + m 次投掷的平均值是 (1 + 5 + 6 + 2 + 3 + 2 + 2) / 7 = 3 。
复制代码


示例 3:


输入:rolls = [1,2,3,4], mean = 6, n = 4
输出:[]
解释:无论丢失的 4 次数据是什么,平均值都不可能是 6 。
复制代码


示例 4:


输入:rolls = [1], mean = 3, n = 1
输出:[5]
解释:所有 n + m 次投掷的平均值是 (1 + 5) / 2 = 3 。
复制代码


提示:


  • m == rolls.lengthm==rolls.length
  • 1 <= n, m <= 10^51<=n,m<=105
  • 1 <= rolls[i], mean <= 61<=rolls[i],mean<=6


构造



根据题意,我们需要构造长度为 nn 的序列 ansans,使得 ansansrollsrolls 并集的平均值为 meanmean


由于最终的平均值 meanmean 已知,我们可以直接算得两序列之和为 t = (m + n) * meant=(m+n)mean


使用 tt 减去 \sum_{i = 0}^{m}rolls[i]i=0mrolls[i] 可得 \sum_{i = 0}^{n}ans[i]i=0nans[i]。我们知道一个长度为 nn 的有效序列的元素和范围为 [n, 6 * n][n,6n](骰子编号为 [1, 6][1,6]),根据 \sum_{i = 0}^{m}rolls[i]i=0mrolls[i][n, 6 * n][n,6n] 关系进行分情况讨论:


  • 如果 \sum_{i = 0}^{n}ans[i]i=0nans[i] 不落在 [n, 6 * n][n,6n] 范围内,无解,直接返回空数组;
  • 如果 \sum_{i = 0}^{n}ans[i]i=0nans[i] 落在 [n, 6 * n][n,6n] 范围内,有解,此时尝试构造一个合法的 ansans : 起始使用 \left \lfloor \frac{\sum_{i = 0}^{n}ans[i]}{n} \right \rfloorni=0nans[i] 填充 ansans,若 \left \lfloor \frac{\sum_{i = 0}^{n}ans[i]}{n} \right \rfloor * n < \sum_{i = 0}^{n}ans[i]ni=0nans[i]n<i=0nans[i],计算两者差异值 dd,并尝试将 dd 分摊到前 ddans[i]ans[i] 上(该过程一定可以顺利进行)。


代码:


class Solution {
    public int[] missingRolls(int[] rolls, int mean, int n) {
        int m = rolls.length, cnt = m + n;
        int t = mean * cnt;
        for (int i : rolls) t -= i;
        if (t < n || t > 6 * n) return new int[0];
        int[] ans = new int[n];
        Arrays.fill(ans, t / n);
        if (t / n * n < t) {
            int d = t - (t / n * n), idx = 0;
            while (d-- > 0) ans[idx++]++;
        }
        return ans;
    }
}
复制代码


  • 时间复杂度:O(m + n)O(m+n)
  • 空间复杂度:O(n)O(n)


最后



这是我们「刷穿 LeetCode」系列文章的第 No.2028 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先把所有不带锁的题目刷完。


在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。


为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour…


在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

相关文章
|
5月前
|
机器学习/深度学习 数据采集 算法
大模型开发:什么是时间序列预测,以及如何处理此类数据?
时间序列预测分析历史数据以预测未来,涉及数据收集、预处理、模型选择(如ARIMA或DeepAR)、模型训练、评估及未来值预测。处理时序数据需注意时间依赖性,预处理和模型选择对准确性影响大。
124 3
|
5月前
leetcode-2028:找出缺失的观测数据
leetcode-2028:找出缺失的观测数据
52 0
|
5月前
|
数据采集 数据挖掘 数据处理
数据清洗的主要步骤包括**理解数据、处理重复值、处理空缺值、处理异常值、数据标准化和数据收集
【4月更文挑战第3天】数据清洗的主要步骤包括**理解数据、处理重复值、处理空缺值、处理异常值、数据标准化和数据收集
229 2
|
25天前
|
机器学习/深度学习 数据采集 算法
时间序列结构变化分析:Python实现时间序列变化点检测
在时间序列分析和预测中,准确检测结构变化至关重要。新出现的分布模式往往会导致历史数据失去代表性,进而影响基于这些数据训练的模型的有效性。
42 1
|
21天前
|
数据可视化
如何使用四分位距方法来识别数据中的异常值?
如何使用四分位距方法来识别数据中的异常值?
|
2月前
|
SQL 缓存 数据挖掘
数据平台问题之复合指标生成中维度能力如何处理
数据平台问题之复合指标生成中维度能力如何处理
|
5月前
|
机器学习/深度学习 运维 算法
【视频】检测异常值的4种方法和R语言时间序列分解异常检测
【视频】检测异常值的4种方法和R语言时间序列分解异常检测
|
数据采集 机器学习/深度学习 算法
②数据预处理之数据清理,数据集成,数据规约,数据变化和离散化
数据预处理之数据清理,数据集成,数据规约,数据变化和离散化
705 0
②数据预处理之数据清理,数据集成,数据规约,数据变化和离散化
|
12月前
|
机器学习/深度学习 数据采集 搜索推荐
特征构造:从原始数据中创造出高效信息
特征构造:从原始数据中创造出高效信息
117 0
|
传感器 编解码 计算机视觉
使用星凸随机超曲面模型对扩展对象和分组目标进行形状跟踪(Matlab代码实现)
使用星凸随机超曲面模型对扩展对象和分组目标进行形状跟踪(Matlab代码实现)
123 0
使用星凸随机超曲面模型对扩展对象和分组目标进行形状跟踪(Matlab代码实现)