(Python)判断两个数组是否包含相同元素

简介: (Python)判断两个数组是否包含相同元素

【问题描述】

编写一个函数 same_set(a,b,len),
该函数检查相等长度的两个数组是否包含相同的元素,若包含相同的元素,
则返回1,否则返回0,其中参数len是数组a与与数组b的元素个数。
不考虑元素的顺序,如果元素重复,重复次数也相同。在main函数中读入两个整数数组,测试该函数。

【输入形式】

从键盘输入两个数组,第一行输入数组元素个数,第二行输入第一个数组的各个值,
第三行输入第二个数组的各个值。

【输出形式】

如果两个数组包含的元素相同,打印1,否则,打印0。

【样例输入】

7
11#16#9#7#4#1#11
11#11#7#9#16#4#1
("#"代表空格)

【样例输出】

1

【样例说明】

两个数组中均包含11,4,7,9,1,16,而且11的重复次数有两次。

【题解】

def same_set(a, b, len):
    for i in a:
        if i not in dictionary_a:
            dictionary_a[i] = 1
        else:
            dictionary_a[i] += 1
    for i in b:
        if i not in dictionary_b:
            dictionary_b[i] = 1
        else:
            dictionary_b[i] += 1
    if dictionary_a == dictionary_b:
        print(1)
    else:
        print(0)


count = int(input())
dictionary_a = {}
dictionary_b = {}
a = input()
b = input()
a = list(map(int, list(a.split())))
b = list(map(int, list(b.split())))
same_set(a, b, count)
相关文章
|
8月前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
629 0
|
8月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
696 1
|
机器学习/深度学习 并行计算 大数据
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧2
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
683 10
|
索引 Python
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧1
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
604 4
|
Python
Python 选出列表中特定的元素
Python 选出列表中特定的元素
428 3
|
数据处理 索引 Python
Python列表与元素修改的操作技巧
Python列表提供了丰富的方法和技巧来进行高效的数据操作。熟练运用上述技巧,可以大大提高数据处理的效率和代码的可读性。实践中,根据具体需求灵活选择合适的方法,可以在保证代码效率的同时,也使代码更加简洁明了。
537 2
|
存储 数据处理 索引
如何删除 Python 数组中的值?
【8月更文挑战第29天】
807 9
|
索引 Python
向 Python 数组添加值
【8月更文挑战第29天】
567 8
|
存储 缓存 C语言
|
存储 测试技术 Python
Python 数组和列表有什么区别?
【8月更文挑战第29天】
3775 4

推荐镜像

更多