20天刷图-2028. 找出缺失的观测数据

简介: 现有一份 n + m 次投掷单个 六面 骰子的观测数据,骰子的每个面从 1 到 6 编号。观测数据中缺失了 n 份,你手上只拿到剩余 m 次投掷的数据。幸好你有之前计算过的这 n + m 次投掷数据的 平均值 。给你一个长度为 m 的整数数组 rolls ,其中 rolls[i] 是第 i 次观测的值。同时给你两个整数 mean 和 n 。返回一个长度为 n 的数组,包含所有缺失的观测数据,且满足这 n + m 次投掷的 平均值 是 mean 。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。k 个数字的 平均值 为这些数字求和后再除以 k 。

一、题目描述:

现有一份 n + m 次投掷单个 六面 骰子的观测数据,骰子的每个面从 1 到 6 编号。观测数据中缺失了 n 份,你手上只拿到剩余 m 次投掷的数据。幸好你有之前计算过的这 n + m 次投掷数据的 平均值 。

给你一个长度为 m 的整数数组 rolls ,其中 rolls[i] 是第 i 次观测的值。同时给你两个整数 mean 和 n 。

返回一个长度为 n 的数组,包含所有缺失的观测数据,且满足这 n + m 次投掷的 平均值 是 mean 。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。

k 个数字的 平均值 为这些数字求和后再除以 k 。

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

提示:

m == rolls.length 1 <= n, m <= 105 1 <= rolls[i], mean <= 6

来源:力扣(LeetCode) 链接:leetcode-cn.com/problems/fi…

二、思路分析:

根据题目描述,数组rolls 的长度为 m,记录了 m 个观测数据,还有 n 个观测数据缺失,共有 n + m 个观测数据。由于所有观测数据的平均值为mean,因此所有观测数据之和为 mean*(n+m)。 具体实现过程如下:

先求出当前数组和 sum 以及所有数的和 total ,判断出 sum 与 total 之间的差值。如果它们的差值太大导致缺失的全部都是 6时, sum 还是始终小于 total ;如果差值太小导致缺失的全部都是 1 时, sum 加上缺失的值会大于 total ,此时返回空数组。否则就计算其平均值,然后再去维护超过平均值的部分。

三、AC代码

class Solution {
    public int[] missingRolls(int[] rolls, int mean, int n) {
        int[] ans = new int[n];
        int total = (rolls.length + n) * mean;
        int sum = Arrays.stream(rolls).sum();
        if (sum + n > total || sum + n * 6 < total){
            return new int[0];
        }
        Arrays.fill(ans, (total - sum) / n);
        int div = (total - sum) % n;
        for (int i = 0; i < div; i++) {
            ans[i]++;
        }
        return ans;
    }
}

四、总结:

网络异常,图片无法展示
|

掘友们,解题不易,如果觉得有用就留下个赞或评论再走吧!谢啦~ 💐



相关文章
|
6月前
leetcode-2028:找出缺失的观测数据
leetcode-2028:找出缺失的观测数据
54 0
|
6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
298 2
|
3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
|
4月前
|
存储
测试问题之可观测性的本质是什么,SLS在可观测性领域采取了什么样的策略
测试问题之可观测性的本质是什么,SLS在可观测性领域采取了什么样的策略
|
6月前
|
机器学习/深度学习 Python
Stata估算观测数据的风险比
Stata估算观测数据的风险比
|
6月前
R语言对混合分布中的不可观测与可观测异质性因子分析
R语言对混合分布中的不可观测与可观测异质性因子分析
|
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
793 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
|
Prometheus 监控 Cloud Native
Prometheus 监控指南:如何可靠地记录数字时间序列数据
Prometheus 监控指南:如何可靠地记录数字时间序列数据
304 0
|
SQL BI iOS开发
不要再因为数据指标吵架了!
不要再因为数据指标吵架了!
110 0
|
SQL JSON 运维
如何使用下探分析定位多维指标异常根因
在系统运维过程中,关键指标的异常变化往往意味着服务异常、系统故障等等。因此我们往往会对一些关键指标进行自动巡检,例如异常检测和时序预测等等,及时感知指标的异常变化,了解系统的健康状况。对于复杂系统来说,感知到异常后直接在系统层面根因定位可能是十分困难的。因此我们需要一些手段缩小问题的排查范围或者直接定位问题,如使用 trace 根因分析等等。阿里云日志服务上线了下探分析功能,用于多维指标异常根因定位。我们将介绍该功能的使用场景和使用案例。
670 0
如何使用下探分析定位多维指标异常根因