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
|
7月前
leetcode-2028:找出缺失的观测数据
leetcode-2028:找出缺失的观测数据
55 0
|
7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
321 2
|
13天前
|
存储 机器学习/深度学习 数据可视化
数据集中存在大量的重复值,会对后续的数据分析和处理产生什么影响?
数据集中存在大量重复值可能会对后续的数据分析和处理产生多方面的负面影响
44 10
|
4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
|
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
|
7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
|
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
819 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
310 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!
115 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。
691 0
如何使用下探分析定位多维指标异常根因