一个认为一切根源都是“自己不够强”的INTJ
个人主页：用哲学编程-CSDN博客专栏：每日一题——举一反三
Python编程学习
Python内置函数
目录
1. DRY（Don't Repeat Yourself）原则
2. KISS（Keep It Simple, Stupid）原则
1. DRY（Don't Repeat Yourself）原则
2. KISS（Keep It Simple, Stupid）原则
我的写法
try:
N=int(input())
for i in range(N):
Z=input()
Z_len=len(Z)
A=int(Z[:Z_len//2])
B=int(Z[Z_len//2:])
# 当Z为2000时，B为0，分母不能拿为0
if B==0:
print("No")
continue
Z=int(Z)
if Z%(A*B)==0:
print("Yes")
else:
print("No")
except:
pass
这段代码的功能是对输入的一些数字进行特定的检查，并输出结果。具体来说，对于每个输入的数字Z，它将其分成两部分A和B，然后检查Z是否能被A和B的乘积整除，如果能则输出"Yes"，否则输出"No"。以下是对这段代码的详细点评和分析：
正确性和功能性
- 输入处理：
- N = int(input())：读取第一行的整数，表示要处理的数字的数量。
- for i in range(N): 循环读取接下来的N个数字。
- 核心逻辑：
- Z_len = len(Z)：计算输入数字的长度。
- A = int(Z[:Z_len//2]) 和 B = int(Z[Z_len//2:])：将数字Z分割成两部分A和B。
- if B == 0: 检查B是否为零，防止除以零的错误。
- Z = int(Z)：将字符串Z转换成整数。
- if Z % (A * B) == 0: 检查Z是否能被A和B的乘积整除。
时间复杂度
- 读取输入：读取N个数字，时间复杂度为O(N)。
- 分割操作：对于每个数字Z，分割成A和B的操作花费O(1)时间，因为字符串切片操作在Python中是O(1)。
- 整数转换：将字符串转换成整数的操作，时间复杂度为O(L)，其中L是字符串Z的长度。
- 除法和取余操作：这些操作的时间复杂度取决于数字的大小，通常近似为O(1)。
因此，总的时间复杂度为O(N * L)，其中N是数字的数量，L是每个数字Z的平均长度。
空间复杂度
- 输入存储：需要存储N个数字，空间复杂度为O(N * L)。
- 变量存储：使用了一些常量级别的变量（例如A, B, Z），空间消耗为O(1)。
因此，总的空间复杂度为O(N * L)。
其他点评
- 异常处理：代码使用了一个大范围的try-except块来捕捉所有异常。这种做法可能会掩盖具体的错误，建议只捕获预期的异常（例如ValueError），以便更好地调试和维护代码。
- 代码风格：整体代码风格较好，逻辑清晰，但可以进一步改进：
- 在条件检查语句中，添加注释以解释意图。
- 使用更具描述性的变量名以提高代码的可读性。
- 边界检查：代码没有处理输入为奇数长度的情况。假设输入的Z总是偶数长度，否则代码会抛出错误。
总结
这段代码实现了一定的功能，但在异常处理和边界条件处理方面可以进一步改进。总体来说，时间复杂度为O(N * L)，空间复杂度为O(N * L)，在处理大量输入时可能会有一定的性能瓶颈。
我要更强
要优化这段代码，需要在确保功能正确的前提下，尽量减少不必要的计算和存储。以下是几种优化思路：
- 避免重复的字符串转换：
- 目前代码中将字符串多次转换为整数，可以减少不必要的转换次数。
- 减少字符串切片操作：
- 字符串切片操作虽然是常数时间复杂度，但如果能减少这些操作的次数，也能提升性能。
- 优化异常处理：
- 尽量减少try-except块的范围，只捕获特定的异常，以便更好地调试。
以下是优化后的代码和注释：
try:
N = int(input())
for _ in range(N):
Z = input().strip()
Z_len = len(Z)
# 如果Z长度是奇数，直接跳过
if Z_len % 2 != 0:
print("No")
continue
# 分割字符串为A和B
mid = Z_len // 2
A = int(Z[:mid])
B = int(Z[mid:])
# 当B为0时，直接输出"No"
if B == 0:
print("No")
continue
Z = int(Z)
# 检查Z是否能被A*B整除
if A != 0 and Z % (A * B) == 0:
print("Yes")
else:
print("No")
except ValueError:
# 捕获输入转换过程中可能发生的异常
pass优化后的时间复杂度和空间复杂度
- 时间复杂度：
- 读取输入：O(N)
- 分割操作和整数转换：每个数字分割和转换操作都是O(1)，总体为O(N)
- 整除检查：也是O(1)，总体为O(N)
- 总的时间复杂度为O(N)
- 空间复杂度：
- 输入存储：O(N * L)
- 变量存储：常量级别的变量存储为O(1)
- 总的空间复杂度为O(N * L)
进一步优化
如果输入数字的长度非常长，可以考虑按需读取和处理，或者使用生成器来处理输入，以减少内存占用。这在大多数情况下已经是非常高效的处理方式。
哲学和编程思想
在优化代码的过程中，应用了多种编程思想和哲学。这些思想和哲学有助于编写出更加高效、可维护和健壮的代码。以下是具体的说明：
1. DRY（Don't Repeat Yourself）原则
概念：
- 不要重复自己，这一原则强调代码的复用，避免冗余。
应用：
- 在优化后的代码中，我们减少了重复的字符串转换操作，避免了不必要的冗余。
2. KISS（Keep It Simple, Stupid）原则
概念：
- 保持简单，尽量避免复杂性。这一原则强调代码应尽可能简单明了，减少复杂性。
应用：
- 优化后的代码通过减少不必要的操作和只捕获特定异常，使代码简单明了，易于理解和维护。
3. 单一责任原则
概念：
- 每个模块或函数应当只有一个明确的责任。这是面向对象设计的第一个原则，但同样适用于一般编程实践。
应用：
- 优化后的代码中，输入的处理、字符串分割和整除检查各自有清晰的责任和界限。
4. 最小化代码范围
概念：
- 尽量缩小代码块的范围，特别是那些可能引发异常的代码块。这样可以更容易地追踪和处理错误。
应用：
- 在优化后的代码中，我们将try-except块的范围缩小，只捕获特定的ValueError异常，这有助于更好地调试代码。
5. 空间与时间的权衡
概念：
- 平衡空间复杂度和时间复杂度，是算法优化中的一个基本原则，根据具体需求选择合适的优化方向。
应用：
- 在优化过程中，我们通过减少不必要的变量存储和重复计算，优化了时间复杂度，同时保持空间复杂度的合理使用。
6. 边界条件处理
概念：
- 考虑所有可能的输入情况，特别是边界条件，以确保代码的健壮性。
应用：
- 在优化后的代码中，我们添加了对奇数长度输入的处理，确保了代码在各种输入下的正确性。
7. 懒惰求值
概念：
- 只在需要时才计算值，避免不必要的计算。
应用：
- 通过在需要时才转换字符串为整数和进行整除检查，我们避免了不必要的计算，提高了代码效率。
举一反三
当然，这些编程哲学和思想可以用于指导你在各种编程任务中的编码实践。以下是一些具体的技巧和建议，帮助在不同的情境中应用这些原则：
1. DRY（Don't Repeat Yourself）原则
技巧：
- 封装重复逻辑：将重复的代码块封装到函数或类中，以便重用。
- 使用常量和配置文件：对于重复的配置或常量，使用配置文件或常量定义，避免硬编码多次。
- 模块化设计：将代码分解成独立的模块，每个模块负责一个特定的功能。
举一反三：
- 在数据处理任务中，将常见的预处理步骤（如数据清洗、标准化）封装成函数。
- 在前端开发中，将常用的组件（如按钮、表单）抽象成独立的UI组件。
2. KISS（Keep It Simple, Stupid）原则
技巧：
- 避免过度工程：不要为未来可能的需求过度设计程序，保持当前需求的简单实现。
- 清晰的命名：使用有意义的变量、函数和类名，使代码一目了然。
- 简化控制流：避免过多的嵌套或复杂的条件语句，使用简洁的逻辑。
举一反三：
- 在算法设计中，选择简单而高效的算法，而不是复杂难懂的解决方案。
- 在项目管理中，尽量使用简单的工具和流程，减少不必要的复杂性。
3. 单一责任原则
技巧：
- 单一功能的函数：每个函数只做一件事，确保其职责单一。
- 模块化代码：将不同功能分布到不同的模块或类中，每个模块或类负责一个独立的功能。
- 清晰的接口：设计清晰的接口，使各模块间的交互明确而简单。
举一反三：
- 在Web应用开发中，将业务逻辑、数据访问和UI逻辑分离到不同的层中。
- 在机器学习项目中，将数据预处理、模型训练和结果评估分成独立的步骤。
4. 最小化代码范围
技巧：
- 局部变量：尽量使用局部变量，避免全局变量的使用。
- 小范围的try-except块：将异常处理块的范围缩小，只包含可能引发异常的代码。
- 函数内联：尽量将变量定义放在其第一次使用的地方，减少变量的生命周期。
举一反三：
- 在并发编程中，尽量缩小锁的范围，减少锁的持有时间，提高并发性能。
- 在数据库交互中，只在需要时打开和关闭数据库连接，减少资源占用。
5. 空间与时间的权衡
技巧：
- 缓存技术：使用缓存来存储计算结果，减少重复计算，提高性能。
- 渐进式优化：从最简单的实现开始，逐步优化性能，避免过早优化。
- 合适的数据结构：选择合适的数据结构，以便在空间和时间复杂度之间找到平衡。
举一反三：
- 在Web开发中，使用CDN、缓存和压缩技术来优化页面加载速度。
- 在数据处理任务中，选择合适的数据存储格式（如CSV、Parquet）以平衡读取速度和文件大小。
6. 边界条件处理
技巧：
- 输入验证：对输入数据进行严格的验证，确保其满足预期的条件。
- 单元测试：编写单元测试，特别是针对边界条件的测试，确保代码在各种情况下都能正常工作。
- 防御性编程：在代码中添加检查和保护机制，防止意外情况导致程序崩溃。
举一反三：
- 在用户输入处理时，验证输入的格式和范围，防止无效或恶意输入。
- 在网络编程中，处理网络超时、连接失败等异常情况，确保程序的健壮性。
7. 懒惰求值
技巧：
- 惰性加载：在需要时才加载资源或计算结果，避免不必要的资源消耗。
- 生成器：使用生成器来处理大数据集，按需生成数据，节省内存。
- 按需初始化：在对象需要时才初始化其属性，避免不必要的初始化。
举一反三：
- 在大数据处理时，使用惰性评估技术（如Spark的RDD）来优化计算性能。
- 在图像处理应用中，按需加载和处理图像数据，减少内存使用。
总结
这些编程思想和哲学不仅适用于特定的语言和环境，还可以在各种编程任务和项目中灵活运用。通过掌握这些原则，可以编写出更高效、更健壮、更易维护的代码。
标签：Cut,PAT,Python,复杂度,len,int,优化,代码,输入 From： https://blog.csdn.net/weixin_44915521/article/details/139744170