📌  相关文章
📜  每个数组元素中数组中最接近的质数(1)

📅  最后修改于: 2023-12-03 15:40:39.836000             🧑  作者: Mango

寻找每个数组元素中最接近的质数

介绍

有时候,在一个给定数组中,我们需要找到每个元素中最接近的质数。这可能是因为我们需要使用质数进行某些计算,或者因为我们只对质数感兴趣。在这个问题中,我们需要编写一个函数来查找每个元素的最接近质数。

解决方案

我们可以解决这个问题的一种方法是为数组中的每个元素生成一个范围,然后找到范围内最接近的质数。但这将需要对每个元素进行循环,其中包括生成范围和查找最接近的质数。这可能是一个非常耗时的过程,尤其是当数组较大时。为了优化这个过程,我们可以使用一些技巧。

首先,我们可以生成一个较大的质数列表,并将它们存储在一个数组中。然后,对于给定的元素,我们可以找到它最接近的质数,通过在质数列表中查找满足它以下的最大质数和满足它以上的最小质数之间的最接近质数。

这种方法比先生成一个范围再查找最接近的质数更有效,因为我们只需要对数组进行一次循环,然后对每个元素在质数列表中进行二分查找。这样可以大大缩短我们查找每个元素的时间。

代码片段

这里是一个实现上述算法的代码片段。

import bisect
import math

def find_closest_prime(num):
    """ 找到最接近给定数字的质数 """
    if num < 2:
        return 2
    for i in range(2, int(math.sqrt(num)) + 1):
        if num % i == 0:
            return find_closest_prime(num + 1)
    return num

def prime_array(arr):
    """ 查找每个元素的最接近质数并返回新数组 """
    primes = [2]
    for num in range(3, max(arr) + 1, 2):
        if all(num % i != 0 for i in range(3, int(math.sqrt(num)) + 1, 2)):
            primes.append(num)

    result = []
    for num in arr:
        index = bisect.bisect_left(primes, num)
        if index == len(primes):
            result.append(primes[-1])
        elif primes[index] == num:
            result.append(num)
        elif index == 0:
            result.append(primes[0])
        else:
            lo = abs(num - primes[index - 1])
            hi = abs(num - primes[index])
            result.append(primes[index - 1] if lo <= hi else primes[index])
    return result

这段代码包含两个函数。find_closest_prime函数接收一个数字并返回最接近它的质数。我们使用该函数来查找满足以下条件的质数:

  1. 大于或等于给定元素的最大质数。
  2. 小于或等于给定元素的最小质数。

prime_array函数接收一个数组,并返回一个新的数组,其中包含每个元素的最接近质数。该函数使用bisect模块中的bisect_left函数在质数列表中查找最接近的质数。这个函数是一个二分查找,它返回插入给定元素时它应该放置的位置。在我们的例子中,查找返回的位置是最接近给定元素的质数的位置。如果查找返回的位置是len(primes),则给定元素大于列表中的最大质数。在这种情况下,我们返回列表中的最大质数。如果查找返回的位置恰好是给定元素的位置,则给定元素本身就是质数。否则,我们将比较它和它前面和后面的两个质数之间的距离,并返回最近的质数。

总结

在这篇文章中,我们介绍了解决“每个数组元素中数组中最接近的质数”的问题的一种方法。我们将一个较大的质数列表生成为优化,然后对于每个元素查找最接近的质数。我们使用了二分查找来加速这个过程。使用这种方法,我们可以在循环数组中一次访问完成查找,然后通过在质数列表中进行二分查找来找到最接近的质数。这个方法提高了查找速度,减少了需要计算每个元素的时间。