- 題目來源：2020華爲軟件精英挑戰賽–初賽
- 題目說明：
2.1 輸入信息：輸入爲包含資金流水的文本文件，每一行代表一次資金交易記錄，包含本端賬號ID, 對端賬號ID, 轉賬金額，用逗號隔開。
本端賬號ID和對端賬號ID爲一個32位的無符號整數
轉賬金額爲一個32位的無符號整數
轉賬記錄最多爲28萬條
每個賬號平均轉賬記錄數< 10
賬號A給賬號B最多轉賬一次
舉例如下，其中第一行[1,2,100]表示ID爲1的賬戶給ID爲2的賬戶轉賬100元：
1,2,100
1,3,100
2,4,90
3,4,50
4,1,95
2,5,95
5,4,90
4,6,30
6,7,29
7,4,28
2.2 輸出信息：輸出信息爲一個文件，包含如下信息:
第一行輸出：滿足限制條件下的循環轉賬個數。
說明：數據集經過處理，會保證滿足條件的循環轉賬個數小於300萬。
第二行開始：輸出所有滿足限制條件的循環轉賬路徑詳情。
輸出循環轉賬路徑要按照指定排序策略進行排序：每條循環轉賬中，ID（ID轉爲無符號整數後）最小的第一個輸出；總體按照循環轉賬路徑長度升序排序；同一級別的路徑長度下循環轉賬賬號ID序列，按照字典序（ID轉爲無符號整數後）升序排序。
舉例如下：
4
1,2,4
1,3,4
4,6,7
1,2,5,4
2.3 限制條件：循環轉賬的路徑長度最小爲3（包含3）最大爲7（包含7），例如賬戶A給賬戶B轉賬，賬戶B給賬戶A轉賬，循環轉賬的路徑長度爲2，不滿足循環轉賬條件。 - 題目理解：
![在這裏插入圖片描述]()
說明：2,4,1,2 是長度爲 3 的環，按照升序的要求是：1,2,4
本案例是以鄰接表的形式找環，利用 sort 對 graph.keys() 得到的 key 值進行從小到大的排序，爲了在找環過程中出現重複找環的情況，進行了剪枝優化，即：比自己小的 key 不再去查找，本案例用的最基本的 for 循環，對於十萬以內的環查找速度較快，但是不建議用python 程序參加比賽，主要是太慢了。當然自己也想過用多進程多線程進行優化，然而效果並沒有多大的提升，本文可以很好的幫助小白理解操作，大佬不喜勿噴啊，畢竟作爲一個妹子碼代碼不容易，自己一個人走了太多的彎路了，不過個人很歡迎大佬前來指導一二。
廢話不多說，下面上代碼。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2020/4/23 13:04
# @Author : xueli
# @Software: win10 Tensorflow1.13.1 python3.6.3
import time
def func(graph,s):#graph圖 s指的是開始結點
path =[]
for x1 in graph[s]:
if x1 > s:
try:
nodes2 = graph[x1]
except KeyError as e:
pass
else:
for x2 in nodes2:
if x2 > s:
try:
nodes3 = graph[x2]
except KeyError as e:
pass
else:
for x3 in nodes3:
if s == x3:
A = [s,x1,x2]
if len(set(A)) == len(A):
path.append(A)
elif x3 > s:
try:
nodes4 = graph[x3]
except KeyError as e:
pass
else:
for x4 in nodes4:
if s == x4:
A = [s,x1,x2,x3]
if len(set(A)) == len(A):
path.append(A)
elif x4 > s:
try:
nodes5 = graph[x4]
except KeyError as e:
pass
else:
for x5 in nodes5:
if s == x5:
A = [s,x1,x2,x3,x4]
if len(set(A)) == len(A):
path.append(A)
elif x5 > s:
try:
nodes6 = graph[x5]
except KeyError as e:
pass
else:
for x6 in nodes6:
if s == x6:
A = [s,x1,x2,x3,x4,x5]
if len(set(A)) == len(A):
path.append(A)
elif x6 > s:
try:
nodes7 = graph[x6]
except KeyError as e:
pass
else:
for x7 in nodes7:
if s == x7:
A = [s,x1,x2,x3,x4,x5,x6]
if len(set(A)) == len(A):
path.append(A)
else:
break
return path
def savePredict(AA2):
t2 = time.time()
with open(result_name, 'w') as f:
f.write(str(len(dd))+'\n')
for aa in AA2:
ww = str(aa)
q1 = ww.strip(']')
qq = q1.strip('[')
bb = qq.replace(" ", "")
f.write(str(bb)+"\n")
print('write_time', time.time() - t2)
if __name__ == '__main__':
t1 = time.time()
file_name = "./data/test_data.txt"
result_name = "result.txt"
with open(file_name) as f:
a = []
c = []
for line in f.readlines():
line = line.strip('\n') # 去掉換行符\n
b = line.split(',') # 將每一行以空格爲分隔符轉換成列表
a.append(int(b[0]))
c.append(int(b[1]))
print('read_time', time.time() - t1)
graph = {}
data_list = [a,c]
for x in range(len(a)):
if a[x] in graph:
graph[a[x]] += [c[x]]
else:
graph[a[x]] = [c[x]]
s = sorted(graph.keys())
t4 = time.time()
dd = []
for i in s:
d = func(graph, i)
if d != []:
for ii in d:
dd.append(ii)
dd.sort()
print('func_time', time.time() - t4)
AA2 = sorted(dd, key=lambda i: len(i), reverse=False)
print(len(dd))
savePredict(AA2)
print('總時:', time.time() - t1)
運行結果：
代碼和數據已經上傳到GitHub，感興趣的可以下載下來。
https://github.com/xueli-lxl/python