(전공복습) 데이터과학 4. 시각화
차례
문제 자체는 쉬운데, 구현할 게 많아서 귀찮은 문제이다.
처음에는 딕셔너리를 활용해서 먼지의 위치를 저장하려고 했는데, 먼지의 위치만 계속 추적하는 게 오버헤드가 클 것 같아서 포기했다.
기존 먼지의 위치는 board
에 그대로 저장하고, 새롭게 퍼져나가는 먼지를 new
에 따로 저장했다.
실제 먼지의 확산은 모든 칸에서 동시에 일어나야 하는데, board
에 덮어씌우면 순차적으로 일어나게 되기 때문이다.
(예를 들어, 원래 먼지량이 5였던 칸이 옆 칸의 먼지로 인해 10이 되면, 확산되어야 하는 양이 1에서 2로 바뀔 수 있다.)
그 외에도 구현 상 신경써야 할 부분이 많았다. 공기의 순환에서 먼지 위치를 덮어씌우지 않기 위해서는 공기청정기에서 빨아들이는 공기부터 순환시키거나 하는 등…
재미는 있었지만 고민도 많이 했고 다시 풀려면 피곤할 것 같은 문제.
from sys import stdin
input = stdin.readline
r, c, t = map(int, input().split())
board = [list(map(int, input().split())) for _ in range(r)]
# 공기청정기의 하단부 위치를 저장
for i, line in enumerate(board):
for j, e in enumerate(line):
if e == -1:
fresher = i
for _ in range(t):
# 새로 확산되는 먼지를 저장하는 배열
new = [[0] * c for _ in range(r)]
for i, line in enumerate(board):
for j, e in enumerate(line):
# 빈 공간이거나 공기청정기 위치면 패스
if not e or e == -1:
continue
# temp는 먼지가 몇 군데로 퍼졌는지 저장하는 변수
temp = 0
for di, dj in ((-1, 0), (1, 0), (0, -1), (0, 1)):
if 0 <= i+di < r and 0 <= j+dj < c:
# 공기청정기로는 먼지가 퍼지지 않는다
if board[i+di][j+dj] == -1:
continue
new[i+di][j+dj] += board[i][j] // 5
temp += 1
# 뺄 때는 new가 아니라 board에 바로 적용한다
board[i][j] -= board[i][j] // 5 * temp
# new에 있는 먼지를 board에 더해주는 과정
for i, line in enumerate(new):
for j, e in enumerate(line):
if not e:
continue
board[i][j] += new[i][j]
# 상단부 순환
for i in range(fresher-2, 0, -1):
board[i][0] = board[i-1][0]
for j in range(c-1):
board[0][j] = board[0][j+1]
for i in range(fresher-1):
board[i][-1] = board[i+1][-1]
for j in range(c-1, 1, -1):
board[fresher-1][j] = board[fresher-1][j-1]
board[fresher-1][1] = 0
# 하단부 순환
for i in range(fresher+1, r-1):
board[i][0] = board[i+1][0]
for j in range(c-1):
board[-1][j] = board[-1][j+1]
for i in range(r-1, fresher, -1):
board[i][-1] = board[i-1][-1]
for j in range(c-1, 1, -1):
board[fresher][j] = board[fresher][j-1]
board[fresher][1] = 0
# board 전체의 합에서 공기청정기(-2)를 빼줌
print(sum(map(sum, board)) + 2)
문제 링크 문제 링크
개요 선형적인 자료구조에서는 값에 접근하는 데에 \(O(1)\)이면 충분하지만, 대신 부분합을 구하는 데에는 \(O(N)\)이 필요하다. 그렇다면 이 자료구조를 이진 트리로 구성하면 어떨까? 값에 접근하는 데에 걸리는 시간이 \(O(\lg N)\)으로 늘어나지만 대신 부분합을 구하...
개요 다익스트라 알고리즘과 함께 Single Sourse Shortest Path(SSSP) 문제를 푸는 알고리즘이다. 즉, 한 노드에서 다른 모든 노드로 가는 최단 경로를 구하는 알고리즘이다. 다익스트라 알고리즘보다 느리지만, 음수 가중치 간선이 있어도 작동하며, 음수 가중치 사...
개요 다익스트라 알고리즘은 Single Sourse Shortest Path(SSSP) 문제를 푸는 알고리즘 중 하나이다. 즉, 한 노드에서 다른 모든 노드로 가는 최단 경로를 구하는 알고리즘이다. 단, 다익스트라 알고리즘은 음수 가중치 엣지를 허용하지 않는다. 이 경우에는 벨만-...