Vereinigungen und Schnittmengen von Mengen
Mengen in Python sind in vielerlei Hinsicht ähnlich zu Mengen in der Mathematik. Sie werden auf die gleiche Weise definiert – mit geschweiften Klammern. Man kann Vereinigungen, Schnittmengen oder Subtraktionen von Mengen durchführen. Die Schnittmenge von Menge X und Y kann in Python mit
& gebildet werden. Die Vereinigung von Menge X und Y kann mit | durchgeführt werden. Und die Subtraktion kann mit dem einfachen - Operator ausgeführt werden:x = {3, 12, 5, 13}
y = {14, 15, 6, 3}
print(x, y) # {5, 3, 12, 13} {3, 15, 6, 14}
print(x & y) # {3}
print(x | y) # {3, 5, 6, 12, 13, 14, 15}
print(x - y) # {13, 12, 5}- Die Schnittmenge zweier Mengen enthält alle Elemente, die in beiden Mengen vorhanden sind. In Python wird sie mit dem
&Operator dargestellt (Elemente, die sowohl in A als auch in B sind).
- Die Vereinigung zweier Mengen enthält alle Elemente beider Mengen. In Python wird sie mit dem
|Operator dargestellt (Elemente, die entweder in A oder in B sind).
- Die Subtraktion zweier Mengen enthält alle Elemente, die in Menge A vorhanden sind, aber nicht in B. In Python wird sie mit dem
-Operator dargestellt (Elemente, die in A sind, aber nicht in B).
Herausforderung
Stell dir vor, du bist Lehrer in einer Klasse, in der jede Gruppe während des Jahres mehrere Präsentationen zu verschiedenen Themen erstellt. Es gibt
n Gruppen von Schülern, und jede Gruppe erstellt während des Jahres eine oder mehrere Präsentationen. Du interessierst dich für 2 Zahlen: Wie viele verschiedene Themen wurden im Laufe des Jahres behandelt, und wie viele Themen wurden von ALLEN Gruppen präsentiert.Die erste Zeile der Eingabe enthält eine einzelne ganze Zahl
n. Die nächsten n Zeilen enthalten die Themen, die jede Gruppe präsentiert hat, getrennt durch ein Komma und ein Leerzeichen , .Das Programm sollte zwei Zahlen ausgeben, getrennt durch ein Leerzeichen. Die erste Zahl gibt die Anzahl der insgesamt präsentierten Themen an, und die zweite Zahl gibt an, wie viele Themen von jeder Gruppe in der Klasse behandelt wurden.
Eingabe | Ausgabe |
4
Neural Networks, Deep Learning, Machine Learning, AI
AI, Data Science, Sports Analytics, Deep Learning
Deep Learning, AI, Automation of jobs with AI
AI, Scientific thinking, Recent advances in NLP, Deep Learning | 9 2 |
1
Python, Django, Flask, AI, Backend | 5 5 |
Erläuterung:
- Es gibt 9 einzigartige Themen, die behandelt wurden: Deep Learning, Machine Learning, Neural Networks, Data Science, Sports Analytics, Scientific thinking, Automation of jobs with AI, Recent advances in NLP, AI
- Es gibt 2 Themen, die von allen Gruppen behandelt wurden: Deep Learning, AI
Constraints
Time limit: 2 seconds
Memory limit: 512 MB
Output limit: 1 MB