Uniones e intersecciones de conjuntos
Los conjuntos en Python son similares a los conjuntos en matemáticas en muchos sentidos. Se definen de la misma manera: con llaves. Se pueden realizar operaciones de unión, intersección o sustracción en conjuntos. La intersección de un conjunto X e Y se puede hacer con
& en Python. La unión de los conjuntos X e Y se puede hacer con |. Y la sustracción se puede hacer con el operador simple -: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}- La intersección de dos conjuntos incluye todos los elementos que están presentes en ambos conjuntos. Así, en Python, se denota con el operador "y"
&(elementos que están tanto en A como en B).
- La unión de dos conjuntos incluye todos los elementos de ambos conjuntos. Así, en Python, se denota con el operador "o"
|(elementos que están en A o en B).
- La sustracción de dos conjuntos incluye todos los elementos que están presentes en el conjunto A pero no en B. Así, en Python, se denota con el operador de "sustracción"
-(elementos que están en A pero no en B).
Desafío
Imagina que eres un profesor en una clase donde cada grupo crea varias presentaciones durante el año sobre distintos temas. Hay
n grupos de estudiantes y cada grupo crea una o más presentaciones durante el año. Te interesan 2 números: cuántos temas diferentes se han cubierto durante el año y cuántos temas han sido presentados por TODOS los grupos.La primera línea de entrada contiene un único entero
n. Las siguientes n líneas contienen los temas que cada grupo presentó, separados por una coma y un espacio , .El programa debe imprimir dos números separados por un espacio. El primer número debe indicar el número total de temas presentados y el segundo número debe indicar cuántos temas han sido cubiertos por todos los grupos de la clase.
Entrada | Salida |
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 |
Explicación:
- Hay 9 temas únicos cubiertos: Deep Learning, Machine Learning, Neural Networks, Data Science, Sports Analytics, Scientific thinking, Automation of jobs with AI, Recent advances in NLP, AI
- Hay 2 temas cubiertos por todos los grupos: Deep Learning, AI
Constraints
Time limit: 2 seconds
Memory limit: 512 MB
Output limit: 1 MB