Unione e intersezione di insiemi
Gli insiemi in Python sono simili agli insiemi in matematica sotto molti aspetti. Sono definiti allo stesso modo - con parentesi graffe. Si possono eseguire unione, intersezione o sottrazione su insiemi. L'intersezione di un insieme X e Y può essere fatta con
& in Python. L'unione degli insiemi X e Y può essere fatta con |. E la sottrazione può essere fatta con il semplice operatore -: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}- L'intersezione di due insiemi include tutti gli elementi presenti in entrambi gli insiemi. Quindi, in Python, è indicata con l'operatore "and"
&(elementi presenti sia in A che in B).
- L'unione di due insiemi include tutti gli elementi di entrambi gli insiemi. Quindi, in Python, è indicata con l'operatore "or"
|(elementi presenti in A o in B).
- La sottrazione di due insiemi include tutti gli elementi che sono presenti nell'insieme A ma non in B. Quindi, in Python, è indicata con l'operatore di sottrazione
-(elementi in A ma non in B).
Sfida
Immagina di essere un insegnante in una classe in cui ogni gruppo crea diverse presentazioni durante l'anno su argomenti diversi. Ci sono
n gruppi di studenti e ogni gruppo crea una o più presentazioni durante l'anno. Sei interessato a 2 numeri: quante diverse tematiche sono state trattate durante l'anno e quante tematiche sono state presentate da TUTTI i gruppi.La prima linea dell'input contiene un singolo intero
n. Le successive n linee contengono gli argomenti che ogni gruppo ha presentato separati da una virgola e uno spazio , .Il programma dovrebbe stampare due numeri separati da uno spazio. Il primo numero dovrebbe indicare il numero di argomenti presentati in totale e il secondo numero dovrebbe indicare quante tematiche sono state trattate da ogni gruppo della classe.
Input | Output |
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 |
Spiegazione:
- Ci sono 9 argomenti unici trattati: Deep Learning, Machine Learning, Neural Networks, Data Science, Sports Analytics, Scientific thinking, Automation of jobs with AI, Recent advances in NLP, AI
- Ci sono 2 argomenti trattati da tutti i gruppi: Deep Learning, AI
Constraints
Time limit: 2 seconds
Memory limit: 512 MB
Output limit: 1 MB