Uniões e interseções de conjuntos
Conjuntos em Python são similares aos conjuntos na matemática em muitos aspectos. Eles são definidos da mesma forma - com chaves
{ }. Podemos realizar união, interseção ou subtração em conjuntos. A interseção dos conjuntos X e Y pode ser feita com & em Python. A união dos conjuntos X e Y pode ser feita com |. E a subtração pode ser feita com o operador -: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}- A interseção de dois conjuntos inclui todos os elementos que estão presentes em ambos os conjuntos. Assim, em Python, é representada pelo operador "e"
&(elementos que estão tanto em A quanto em B).
- A união de dois conjuntos inclui todos os elementos de ambos os conjuntos. Assim, em Python, é representada pelo operador "ou"
|(elementos que estão em A ou em B).
- A subtração de dois conjuntos inclui todos os elementos que estão presentes no conjunto A mas não estão em B. Assim, em Python, é representada pelo operador de "subtração"
-(elementos em A mas não em B).
Desafio
Imagine que você é um professor em uma turma onde cada grupo cria várias apresentações durante o ano sobre diferentes tópicos. São
n grupos de estudantes e cada grupo cria uma ou mais apresentações durante o ano. Você está interessado em 2 números: quantos tópicos diferentes foram cobertos durante o ano e quantos tópicos foram apresentados por TODOS os grupos.A primeira linha da entrada contém um único inteiro
n. As próximas n linhas contêm os tópicos que cada grupo apresentou, separados por vírgula e espaço , .O programa deve imprimir dois números separados por um espaço. O primeiro número deve indicar o número de tópicos apresentados no total e o segundo número deve indicar quantos tópicos foram cobertos por todos os grupos da turma.
Entrada | Saída |
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 |
Explicação:
- Existem 9 tópicos únicos cobertos: Deep Learning, Machine Learning, Neural Networks, Data Science, Sports Analytics, Scientific thinking, Automation of jobs with AI, Recent advances in NLP, AI
- Existem 2 tópicos cobertos por todos os grupos: Deep Learning, AI
Constraints
Time limit: 2 seconds
Memory limit: 512 MB
Output limit: 1 MB