https://programmers.co.kr/learn/courses/30/lessons/17678
\n카카오에서는 무료 셔틀버스를 운행하기 때문에 판교역에서 편하게 사무실로 올 수 있다. 카카오의 직원은 서로를 ‘크루’라고 부르는데, 아침마다 많은 크루들이 이 셔틀을 이용하여 출근한다.
\n이 문제에서는 편의를 위해 셔틀은 다음과 같은 규칙으로 운행한다고 가정하자.
\n09:00부터 총 n회 t분 간격으로 역에 도착하며, 하나의 셔틀에는 최대 m명의 승객이 탈 수 있다.09:00에 도착한 셔틀은 자리가 있다면 09:00에 줄을 선 크루도 탈 수 있다.일찍 나와서 셔틀을 기다리는 것이 귀찮았던 콘은, 일주일간의 집요한 관찰 끝에 어떤 크루가 몇 시에 셔틀 대기열에 도착하는지 알아냈다. 콘이 셔틀을 타고 사무실로 갈 수 있는 도착 시각 중 제일 늦은 시각을 구하여라.
\n단, 콘은 게으르기 때문에 같은 시각에 도착한 크루 중 대기열에서 제일 뒤에 선다. 또한, 모든 크루는 잠을 자야 하므로 23:59에 집에 돌아간다. 따라서 어떤 크루도 다음날 셔틀을 타는 일은 없다.
셔틀 운행 횟수 n, 셔틀 운행 간격 t, 한 셔틀에 탈 수 있는 최대 크루 수 m, 크루가 대기열에 도착하는 시각을 모은 배열 timetable이 입력으로 주어진다.
n ≦ 10t ≦ 60m ≦ 45timetable은 최소 길이 1이고 최대 길이 2000인 배열로, 하루 동안 크루가 대기열에 도착하는 시각이 HH:MM 형식으로 이루어져 있다.HH:MM은 00:01에서 23:59 사이이다.콘이 무사히 셔틀을 타고 사무실로 갈 수 있는 제일 늦은 도착 시각을 출력한다. 도착 시각은 HH:MM 형식이며, 00:00에서 23:59 사이의 값이 될 수 있다.
| n | \nt | \nm | \ntimetable | \nanswer | \n
|---|---|---|---|---|
| 1 | \n1 | \n5 | \n[“08:00”, “08:01”, “08:02”, “08:03”] | \n“09:00” | \n
| 2 | \n10 | \n2 | \n[“09:10”, “09:09”, “08:00”] | \n“09:09” | \n
| 2 | \n1 | \n2 | \n[“09:00”, “09:00”, “09:00”, “09:00”] | \n“08:59” | \n
| 1 | \n1 | \n5 | \n[“00:01”, “00:01”, “00:01”, “00:01”, “00:01”] | \n“00:00” | \n
| 1 | \n1 | \n1 | \n[“23:59”] | \n“09:00” | \n
| 10 | \n60 | \n45 | \n[“23:59”,“23:59”, “23:59”, “23:59”, “23:59”, “23:59”, “23:59”, “23:59”, “23:59”, “23:59”, “23:59”, “23:59”, “23:59”, “23:59”, “23:59”, “23:59”] | \n“18:00” | \n
Sort
\n# 시간 분 단위로 변환 후, 내림차순 정렬\n for i, time in enumerate(timetable):\n timetable[i] = int(time[:2]) * 60 + int(time[3:])\n timetable.sort(reverse=True)# 시간대별 셔틀 확인\n for i in range(n):\n full = True\n for j in range(m):\n # 셔틀에 탈 수 없으면, full을 False로 바꾸고 break\n if len(timetable) == 0 or timetable[-1] > cur_time:\n full = False\n break\n last_time = timetable.pop()\n cur_time += t\n if full: last_time -= 1 # 마지막 셔틀이 가득 차있으면, 제일 뒷 사람 시간 - 1\n else: last_time = cur_time - t # 가득 차있지 않으면, 현재 셔틀 시간timetable 리스트가 비어있거나 timetable의 마지막 값이 cur_time보다 큰 경우에는full을 False로 바꾸고 breakdef solution(n, t, m, timetable):\n answer = ''\n cur_time, last_time = 540, 540\n # 시간 분 단위로 변환 후, 내림차순 정렬\n for i, time in enumerate(timetable):\n timetable[i] = int(time[:2]) * 60 + int(time[3:])\n timetable.sort(reverse=True)\n # 시간대별 셔틀 확인\n for i in range(n):\n full = True\n for j in range(m):\n # 셔틀에 탈 수 없으면, full을 False로 바꾸고 break\n if len(timetable) == 0 or timetable[-1] > cur_time:\n full = False\n break\n last_time = timetable.pop()\n cur_time += t\n if full: last_time -= 1 # 마지막 셔틀이 가득 차있으면, 제일 뒷 사람 시간 - 1\n else: last_time = cur_time - t # 가득 차있지 않으면, 현재 셔틀 시간\n # 시간 문자열 변환\n hour = last_time // 60\n min = last_time % 60\n if hour < 10: answer += '0' + str(hour)\n else: answer += str(hour)\n answer += ':'\n if min < 10: answer += '0' + str(min)\n else: answer += str(min)\n \n return answer처음에 문제를 바로 이해하지 못해서 문제 이해하는데 시간을 보낸 것 같다…
\n문제 이해하고 나서 구현하기까지는 그렇게 오래 걸리지는 않았다. 조금 더 깔끔하게 코드를 바꿀 수 있을까
https://programmers.co.kr/learn/courses/30/lessons/17677
\n여러 언론사에서 쏟아지는 뉴스, 특히 속보성 뉴스를 보면 비슷비슷한 제목의 기사가 많아 정작 필요한 기사를 찾기가 어렵다. Daum 뉴스의 개발 업무를 맡게 된 신입사원 튜브는 사용자들이 편리하게 다양한 뉴스를 찾아볼 수 있도록 문제점을 개선하는 업무를 맡게 되었다.
\n개발의 방향을 잡기 위해 튜브는 우선 최근 화제가 되고 있는 “카카오 신입 개발자 공채” 관련 기사를 검색해보았다.
\n기사의 제목을 기준으로 “블라인드 전형”에 주목하는 기사와 “코딩 테스트”에 주목하는 기사로 나뉘는 걸 발견했다. 튜브는 이들을 각각 묶어서 보여주면 카카오 공채 관련 기사를 찾아보는 사용자에게 유용할 듯싶었다.
\n유사한 기사를 묶는 기준을 정하기 위해서 논문과 자료를 조사하던 튜브는 “자카드 유사도”라는 방법을 찾아냈다.
\n자카드 유사도는 집합 간의 유사도를 검사하는 여러 방법 중의 하나로 알려져 있다. 두 집합 A, B 사이의 자카드 유사도 J(A, B)는 두 집합의 교집합 크기를 두 집합의 합집합 크기로 나눈 값으로 정의된다.
예를 들어 집합 A = {1, 2, 3}, 집합 B = {2, 3, 4}라고 할 때, 교집합 A ∩ B = {2, 3}, 합집합 A ∪ B = {1, 2, 3, 4}이 되므로, 집합 A, B 사이의 자카드 유사도 J(A, B) = 2/4 = 0.5가 된다. 집합 A와 집합 B가 모두 공집합일 경우에는 나눗셈이 정의되지 않으니 따로 J(A, B) = 1로 정의한다.
자카드 유사도는 원소의 중복을 허용하는 다중집합에 대해서 확장할 수 있다. 다중집합 A는 원소 “1”을 3개 가지고 있고, 다중집합 B는 원소 “1”을 5개 가지고 있다고 하자. 이 다중집합의 교집합 A ∩ B는 원소 “1”을 min(3, 5)인 3개, 합집합 A ∪ B는 원소 “1”을 max(3, 5)인 5개 가지게 된다. 다중집합 A = {1, 1, 2, 2, 3}, 다중집합 B = {1, 2, 2, 4, 5}라고 하면, 교집합 A ∩ B = {1, 2, 2}, 합집합 A ∪ B = {1, 1, 2, 2, 3, 4, 5}가 되므로, 자카드 유사도 J(A, B) = 3/7, 약 0.42가 된다.
이를 이용하여 문자열 사이의 유사도를 계산하는데 이용할 수 있다. 문자열 “FRANCE”와 “FRENCH”가 주어졌을 때, 이를 두 글자씩 끊어서 다중집합을 만들 수 있다. 각각 {FR, RA, AN, NC, CE}, {FR, RE, EN, NC, CH}가 되며, 교집합은 {FR, NC}, 합집합은 {FR, RA, AN, NC, CE, RE, EN, CH}가 되므로, 두 문자열 사이의 자카드 유사도 J(\"FRANCE\", \"FRENCH\") = 2/8 = 0.25가 된다.
str1과 str2의 두 문자열이 들어온다. 각 문자열의 길이는 2 이상, 1,000 이하이다.입력으로 들어온 두 문자열의 자카드 유사도를 출력한다. 유사도 값은 0에서 1 사이의 실수이므로, 이를 다루기 쉽도록 65536을 곱한 후에 소수점 아래를 버리고 정수부만 출력한다.
\n| str1 | \nstr2 | \nanswer | \n
|---|---|---|
| FRANCE | \nfrench | \n16384 | \n
| handshake | \nshake hands | \n65536 | \n
| aa1+aa2 | \nAAAA12 | \n43690 | \n
| E=M*C^2 | \ne=m*c^2 | \n65536 | \n
문자열
\ndef make_dict(str):\n str_dict = defaultdict(int)\n pattern = re.compile('[A-Z]+') # 영문 대문자인 경우만\n for i in range(len(str)-1):\n if not pattern.match(str[i]) or not pattern.match(str[i+1]): continue\n str_dict[str[i]+str[i+1]] += 1\n return str_dict# str1 딕셔너리 기준으로 교집합, 차집합 수 계산\n for key in str1_dict.keys():\n # str2 딕셔너리에 값 있으면 교집합 계산\n if str2_dict[key] > 0:\n intersect += min(str1_dict[key], str2_dict[key])\n union += max(str1_dict[key], str2_dict[key]) # 합집합 계산\n # 계산한 key 값 0으로\n str1_dict[key] = 0\n str2_dict[key] = 0\n# str2 딕셔너리 기준으로 교집합, 차집합 수 계산\n for key in str2_dict.keys():\n # 두 딕셔너리 다 0이 아닌 경우, 교집합 계산\n if str1_dict[key] > 0 and str2_dict[key] > 0:\n intersect += min(str1_dict[key], str2_dict[key])\n union += max(str1_dict[key], str2_dict[key])min을 이용해서 교집합 계산max를 이용해서 합집합 계산하고, 계산한 key 값은 0으로 바꿔준다.min을 이용해서 교집합 계산max 이용해서 합집합 계산from collections import defaultdict\nimport re\ndef make_dict(str):\n str_dict = defaultdict(int)\n pattern = re.compile('[A-Z]+') # 영문 대문자인 경우만\n for i in range(len(str)-1):\n if not pattern.match(str[i]) or not pattern.match(str[i+1]): continue\n str_dict[str[i]+str[i+1]] += 1\n return str_dict\n\ndef solution(str1, str2):\n answer, intersect, union = 0, 0, 0\n # 대문자로 대소문자 통일 후, 딕셔너리 생성\n str1_dict = make_dict(str1.upper())\n str2_dict = make_dict(str2.upper())\n # 둘 다 공집합이면 65536 return\n if len(str1_dict) == 0 and len(str2_dict) == 0: return 65536\n # str1 딕셔너리 기준으로 교집합, 차집합 수 계산\n for key in str1_dict.keys():\n # str2 딕셔너리에 값 있으면 교집합 계산\n if str2_dict[key] > 0:\n intersect += min(str1_dict[key], str2_dict[key])\n union += max(str1_dict[key], str2_dict[key]) # 합집합 계산\n # 계산한 key 값 0으로\n str1_dict[key] = 0\n str2_dict[key] = 0\n # str2 딕셔너리 기준으로 교집합, 차집합 수 계산\n for key in str2_dict.keys():\n # 두 딕셔너리 다 0이 아닌 경우, 교집합 계산\n if str1_dict[key] > 0 and str2_dict[key] > 0:\n intersect += min(str1_dict[key], str2_dict[key])\n union += max(str1_dict[key], str2_dict[key])\n answer = intersect / union\n return int(answer*65536)다중집합 계산을 위해 딕셔너리에 저장하고 최솟값, 최댓값 계산을 통해 교집합, 합집합을 구하도록 했다.
\nisAlpha()를 이용해서 구현하려고 했지만, 영문자만 가능하게 구현하라고 해서 정규표현식을 사용해서 구현했다.
https://programmers.co.kr/learn/courses/30/lessons/17680
\n지도개발팀에서 근무하는 제이지는 지도에서 도시 이름을 검색하면 해당 도시와 관련된 맛집 게시물들을 데이터베이스에서 읽어 보여주는 서비스를 개발하고 있다.\n이 프로그램의 테스팅 업무를 담당하고 있는 어피치는 서비스를 오픈하기 전 각 로직에 대한 성능 측정을 수행하였는데, 제이지가 작성한 부분 중 데이터베이스에서 게시물을 가져오는 부분의 실행시간이 너무 오래 걸린다는 것을 알게 되었다.\n어피치는 제이지에게 해당 로직을 개선하라고 닦달하기 시작하였고, 제이지는 DB 캐시를 적용하여 성능 개선을 시도하고 있지만 캐시 크기를 얼마로 해야 효율적인지 몰라 난감한 상황이다.
\n어피치에게 시달리는 제이지를 도와, DB 캐시를 적용할 때 캐시 크기에 따른 실행시간 측정 프로그램을 작성하시오.
\ncacheSize)와 도시이름 배열(cities)을 입력받는다.cacheSize는 정수이며, 범위는 0 ≦ cacheSize ≦ 30 이다.cities는 도시 이름으로 이뤄진 문자열 배열로, 최대 도시 수는 100,000개이다.입력된 도시이름 배열을 순서대로 처리할 때, “총 실행시간”을 출력한다.
\nLRU(Least Recently Used)를 사용한다.cache hit일 경우 실행시간은 1이다.cache miss일 경우 실행시간은 5이다.| 캐시크기(cacheSize) | \n도시이름(cities) | \n실행시간 | \n
|---|---|---|
| 3 | \n[“Jeju”, “Pangyo”, “Seoul”, “NewYork”, “LA”, “Jeju”, “Pangyo”, “Seoul”, “NewYork”, “LA”] | \n50 | \n
| 3 | \n[“Jeju”, “Pangyo”, “Seoul”, “Jeju”, “Pangyo”, “Seoul”, “Jeju”, “Pangyo”, “Seoul”] | \n21 | \n
| 2 | \n[“Jeju”, “Pangyo”, “Seoul”, “NewYork”, “LA”, “SanFrancisco”, “Seoul”, “Rome”, “Paris”, “Jeju”, “NewYork”, “Rome”] | \n60 | \n
| 5 | \n[“Jeju”, “Pangyo”, “Seoul”, “NewYork”, “LA”, “SanFrancisco”, “Seoul”, “Rome”, “Paris”, “Jeju”, “NewYork”, “Rome”] | \n52 | \n
| 2 | \n[“Jeju”, “Pangyo”, “NewYork”, “newyork”] | \n16 | \n
| 0 | \n[“Jeju”, “Pangyo”, “Seoul”, “NewYork”, “LA”] | \n25 | \n
Queue
\n for city in cities:\n city = city.upper() # 대소문자 통일\n # 캐시에 값이 있는 경우\n if city in cache:\n answer += 1\n # Recently Used 업데이트\n cache.remove(city)\n cache.append(city)\n continue\n # 캐시에 값이 없는 경우\n answer += 5\n # 캐시가 가득 찬 경우\n if len(cache) == cacheSize:\n key = cache.popleft()\n cache.append(city)cache에서 popleft 해준다.from collections import deque\ndef solution(cacheSize, cities):\n answer = 0\n cache = deque()\n # cacheSize가 0이면 전부 다 miss\n if cacheSize == 0: return len(cities) * 5\n \n for city in cities:\n city = city.upper() # 대소문자 통일\n # 캐시에 값이 있는 경우\n if city in cache:\n answer += 1\n # Recently Used 업데이트\n cache.remove(city)\n cache.append(city)\n continue\n # 캐시에 값이 없는 경우\n answer += 5\n # 캐시가 가득 찬 경우\n if len(cache) == cacheSize:\n key = cache.popleft()\n cache.append(city)\n return answerLRU를 구현하기 위해 처음에는 딕셔너리를 생각했지만 비효율적인 것 같아서 deque을 사용해 큐를 이용하는 방법으로 구현했다.
\n두 가지 정도 테스트케이스가 통과 못했었는데 cacheSize가 0인 경우 예외 처리 하는 과정을 통해 처리했다.