笨小熊

笨小熊

描述

笨小熊的词汇量很小,所以每次做英语选择题的时候都很头疼。但是他找到了一种方法,经试验证明,用这种方法去选择选项的时候选对的几率非常大!  这种方法的具体描述如下:假设maxn是单词中出现次数最多的字母的出现次数,minn是单词中出现次数最少的字母的出现次数,如果maxn-minn是一个质数,那么笨小熊就认为这是个Lucky Word,这样的单词很可能就是正确的答案。

输入第一行数据N(0<N<100)表示测试数据组数。 每组测试数据输入只有一行,是一个单词,其中只可能出现小写字母,并且长度小于100。输出每组测试数据输出共两行,第一行是一个字符串,假设输入的的单词是Lucky Word,那么输出“Lucky Word”,否则输出“No Answer”;  第二行是一个整数,如果输入单词是Lucky Word,输出maxn-minn的值,否则输出0样例输入

2
error
olympic

样例输出

Lucky Word
2
No Answer
0
 
#include <iostream>
#include <string.h>
#include <cmath>
using namespace std;
bool isPrime(int n)
{
    for(int i=2;i<=sqrt(n);i++)
    {
        if((n % i)==0)
            return false;
          }    
    return true;
}
int main()
{
    int n;
    int a,b;
    char arr[100];
    cin>>n;
    while(n--)
    {
        cin>>arr;
        int max = 0;
        int L=strlen(arr);
        int min = L;
            for(int i=0;i<L;i++){
                a=0,b=0;
                for(int j=0;j<L;j++){
                    if(arr[i]==arr[j])
                        a++;
                    else
                        b++;
                }
            
            if(a>max)
                max = a;
            if(L-b<min)
                min =L- b;
            }
            if(min == L)
                min =0;
            max=max-min;
            if(max==1 ||max==0)
                cout<<"No Answer"<<endl<<'0'<<endl;
            else
            {
            if(isPrime(max))
                cout<<"Lucky Word"<<endl<<max<<endl;
            else
                cout<<"No Answer"<<endl<<'0'<<endl;
}
    }
return 0;
}        

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏计算机视觉与深度学习基础

【深度学习】写诗机器人tensorflow实现

代码地址:https://github.com/hjptriplebee/Chinese_poem_generator, 欢迎fork, star 机器人命名M...

2.7K6
来自专栏技术随笔

[RNN] Simple LSTM代码实现 & BPTT理论推导

4744
来自专栏Python私房菜

用Python写算法 | 蓄水池算法实现随机抽样

现在有一组数,不知道这组数的总量有多少,请描述一种算法能够在这组数据中随机抽取k个数,使得每个数被取出来的概率相等。

1521
来自专栏AI研习社

在 TensorFlow 里构建神经网络来可视化高维数据

在诸如自然语言处理、推荐系统构建等深度学习研究的许多方面,词汇嵌入和高维数据无处不在。谷歌最近开源了 embedding project 项目,此项目是一个交...

1263
来自专栏Bay的专栏

如何使用 scikit-learn 为机器学习准备文本数据

文本数据需要特殊处理,然后才能开始将其用于预测建模。

2295
来自专栏漫漫深度学习路

tensorflow学习笔记(三十):tf.gradients 与 tf.stop_gradient() 与 高阶导数

gradient tensorflow中有一个计算梯度的函数tf.gradients(ys, xs),要注意的是,xs中的x必须要与ys相关,不相关的话,会报错...

1.5K9
来自专栏HansBug's Lab

算法模板——线段树6(二维线段树:区域加法+区域求和)(求助phile)

实现功能——对于一个N×M的方格,1:输入一个区域,将此区域全部值作加法;2:输入一个区域,求此区域全部值的和 其实和一维线段树同理,只是不知道为什么速度比想象...

3415
来自专栏机器学习算法工程师

Java 机器学习库Smile实战(一)SVM

本文不会介绍SVM的基本原理,如果想了解SVM基本原理,请参阅相关书籍。 要使用Java机器学习库Smile,需首先在项目的Maven配置文件pom.xml中添...

43912
来自专栏xingoo, 一个梦想做发明家的程序员

动态规划基本要素

动态规划性质: 1  最优子结构性质  2 子问题重叠性质 ----->该问题可用动态规划算法求解的基本要素 1 最优子结构 当问题的最优解包含了其子问题的最优...

21010
来自专栏zingpLiu

机器学习之线性代数

  完整内容已上传到github:https://github.com/ZingP/machine-learning/tree/master/linear_al...

1821

扫码关注云+社区

领取腾讯云代金券