慕仙森
您应该使用itertools.combinations获取所有可能的组合,然后测试它们的差异并在需要时追加。from itertools import combinationsdef fun(A, k): l, r = [], [] for (x_idx, x_val), (y_idx, y_val) in combinations(enumerate(A), 2): if abs(x_val - y_val) <= k: l.append(x_idx) r.append(y_idx) return l, r测试:A = [3.5,5,6,12,13] k = 1.7print(fun(A, k))# ([0, 1, 3], [1, 2, 4])虽然这不是您的预期输出,但我觉得根据您的逻辑,您的预期输出可能会有一些错误。
翻阅古今
O(n log n)在您的示例中利用排序的解决方案A(如果它没有排序,您总是可以支付O(n log n)第二次对其进行排序,尽管保留原始索引可能会使复杂性变得不值得):from bisect import bisectdef fun(A, k): # Add A.sort() if A not guaranteed to be sorted for l, x in enumerate(A): for r in range(l+1, bisect(A, x+k, l+1)): yield l, r它使用的bisect.bisect功能来查找每个起点终点O(log n)的时间,使得整体成本O(n log n)。它甚至不需要针对 直接测试大多数值k,因为bisect找到满足不同标准的索引的末尾,并且两者之间的所有值肯定都满足它。list我没有手动构建它,而是将它变成了一个生成器函数,可以使用和解包将其转换为L和R值zip:>>> A = [3.5,5,6,12,13] >>> k = 1.7>>> L, R = zip(*fun(A, k))>>> print(L, R)(0, 1, 3), (1, 2, 4)你可以用lists 明确地做到这一点:def fun(A, k): L, R = [], [] for l, x in enumerate(A): newr = range(l+1, bisect(A, x+k, l+1)) L += [l] * len(newr) R.extend(newr) return L, R但我有点喜欢让 Python 完成大部分工作的 generator->zip->unpack 方法。无论哪种方式,理论成本O(n log n)都优于O(n * (n - 1) / 2)(大致O(n ** 2))。