博客
关于我
算法——172、阶乘后的零(力扣)
阅读量:639 次
发布时间:2019-03-14

本文共 1224 字,大约阅读时间需要 4 分钟。

good代码是很重要的,特别是在编写代码时要非常小心,避免任何可能导致代码失败的错误。在这段代码中,你将逐次将数字从n递减到1,并将这些数字相乘,记录中间过程中的多余零的数量。

class Solution {public:    int trailingZeroes(int n) {        int sum = 1, target = 0;        while (n >= 1) {            sum *= n;            --n;            while (sum % 10 == 0) {                sum /= 10;                ++target;            }            sum %= 10000;        }        return target;    }};

这段代码通过在每个步骤中计算中间结果,并不断将末尾的零去掉,最终保留了最后的结果。这显示了如何在递减过程中分解问题,虽然这种方法在计算阶乘的末尾零时比较繁琐,但是它确实能达到预期的目标。

阶乘末尾零的普遍方法

为了更有效地计算阶乘末尾零的数量,可以利用因数分解的方法。这个方法的核心思想是计算数中包含5的因子数目,因为每对2和5都会在阶乘的结果中生成一个零。通过统计5的因子数量,我们可以根据这个数目来确定末尾有多少个零。

代码解释

public:    int trailingZeroes(int n) {        int sum = 0;        for (int i = 1; i <= n; ++i) {            if (i % 5 == 0) {                int j = i;                do {                    ++sum;                    j /= 5;                } while (j % 5 == 0);            }        }        return sum;    }};

这个代码通过遍历从1到n的每个数字,检查是否能被5整除。如果能,它就不断地除以5,直到它不再能被5整除为止。每一次除以5的过程都会增加计数器sum,从而记录下该数的5因子的数量。通过统计所有数字中包含5因子的数目,我们可以确定阶乘的末尾有多少个零。

请注意,这种方法是唯一的优化方法,因为它避免了在计算过程中处理过大的数,直接转移了计算焦点,确保了算法的高效性。这种方法不仅简化了问题,而且提升了性能,在计算n很大的情况下特别有效。

通过这两种不同的方法,你可以根据具体需求来选择最合适的解决方案。在实际应用中,第二种方法在计算阶乘末尾零的数量时更加高效和准确,因此它被广泛应用于各种数学计算中。

转载地址:http://cfeoz.baihongyu.com/

你可能感兴趣的文章
none 和 host 网络的适用场景 - 每天5分钟玩转 Docker 容器技术(31)
查看>>
None还可以是函数定义可选参数的一个默认值,设置成默认值时实参在调用该函数时可以不输入与None绑定的元素...
查看>>
NoNodeAvailableException None of the configured nodes are available异常
查看>>
Vue.js 学习总结(16)—— 为什么 :deep、/deep/、>>> 样式能穿透到子组件
查看>>
nopcommerce商城系统--文档整理
查看>>
NOPI读取Excel
查看>>
NoSQL&MongoDB
查看>>
NoSQL介绍
查看>>
NoSQL数据库概述
查看>>
Notadd —— 基于 nest.js 的微服务开发框架
查看>>
NOTE:rfc5766-turn-server
查看>>
Notepad ++ 安装与配置教程(非常详细)从零基础入门到精通,看完这一篇就够了
查看>>
Notepad++在线和离线安装JSON格式化插件
查看>>
notepad++最详情汇总
查看>>
notepad++正则表达式替换字符串详解
查看>>
notepad如何自动对齐_notepad++怎么自动排版
查看>>
Notes on Paul Irish's "Things I learned from the jQuery source" casts
查看>>
Notification 使用详解(很全
查看>>
NotImplementedError: Cannot copy out of meta tensor; no data! Please use torch.nn.Module.to_empty()
查看>>
NotImplementedError: Could not run torchvision::nms
查看>>