Задача к ЕГЭ по информатике на тему «Анализ данных (звезды)» №25

Учёный решил провести кластеризацию некоторого множества звёзд по их расположению на карте звёздного неба. Кластер звёзд – это набор звёзд (точек) на графике, каждая из которых находится от хотя бы одной другой звезды на расстоянии не более $R$ условных единиц. Каждая звезда обязательно принадлежит только одному из кластеров.

Тройная звездная система – это система, в которой три звезды попарно находятся на расстоянии не более $t$ . При этом других звезд на расстоянии менее $t$ у этих трех звезд быть не должно.

Под расстоянием понимается расстояние Евклида между двумя точками $A(x1,y1)$ и $B(x2,y2)$ на плоскости, которое вычисляется по формуле:

∘ -------------------- d(A, B) = (x2 − x1)2 + (y2 − y1)2

Аномалиями назовём точки, находящиеся на расстоянии более одной условной единицы от точек кластеров. При расчётах аномалии учитывать не нужно.

В файле A хранятся данные о звёздах четырех кластеров, где $R = 0.5$ , $t = 0.05$ для каждого кластера. В каждой строке записана информация о расположении на карте одной звезды: сначала координата $x$ , затем координата $y$ . Значения даны в условных единицах, которые представлены вещественными числами. Известно, что количество звёзд не превышает 10000.

В файле Б хранятся данные о звёздах трех кластеров, где $R = 0.6$ , $t = 0.01$ для каждого кластера. Известно, что количество звёзд не превышает 20 000. Структура хранения информации о звездах в файле Б аналогична файлу А.

Для каждого файла в каждом кластере найдите тройную звездную систему с максмальным суммарным расстоянием между звездами. Затем вычислите два числа: $Px$ — среднее арифметическое абсцисс звезд, и $Py$ – среднее арифметическое ординат звезд.

В ответе запишите четыре числа через пробел: сначала целую часть произведения $P ⋅1000 x$ для файла А, затем $Py ⋅1000$ для файла А, далее целую часть произведения $Px ⋅1000$ для файла Б и $Py ⋅1000$ для файла Б.

Возможные данные одного из файлов иллюстрированы графиком.

Внимание! График приведён в иллюстративных целях для произвольных значений, не имеющих отношения к заданию. Для выполнения задания используйте данные из прилагаемого файла.

Для начала визуально оценим данные в условии кластеры. Для этого откроем предложенные файлы в $Excel$ , перейдем в раздел «Вставка $→$ Диаграммы $→$ Точечная».

Диаграмма для файла А имеет вид:

Диаграмма для файла Б имеет вид:

Для разделения звезд на кластеры будем использоваться функцию dbscan. Дальше основная идея решения будет заключаться в том, что мы будем проходить по каждой точке в найденных кластерах и с помощью того же метода dbscan для каждого кластера найти списки звезд, расстояние между которыми менее 0.02 в А файле (менее 0.01 в Б файле). Далее в каждом кластере нужно оставить только те списки, в которых количество звезд равно трем – то есть только тройные звездные системы. В конце остается дело за малым: для каждой звездной системы в каждом кластере найти максимальное расстояние между звездами, а затем расчитать среднее арифметическое их координат между всеми найденными тройками звёзд.

Код программы для А файла

from math import *
def dbscan(a, r):
    cl = [] # Инициализируем список для хранения кластеров
    while a: # Пока есть элементы в входном массиве ’a’
        cl.append([a.pop(0)])
        for i in cl[-1]: # Проходим по элементам последнего кластера
            for j in a[:]:
                x = [i[0], i[1]]
                y = [j[0], j[1]]
                if dist(x, y) <= r:
                    cl[-1].append(j) # Добавляем ’j’ в текущий кластер
                    a.remove(j) # Удаляем ’j’ из списка ’a’, чтобы не проверять его снова
    return cl

f = open("1_A.txt")
s = f.readline()
a = [list(map(float, i.replace(",", ".").split())) for i in f]
cl = dbscan(a, 0.5)  # Для файла А
cl_total = []
for i in cl:
    if len(i) > 10: cl_total.append(i)

t = 0.05  # Для файла А
ans = []
for i in cl_total:  # Проходим по каждому элементу в списке cl_total
    found_star = dbscan(i, t)  # Применяем алгоритм DBSCAN
    tr_stars = []  # Список для тройных звездных систем
    mn_starsys = []  # Список для хранения звездной системы с минимальной суммарной массой
    # Проходим по каждому кластеру, найденному алгоритмом DBSCAN
    for j in found_star:
        if len(j) == 3:  # Проверяем, состоит ли кластер из трех звезд
            tr_stars.append(j)
    mx_d = 0  # Переменная для хранения максимального суммарного расстояния
    for j in tr_stars:  # Проходим по всем найденным тройным системам
        x = [j[0][0], j[0][1]]
        y = [j[1][0], j[1][1]]
        z = [j[2][0], j[2][1]]
        d1 = dist(x, y)
        d2 = dist(x, z)
        d3 = dist(z, y)
        if d1 < t and d2 < t and d3 < t and (d1 + d2 + d3) > mx_d:
            mx_d = d1 + d2 + d3






































































































































































































            mn_starsys = j  # Сохраняем текущую звездную систему
    ans.append(mn_starsys)
res_X = 0
res_Y = 0
for i in ans:
    res_X += (i[0][0] + i[1][0] + i[2][0])
    res_Y += (i[0][1] + i[1][1] + i[2][1])

print(int(res_X / (4 * 3) * 1000))  # Для файла А
print(int(res_Y / (4 * 3) * 1000))  # Для файла А

Код программы для Б файла

from math import *
def dbscan(a, r):
    cl = [] # Инициализируем список для хранения кластеров
    while a: # Пока есть элементы в входном массиве ’a’
        cl.append([a.pop(0)])
        for i in cl[-1]: # Проходим по элементам последнего кластера
            for j in a[:]:
                x = [i[0], i[1]]
                y = [j[0], j[1]]
                if dist(x, y) <= r:
                    cl[-1].append(j) # Добавляем ’j’ в текущий кластер
                    a.remove(j) # Удаляем ’j’ из списка ’a’, чтобы не проверять его снова
    return cl

f = open("1_B.txt")
s = f.readline()
a = [list(map(float, i.replace(",", ".").split())) for i in f]
cl = dbscan(a, 0.6)
cl_total = []
for i in cl:
    if len(i) > 10: cl_total.append(i)

t = 0.01
ans = []
for i in cl_total: # Проходим по каждому элементу в списке cl_total
    found_star = dbscan(i, t) # Применяем алгоритм DBSCAN
    tr_stars = [] # Список для тройных звездных систем
    mn_starsys = [] # Список для хранения звездной системы с минимальной суммарной массой
    # Проходим по каждому кластеру, найденному алгоритмом DBSCAN
    for j in found_star:
        if len(j) == 3: # Проверяем, состоит ли кластер из трех звезд
            tr_stars.append(j)
    mx_d = 0  # Переменная для хранения максимального суммарного расстояния
    for j in tr_stars: # Проходим по всем найденным тройным системам
        x = [j[0][0], j[0][1]]
        y = [j[1][0], j[1][1]]
        z = [j[2][0], j[2][1]]
        d1 = dist(x, y)
        d2 = dist(x, z)
        d3 = dist(z, y)
        if d1 < t and d2 < t and d3 < t and (d1 + d2 + d3) > mx_d:
            mx_d = d1 + d2 + d3






































































































































































































            mn_starsys = j # Сохраняем текущую звездную систему
    ans.append(mn_starsys)
res_X = 0
res_Y = 0
for i in ans:
    res_X += (i[0][0] + i[1][0] + i[2][0])
    res_Y += (i[0][1] + i[1][1] + i[2][1])

print(int(res_X / (3 * 3) * 1000))  # Для файла Б
print(int(res_Y / (3 * 3) * 1000))  # Для файла Б

Ответ: -1319 -2548 249 -662