这段Python代码的功能是计算数组 `nums` 的非空子集中有多少个“漂亮子集”。所谓“漂亮子集”是指在这个子集中没有任何两个元素相差正好为给定整数 `k`。这里采用了一种位运算的方式来枚举所有的非空子集，并且检查每一个子集是否符合条件。 让我们逐步拆解并解释一下这个单行表达式： ### 代码结构分析 1. **外层sum()** - 整体使用了 Python 内置的 `sum()` 函数，它会对内部生成器表达式的每一项求和。由于这里的每个子集要么符合条件贡献值为1（True被视为1），要么不符合条件贡献值为0（False视为0），所以最后的结果就是所有符合条件的子集数目。 2. **内层for循环及按位移操作 (i in range(1, 1 << len(nums)))** - 循环变量 `i` 表示当前考虑的是第几个子集。 - `range(1, 1 << len(nums))` 实际上等价于从二进制表示下最小的有效非空子集 (`0b1`) 到最大全包含子集 (`0b11...1`,长度取决于 `len(nums)`)，共 \(2^n-1\) 种可能情况。（注意是从1开始而不是0，因为我们要排除掉完全为空的情况） 3. **{x + k for j, x in enumerate(nums) if i >> j & 1}** - 构造了一个集合 `{x + k ...}` 包含了当前子集中每个元素加上 `k` 后的新数值。 - `enumerate(nums)` 提供了索引及其对应值 `(j,x)` - `if i >> j & 1`：这是关键部分，决定了哪些位置上的元素应当被纳入到当前考察的子集中。通过将 `i` 看作一个由若干比特组成的向量，每一位代表一个元素是否选入子集。比如 `i = 6` 即二进制形式 `110`，意味着第一个和第二个元素都选取而第三个不取。 4. **& 操作符检测交集** - 最终我们会得到两个集合： - 一个是基于选定元素构造出来的加 `k` 新值集合； - 另一个是直接选出的原元素构成的集合。 - 接下来利用 `&` 符号对这两个集合做交集测试，若无交集说明没有违背规则（即不存在两元素差恰好为 `k`）。此时整个表达式会返回 True 并累加至总数中；反之若有交集则跳过该项不做统计。 总结来说，这段巧妙运用了位运算来高效地遍历所有潜在子集的可能性空间，并快速验证它们是否满足特定条件——这就是所谓的 "one-liner" 或者一行解决方案的魅力所在！ ### 示例 假设我们有一个简单的例子： ```python nums = [1, 2], k = 1 ``` 那么执行过程中将会经历以下几个步骤： - 子集 \([1]\): 加\(k=\){2}, 自身={1}; 它们之间有交集 所以该子集无效 => False (不算) - 子集 \([2]\): 加\(k=\){3}, 自身={2}; 它们间没交集 此子集有效 => True (+1) - 子集 \([1, 2]\): 加\(k=\){2, 3}, 自身={1, 2}; 存在一个交集 (\(2\)), 故也应忽略此情形=> False (-不变) 因此总共有1个有效的漂亮子集。