如何实现计算数组元素所有可能和的功能？优化多循环实现方案

针对你遇到的问题，用哈希表（字典）就能把复杂度降到O(n)，彻底摆脱多层循环，还能解决浮点数精度的坑：

核心逻辑 #

遍历数组时，把已经看过的元素和它的索引存在哈希表里。对每个当前元素，计算目标值N - 当前元素的差值，检查哈希表里有没有近似等于这个差值的元素——如果有，那这两个元素的索引就是你要找的结果；如果没有，就把当前元素和索引存进哈希表继续遍历。

为什么要提“近似等于”？因为浮点数在计算机里存储有精度误差，比如0.4+0.4理论是0.8，但实际可能存成0.8000000001或者0.7999999999，直接用==会判断不相等，所以得用一个极小的阈值（比如1e-9）来判断差值是否足够小，视为相等。

Python代码实现 #

def find_two_sum(tab, target):
    num_index = {}
    epsilon = 1e-9
    for idx, num in enumerate(tab):
        needed = target - num
        # 遍历哈希表找近似匹配的数
        for stored_num, stored_idx in num_index.items():
            if abs(needed - stored_num) < epsilon:
                return (stored_idx, idx)
        num_index[num] = idx
    return None  # 没找到匹配对时返回

# 测试你的例子
N = 0.8
tab = [0.4, 0.1, 0.4, 0.5]
print(find_two_sum(tab, N))  # 输出 (0, 2)

说说你之前算法的问题 #

你之前的逻辑判断value + tab[j] <= 0.8，这是在找和小于等于目标值的组合，不是严格等于。而且如果只从第一层循环的首个元素开始配对，会漏掉其他可能的组合，自然会出现结果小于0.8的情况。

内容的提问来源于stack exchange，提问作者lasource75