Python实现nbDig函数处理大数值统计平方中指定数字出现次数

Python原生支持任意精度整数计算，不存在其他语言里大整数平方溢出的问题，哪怕n到百万级，k**2的计算结果都是精确的，不需要额外处理大整数运算逻辑。

针对题目给出的n最高到数十万的场景，直接用字符串计数的方案是效率最高、代码最简洁的选择，不需要引入复杂的数位DP等算法，完全可以满足平台的时间限制。

实现逻辑 #

• 先把要统计的数字d转为字符串，后续直接用字符串方法做匹配计数，比Python层手写逐位取模判断速度更快（字符串count方法是底层C实现，执行效率远高于Python层面的循环）
• 遍历0到n的所有整数，计算每个数的平方值后转为字符串
• 统计每个平方字符串中目标数字字符的出现次数，累加所有次数即为最终结果

代码实现 #

基础易读版本：

def nbDig(n, d):
    target_char = str(d)
    count = 0
    for num in range(n + 1):
        square = num * num
        count += str(square).count(target_char)
    return count

紧凑写法（逻辑完全一致）：

def nbDig(n, d):
    return sum(str(k * k).count(str(d)) for k in range(n + 1))

性能说明 #

以上实现在n=200000量级（比如题目提到的195856）时，总循环次数不到20万次，Python运行耗时不到0.1秒，远低于Codewars的单测时间阈值。
你可以直接用题目给出的样例验证：传入n=12、d=1时，函数返回7，和预期结果完全一致，同时可以正确覆盖n=0、d=0这类边界场景。

如果后续遇到n到千万级以上的极端场景，再考虑用数位DP的方式跳过逐个遍历的过程即可，当前场景下上述实现是最优选择。

内容的提问来源于stack exchange，提问作者Logono