区间奇数统计的数学原理与高效算法实现

1. 问题分析与数学原理

在编程面试和日常算法练习中，"统计区间内奇数数目"是一个看似简单却蕴含数学智慧的经典问题。我们先从一个具体案例入手：给定区间[3,7]，其中包含的奇数是3、5、7共3个。这看起来像是简单的遍历判断，但当我们面对大范围区间（比如统计1到10亿之间的奇数数量）时，遍历法的效率缺陷就暴露无遗。

1.1 等差数列的发现

观察区间[3,7]中的奇数序列：3、5、7。这实际上是一个公差为2的等差数列。等差数列的项数公式为：

code复制项数n = (末项 - 首项) / 公差 + 1

应用到奇数统计中：

• 首项(a₁)：区间内第一个奇数
• 末项(aₙ)：区间内最后一个奇数
• 公差(d)：固定为2

1.2 边界条件处理

关键点在于确定首项和末项：

1. 如果区间下限low是偶数，那么第一个奇数应该是low+1
2. 如果区间上限high是偶数，那么最后一个奇数应该是high-1
3. 如果low本身就是奇数，则它自己就是首项
4. 如果high本身就是奇数，则它自己就是末项

例如区间[8,10]：

• 处理后的首项：8是偶数→8+1=9
• 处理后的末项：10是偶数→10-1=9
• 计算结果：(9-9)/2 +1 =1，与预期一致

2. Python实现详解

2.1 基础实现版本

python复制def count_odds(low, high):
    # 调整首项为第一个奇数
    if low % 2 == 0:
        low += 1
    # 调整末项为最后一个奇数
    if high % 2 == 0:
        high -= 1
    
    # 处理空区间情况
    if low > high:
        return 0
    
    # 应用等差数列公式
    return (high - low) // 2 + 1

注意：这里增加了low>high的判断，这是原解法中未考虑到的边界情况。比如当low=2, high=2时，调整后low=3, high=1，此时应该返回0。

2.2 优化单行版本

利用Python的三元表达式可以写出更简洁的代码：

python复制def count_o