数据结构_手撕八大排序(计数，快排，归并，堆排，希尔，选择，插入，冒泡)

news2025/1/21 9:31:47

✨✨所属专栏：数据结构✨✨

✨✨作者主页：嶔某✨✨

排序的概念

排序：所谓排序，就是使一串记录，按照其中的某个或某些关键字的大小，递增或递减的排列起来的操作。

稳定性：假定在待排序的记录序列中，存在多个具有相同的关键字的记录，若经过排序，这些记录的相对次序保持不变，即在原序列中，r[i]=r[j]，且r[i]在r[j]之前，而在排序后的序列中，r[i]仍在r[j]之前，则称这种排序算法是稳定的；否则称为不稳定的。

内部排序：数据元素全部放在内存中的排序。
外部排序：数据元素太多不能同时放在内存中，根据排序过程的要求不断地在内外存之间移动数据的排序

function/数据结构-排序算法 · 钦某/c-language-learning - 码云 - 开源中国 (gitee.com)

常见排序算法 

插入排序 

示意图：

 排序过程：

  • 从第一个元素开始，该元素可以认为已经被排序；
  • 取出下一个元素，在已经排序的元素序列中从后向前扫描；
  • 如果该元素（已排序）大于新元素，将该元素移到下一位置；
  • 重复步骤3，直到找到已排序的元素小于或者等于新元素的位置；
  • 将新元素插入到该位置后；
  • 重复步骤2~5。

 时间复杂度：

O(n^2) 

代码实现： 

//插入排序
void InsertSort(int* a, int n)
{
	for (int i = 0; i < n - 1; i++)
	{
		int end = i;
		int tmp = a[end + 1];
		while (end >= 0)
		{
			if (a[end] > tmp)
			{
				a[end + 1] = a[end];
				end--;
			}
			else
				break;
		}
		a[end + 1] = tmp;
	}
}

希尔排序

示意图：

排序过程：

先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序，具体算法描述：

  • 选择一个增量序列t1，t2，…，tk，其中ti>tj，tk=1；
  • 按增量序列个数k，对序列进行k 趟排序；
  • 每趟排序，根据对应的增量ti，将待排序列分割成若干长度为m 的子序列，分别对各子表进行直接插入排序。仅增量因子为1 时，整个序列作为一个表来处理，表长度即为整个序列的长度。

 随着增量因子(gap)的减少，这其实是一个使数组逐渐变有序的过程。那么有个问题，gap如何变化才能使算法得到最大的优化呢？

gap越大，大的数可以越快跳到后面，小的数可以越快跳到前面，越不接近有序；gap越小，跳的越慢，但是越接近有序。当 gap == 1时就相当于插入排序。

这个算法的发明者用的是gap /= 2，有人曾今算过（这里需要很高的数学水平，我还是算了）gap = gap / 3 + 1，为最优解。加一是为了让最后一趟排序的gap为1。

时间复杂度：

第一趟排序分为gap = n / 3组（忽略+1），每组三个数据，最坏情况就是逆序，向前调整（1+2）次，第一趟就的消耗是 n。第二趟gap = n / 9 组每组 9 个数据，最坏情况调整（1+2+......+7+8）次，第二趟的消耗是 4n。

但是，第二趟以后的每一趟都不是最坏的情况，所以第二趟的消耗到不了4n，具体是多少？这里需要加一些概率的公式

最后一趟gap = 1，直接就是插入排序，消耗是n，根据这个我们大概画出了下图。

 最后这个排序的时间复杂度大约为：n^(1.3)

代码实现： 

// 希尔排序
void ShellSort(int* a, int n)
{
	int gap = n;
	while (gap > 1)
	{
		gap = gap / 3 + 1;
		for (int i = 0; i < n - gap; i++)
		{
			int end = i;
			int tmp = a[end + gap];
			while (end >= 0)
			{
				if (a[end] > a[end + gap])
				{
					a[end + gap] = a[end];
					end -= gap;
				}
				else
					break;
			}
			a[end + gap] = tmp;
		}
	}
}

选择排序

示意图：

排序过程：

n个记录的直接选择排序可经过n-1趟直接选择排序得到有序结果。具体算法描述如下：

  • 初始状态：无序区为R[1..n]，有序区为空；
  • 第i趟排序(i=1,2,3…n-1)开始时，当前有序区和无序区分别为R[1..i-1]和R(i..n）。该趟排序从当前无序区中-选出关键字最小的记录 R[k]，将它与无序区的第1个记录R交换，使R[1..i]和R[i+1..n)分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区；
  • n-1趟结束，数组有序化了。

另外我们在遍历时可以同时将无序区中最大的数和最小的数的下标分别记录，将最大数放在无序区的末尾，将最小数放在无序区的开头。

注意这里有个坑 ：当一趟排序记录的mini == end时，将max处的数交换到end处，这是end处的数就是最大的数了，之后再将mini处的数交换到start处（这时mini处的数是最大的），这样就没有完成任务。

解决办法是：在交换之前，做一个判断更新mini的值。

时间复杂度：

O(n^2) 

代码实现：

//选择排序
void SelectSort(int* a, int n)
{
	int start = 0;
	int end = n - 1;
	while (end > start)
	{
		int mini = start;
		int maxi = end;
		for (int i = start; i <= end; i++)
		{
			if (a[mini] > a[i])
				mini = i;
			if (a[maxi] < a[i])
				maxi = i;
		}
		if (mini == end)
		{
			Swap(&a[maxi], &a[end]);
			mini = maxi;
			Swap(&a[mini], &a[start]);
		}
		else
		{
			Swap(&a[maxi], &a[end]);
			Swap(&a[mini], &a[start]);
		}
		end--;
		start++;
	}
}

堆排序

示意图：

排序过程：

这里参考下数据结构_堆的代码：function/数据结构-堆 · 钦某/c-language-learning - 码云 - 开源中国 (gitee.com)

  • 将初始待排序关键字序列(R1,R2….Rn)构建成大顶堆，此堆为初始的无序区；
  • 将堆顶元素R[1]与最后一个元素R[n]交换，此时得到新的无序区(R1,R2,……Rn-1)和新的有序区(Rn),且满足R[1,2…n-1]<=R[n]；
  • 由于交换后新的堆顶R[1]可能违反堆的性质，因此需要对当前无序区(R1,R2,……Rn-1)调整为新堆（堆的元素个数减一），然后再次将R[1]与无序区最后一个元素交换，得到新的无序区(R1,R2….Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为n-1，则整个排序过程完成。

时间复杂度：

O(n*log(n))

代码实现： 

void AdjustDown(int* a, int n, int parent)
{
	int child = parent * 2 + 1;
	while (child < n)
	{
		if (a[child] < a[child + 1] && child + 1 < n)
			child++;
		if (a[child] > a[parent])
		{
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
			break;
	}
}

//堆排序
void HeapSort(int* a, int n)
{
	for (int i = (n - 2) / 2; i >= 0; i--)
		AdjustDown(a, n, i);

	for (int i = n - 1; i > 0; i--)
	{
		Swap(&a[0], &a[i]);
		AdjustDown(a, i, 0);
	}
}

冒泡排序 

示意图：

排序过程：

  • 比较相邻的元素。如果第一个比第二个大，就交换它们两个；
  • 对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对，这样在最后的元素应该会是最大的数；
  • 针对所有的元素重复以上的步骤，除了最后一个；
  • 重复步骤1~3，直到排序完成。

时间复杂度：

O(n^2)

代码实现： 

//冒泡排序
void BubbleSort(int* a, int n)
{
	for (int i = n; i > 0; i--)
	{
		int prev = 0;
		int cur = 1;
		int falg = 1;
		while (cur < i)
		{
			if (a[prev] > a[cur])
			{
				falg = 0;
				Swap(&a[prev], &a[cur]);
			}
			prev = cur;
			cur++;
		}
		if (falg == 1)
			break;
	}
}

快速排序

示意图：

排序过程：

快速排序使用分治法来把一个串（list）分为两个子串（sub-lists）。具体算法描述如下：

  • 从数列中挑出一个元素，称为 “基准”（pivot）；
  • 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作；
  • 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

hoare： 

 单趟：我们定义一个key = left，右边先走，右边end--找小（比a[key]小），左边begin++找大，都找到了就交换，当begin > end跳出循环，再将a[key]和a[begin]交换。

为什么这里要右边先走？为什么相遇时位置比key小？

左边做key，右边先走，可以保证相遇位置比key小

场景：

L遇R：R先走，停下来，R停下条件是遇到比key小的值，一定比key小，L没有找大的，遇到R停下了

R遇L：R先走，找小，没有找到比key小的，直接跟L相遇了。L停留的位置是上一轮交换的位置，上一轮交换，把比key小的值换到L的位置了

相反:如果让右边做key，左边先走，i可以保证相遇位置比key要大

双指针：

单趟：定义一个prev，一个cur，cur找小，找不到小的prev和cur一起加加，找到了就把cur位置和prev++位置的值交换，prev和cur中间的值都是大的，将大的值一起往后挪。最后prev位置的值一定比key位置的值小，将prev和key位置的值交换。

每次递归分别传begin两侧的区间。

算法优化：

小区间优化

我们知道，递归定义的快排随着区间的越来越小，需要递归的次数越来越多，如果次数很多，每次调用函数都要压栈，有可能导致栈溢出。类似二叉树，最后一次递归占总递归次数的50%，倒数第二次占了25%，倒数第三次占12.5%。如果我们能将这部分递归占用缓解，就能使算法优化。所以当区间小于10的时候，我们调用选择排序。

void QuickSort(int* a, int left, int right)
{
	if (left >= right)
		return;
	if (right - left + 1 < 10)
	{
		InsertSort(a + left, right - left + 1);//小区间优化
		return;
	}

	int keyi = partsort3(a, left, right);

	QuickSort(a, left, keyi - 1);
	QuickSort(a, keyi + 1, right);
}

三数取中

当数组已经有序，或者第一个数很小，或者很大时，时间复杂度就会退化为O(n^2)，这时我们可以改变key值，从第一个值，中间的值和末尾值，三个值中选出中间的那个作为key值，保证每次的key都接近中间数。除了三数取中，还可以产生随机值来改变基准值。

int Midofthree(int* a,int x, int y, int z)
{
	if (a[x] > a[y])
		if (a[x] > a[z])
			if (a[y] > a[z])
				return y;
			else
				return z;
		else
			return y;
	else//a<b
		if (a[x] < a[z])
			if (a[y] < a[z])
				return y;
			else//b>c
				return z;
		else//a>c
			return x;
}

时间复杂度：

O(n*log(n))

代码实现：

（1）hoare版本：

//hoare版本
int partsort1(int* a, int left, int right)
{

	int begin = left, end = right;
	int x = Midofthree(a, left, right, (right + left) / 2);
	Swap(&a[x], &a[left]);
	int key = left;
	while (begin < end)
	{
		while (begin < end)
		{
			if (a[end] < a[key])
				break;
			end--;
		}
		while (begin < end)
		{
			if (a[begin] > a[key])
				break;
			begin++;
		}
		Swap(&a[begin], &a[end]);
	}
	Swap(&a[key], &a[begin]);
	return begin;
}

（2）双指针版本：

//双指针版本
int partsort2(int* a, int left, int right)
{
	int x = Midofthree(a, left, right, (right + left) / 2);
	Swap(&a[x], &a[left]);
	int keyi = left;
	int prev = left;
	int cur = prev + 1;
	while (cur <= right)
	{
		if (a[cur] < a[keyi] && ++prev != cur)
			Swap(&a[cur], &a[prev]);

		cur++;
	}
	Swap(&a[prev],&a[keyi]);
	return prev;
}

 （3）挖坑版本：

//挖坑版本
int partsort3(int* a, int left, int right)
{
	int x = Midofthree(a, left, right, (right + left) / 2);
	Swap(&a[x], &a[left]);
	int key = a[left];
	int pit = left;
	int begin = left;
	int end = right;
	while (begin < end)
	{
		while (a[end] >= key && begin < end)
			end--;

		a[pit] = a[end];
		pit = end;

		while (a[begin] <= key && begin < end)
			begin++;
		
		a[pit] = a[begin];
		pit = begin;
	}
	a[pit] = key;
	return pit;
}

递归：

void QuickSort(int* a, int left, int right)
{
	if (left >= right)
		return;
	if (right - left + 1 < 10)
	{
		InsertSort(a + left, right - left + 1);//小区间优化
		return;
	}

	int keyi = partsort1(a, left, right);

	QuickSort(a, left, keyi - 1);
	QuickSort(a, keyi + 1, right);
}

非递归： 

这里不一定要用栈，也可以用队列来存储，如果你想，甚至可以用顺序表。栈只是为了更好的模拟递归的过程。

function/数据结构_栈 · 钦某/c-language-learning - 码云 - 开源中国 (gitee.com)

void QuickSortNonR(int* a, int left, int right)
{
	ST s;
	STInit(&s);
	STPush(&s, right);
	STPush(&s, left);

 	while (!STEmpty(&s))
	{
		int begin = STTop(&s);
		STPop(&s);
		int end = STTop(&s);
		STPop(&s);

		int mid = partsort1(a, begin, end);
		if (mid + 1 < end)//注意这里需判断
		{
			STPush(&s, end);
			STPush(&s, mid + 1);
		}
		if (begin < mid - 1)//注意这里需判断
		{
			STPush(&s, mid - 1);
			STPush(&s, begin);
		}
	}
}

归并排序

示意图：

排序过程：

归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为2-路归并。 

  • 把长度为n的输入序列分成两个长度为n/2的子序列；
  • 对这两个子序列分别采用归并排序；
  • 将两个排序好的子序列合并成一个最终的排序序列。

时间复杂度：

O(n*log(n))

代码实现： 

递归：

void _MergeSort(int* a, int* tmp, int left, int right)
{
	if (left >= right)
		return;
	int mid = (left + right) / 2;
	_MergeSort(a, tmp, left, mid);
	_MergeSort(a, tmp, mid + 1, right);

	int begin1 = left, end1 = mid;
	int begin2 = mid + 1, end2 = right;
	int i = left;
	while (begin1 <= end1 && begin2 <= end2)
	{
		if(a[begin1] < a[begin2])
			tmp[i++] = a[begin1++];
		else
			tmp[i++] = a[begin2++];
	}
	while (begin1 <= end1)
		tmp[i++] = a[begin1++];

	while (begin2 <= end2)
		tmp[i++] = a[begin2++];
	
	memcpy(a + left, tmp + left, sizeof(int) * (right - left + 1));
}


void MergeSort(int* a, int n)
{
	int* tmp = (int*)malloc(sizeof(int) * n);
	if (tmp == NULL)
	{
		perror("malloc is fail");
		return;
	}
	_MergeSort(a, tmp, 0, n - 1);

	free(tmp);
	tmp = NULL;
}

非递归

void MergeSortNonR(int* a, int n)
{
	int* tmp = (int*)malloc(sizeof(int) * n);
	if (tmp == NULL)
	{
		perror("malloc is fail");
		return;
	}
	int gap = 1;
	while (gap < n)
	{
		for (int i = 0; i < n; i += 2 * gap)
		{
			int begin1 = i, end1 = i + gap - 1;
			int begin2 = i + gap, end2 = i + 2 * gap - 1;
			int j = i;
			if (begin2 >= n)
				break;
			if (end2 >= n)
				end2 = n - 1;
			while (begin1 <= end1 && begin2 <= end2)
			{
				if (a[begin1] <= a[begin2])
					tmp[j++] = a[begin1++];
				else
					tmp[j++] = a[begin2++];
			}
			while (begin1 <= end1)
				tmp[j++] = a[begin1++];

			while (begin2 <= end2)
				tmp[j++] = a[begin2++];

			memcpy(a + i, tmp + i, sizeof(int) * (end2 - i + 1));
		}
		gap *= 2;
	}
	free(tmp);
	tmp = NULL;
}

计数排序

示意图：

排序过程：

计数排序不是基于比较的排序算法，其核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。 作为一种线性时间复杂度的排序，计数排序要求输入的数据必须是有确定范围的整数。这就导致了这个排序算法

  • 找出待排序的数组中最大和最小的元素；
  • 统计数组中每个值为i的元素出现的次数，存入数组C的第i项；
  • 对所有的计数累加（从C中的第一个元素开始，每一项和前一项相加）；
  • 反向填充目标数组：将每个元素i放在新数组的第C(i)项，每放一个元素就将C(i)减去1。

时间复杂度：

 在理想情况下，这个排序算法的时间复杂度能达到O(n)，非常的快。

代码实现：

void CountSort(int* a, int n)
{
	int min = a[0];
	int max = a[0];
	for (int i = 0; i < n; i++)
	{
		if (a[i] > max)
			max = a[i];
		if (a[i] < min)
			min = a[i];
	}
	int range = max - min + 1;
	int* x = (int*)calloc(range, sizeof(int));
	if (x == NULL)
	{
		perror("calloc is fail");
		return;
	}
	for (int i = 0; i < n; i++)
		x[a[i] - min]++;

	int j = 0;
	for (int i = 0; i < n; i++)
		while (x[i]--)
			a[j++] = i + min;

	free(x);
}

总结： 

上面的排序分别对同样的十万个随机数进行排序，所消耗的时间如下图：（ps:仅供参考）

本期博客到这里就结束了，如果有什么错误，欢迎指出，如果对你有帮助，请点个赞，谢谢！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1801418.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Docker：认识镜像仓库及其命令

Docker：认识镜像仓库及其命令

文章目录 Docker Registry什么是Docker Registry 镜像仓库工作机制使用流程实际使用方法仓库的拉取机制 常用的镜像仓库---DockerHub什么是DockerHub私有仓库 镜像仓库命令docker logindocker pulldocker pushdocker searchdocker logout Docker Registry 什么是Docker Regist…
阅读更多...
[线程与网络] 网络编程与通信原理(六):深入理解应用层http与https协议(网络编程与通信原理完结)

[线程与网络] 网络编程与通信原理(六):深入理解应用层http与https协议(网络编程与通信原理完结)

&#x1f338;个人主页:https://blog.csdn.net/2301_80050796?spm1000.2115.3001.5343 &#x1f3f5;️热门专栏:&#x1f355; Collection与数据结构 (92平均质量分)https://blog.csdn.net/2301_80050796/category_12621348.html?spm1001.2014.3001.5482 &#x1f9c0;Java …
阅读更多...
【java】速度搭建一个springboot项目

【java】速度搭建一个springboot项目

使用软件&#xff1a;IDEA&#xff0c;mysql 使用框架&#xff1a;springboot mybatis-plus druid 坑点 使用IDEA搭建一个springboot项目的时候&#xff0c;需要考虑一下IDEA版本支持的JDK版本以及maven版本。否则再构建项目&#xff0c;引入pom的时候就会报错。 需要检查…
阅读更多...
C++全栈聊天项目(21) 滚动聊天布局设计

C++全栈聊天项目(21) 滚动聊天布局设计

滚动聊天布局设计 我们的聊天布局如下图 最外层的是一个chatview&#xff08;黑色&#xff09;&#xff0c; chatview内部在添加一个MainLayout&#xff08;蓝色&#xff09;&#xff0c;MainLayout内部添加一个scrollarea(红色)&#xff0c;scrollarea内部包含一个widget&…
阅读更多...
Linux shell编程学习笔记57：lshw命令 获取cpu设备信息

Linux shell编程学习笔记57：lshw命令 获取cpu设备信息

0 前言 在Linux中&#xff0c;获取cpu信息的命令很多&#xff0c;除了我们已经研究的 cat /proc/cpuinfo、lscpu、nproc、hwinfo --cpu 命令&#xff0c;还有 lshw命令。 1 lshw命令的功能 lshw命令源自英文list hardware&#xff0c;即列出系统的硬件信息&#xff0c;这些硬…
阅读更多...
UI 自动化分布式测试 -Docker Selenium Grid

UI 自动化分布式测试 -Docker Selenium Grid

分布式测试Selenium Grid 对于大型项目或者有大量测试用例的项目，单机的测试环境往往无法快速完成所有测试用例的执行，此时自动化测试执行效率将会成为最大的瓶颈，Selenium Grid 可以通过多机的分布式架构允许测试用例并行运行，大大缩短了测试时间。 Selenium Grid 提供了多…
阅读更多...
限时限量！6.18云服务器大促盘点，错过一次，再等一年！

限时限量！6.18云服务器大促盘点，错过一次，再等一年！

随着云计算技术的飞速发展&#xff0c;云服务器已成为企业和个人构建和扩展在线业务的首选平台。特别是在大型促销活动如618年中大促期间&#xff0c;云服务提供商纷纷推出极具吸引力的优惠&#xff0c;以降低用户上云的门槛。以下是对当前市场上几个主流云服务提供商的优惠活动…
阅读更多...
JavaScript入门宝典：核心知识全攻略（下）

JavaScript入门宝典：核心知识全攻略（下）

文章目录 前言一、获取标签元素二、操作标签元素属性1. 属性的操作2. innerHTML 三、数组及操作方法1. 数组的定义2. 数组的操作 四、循环语句五、字符串拼接六、定时器1. 定时器的使用3. 清除定时器 七、ajax1. ajax的介绍2. ajax的使用 前言 JavaScript是前端开发不可或缺的技…
阅读更多...
C++| 一维线性插值、imadjust函数

C++| 一维线性插值、imadjust函数

前言&#xff1a;最近要从Matlab代码改C代码&#xff0c;不能直接用Matlab生成的C代码&#xff0c;因为需要嵌入到已有项目中。Matlab本身有很多很方便的数学公式&#xff0c;但是在C里没有相关的库的话&#xff0c;需要自己实现。 一维线性插值、imadjust函数 一维线性插值原理…
阅读更多...
常见八大排序(纯C语言版)

常见八大排序(纯C语言版)

目录 基本排序 一.冒泡排序 二.选择排序 三.插入排序 进阶排序&#xff08;递归实现&#xff09; 一.快排hoare排序 1.单趟排序 快排步凑 快排的优化 &#xff08;1&#xff09;三数取中 &#xff08;2&#xff09;小区间优化 二.前后指针法(递归实现) 三.快排的非…
阅读更多...
【爬虫】使用Python爬取百度学术页面的标题、作者、摘要和关键词

【爬虫】使用Python爬取百度学术页面的标题、作者、摘要和关键词

目录 安装所需库编写爬虫代码解释运行脚本结果 在本文中&#xff0c;我将介绍如何使用Python编写一个网络爬虫&#xff0c;从百度学术页面提取研究论文的标题、作者、摘要和关键词。我们将使用 requests和 BeautifulSoup库来实现这一目标。 安装所需库 首先&#xff0c;确保…
阅读更多...
力扣hot100：155. 最小栈（栈，辅助栈存储相关信息）

力扣hot100：155. 最小栈（栈，辅助栈存储相关信息）

LeetCode&#xff1a;155. 最小栈 1、尝试单调栈 看到这题说&#xff0c;要常数时间内检索最小元素的栈&#xff0c;想到了单调栈&#xff0c;递增单调栈确实能维护最小值&#xff0c;但是这个最小值是存在一定意义的&#xff0c;即如果后面出现了最小值&#xff0c;那么前面…
阅读更多...
PostgreSQL基础（十）：PostgreSQL的并发问题

PostgreSQL基础（十）：PostgreSQL的并发问题

文章目录 PostgreSQL的并发问题 一、事务的隔离级别 二、MVCC PostgreSQL的并发问题 一、事务的隔离级别 在不考虑隔离性的前提下&#xff0c;事务的并发可能会出现的问题&#xff1a; 脏读&#xff1a;读到了其他事务未提交的数据。&#xff08;必须避免这种情况&#xf…
阅读更多...
【Java】解决Java报错：NumberFormatException

【Java】解决Java报错：NumberFormatException

文章目录 引言1. 错误详解2. 常见的出错场景2.1 字符串包含非数字字符2.2 空字符串或 null 字符串2.3 数值超出范围 3. 解决方案3.1 验证字符串格式3.2 使用异常处理3.3 处理空字符串和 null 4. 预防措施4.1 数据验证4.2 编写防御性代码4.3 单元测试 结语 引言 在Java编程中&a…
阅读更多...
【百万字详解Redis】集群

【百万字详解Redis】集群

文章目录 一、集群模式概述1.1、什么是集群模式1.2、集群模式特点1.3、集群工作方式 二、集群模式的搭建2.1、搭建前的准备2.2、修改集群配置2.3、启动redis服务2.4、创建集群2.5、查看redis服务状态2.6、进入一个节点2.7、测试操作 三、集群操作3.1、主从切换3.2、从节点操作3…
阅读更多...
微软 Windows 10 22H2 发布可选更新 19045.4474，修复窗口显示问题等

微软 Windows 10 22H2 发布可选更新 19045.4474，修复窗口显示问题等

微软今天面向 Windows 10 22H2 版本&#xff0c;发布了 KB5037849 非安全可选更新&#xff0c;用户安装后版本号升至 Build 19045.4474。 IT之家 5 月 30 日消息&#xff0c;微软今天面向 Windows 10 22H2 版本&#xff0c;发布了 KB5037849 非安全可选更新&#xff0c;用户安…
阅读更多...
搭建 Langchain-Chatchat 详细过程

搭建 Langchain-Chatchat 详细过程

前言 本文参考官网和其他多方教程&#xff0c;将搭建 Langchain-Chatchat 的详细步骤进行了整理&#xff0c;供大家参考。 我的硬件 4090 显卡win10 专业版本 搭建环境使用 chatglm2-6b 模型 1. 创建虚拟环境 chatchat &#xff0c;python 3.9 以上 conda create -n chat…
阅读更多...
【机器学习300问】110、什么是Lasso回归模型？

【机器学习300问】110、什么是Lasso回归模型？

LASSO回归的全称是Least Absolute Shrinkage and Selection Operator&#xff0c;中文叫“最小绝对收缩和选择算子”&#xff0c;用一个比喻来初步感受一下它的作用&#xff1a; 想象你在整理一个杂乱无章的房间&#xff0c;里面堆满了各种物品&#xff08;代表众多的预测变量&…
阅读更多...
python数据可视化：断续水平条形图 matplotlib.pyplot.broken_barh()

python数据可视化：断续水平条形图 matplotlib.pyplot.broken_barh()

【小白从小学Python、C、Java】 【考研初试复试毕业设计】 【Python基础AI数据分析】 python数据可视化&#xff1a; 断续水平条形图 matplotlib.pyplot.broken_barh() [太阳]选择题 关于以下代码下列说法正确的是&#xff1f; import matplotlib.pyplot as plt x [(10, 5),(…
阅读更多...
[职场] 美术学就业方向和前景 #经验分享#学习方法

[职场] 美术学就业方向和前景 #经验分享#学习方法

美术学就业方向和前景 2011年国务院学位委员会、教育部颁布了新的《学位授予和人才培养学科目录》&#xff0c;艺术学首次从文学门类中独立出来&#xff0c;成为新的第13个学科门类&#xff0c;即艺术学门类。其中&#xff0c;美术学又是艺术学门类下的五个一级学科之一。但是…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023