探索算法系列 - 前缀和算法

news2024/11/25 0:43:52

目录

一维前缀和(原题链接)

二维前缀和(原题链接)

寻找数组的中心下标(原题链接)

除自身以外数组的乘积(原题链接)

和为 K 的子数组(原题链接)

和可被 K 整除的子数组(原题链接)

连续数组(原题链接)

矩阵区域和(原题链接)


一维前缀和(原题链接)

描述:

给定一个长度为n的数组a1,a2,....ana1​,a2​,....an​.

接下来有q次查询, 每次查询有两个参数l, r.

对于每个询问, 请输出

输入描述:

第一行包含两个整数n和q.

第二行包含n个整数, 表示a1,a2,....ana1​,a2​,....an​.

接下来q行,每行包含两个整数   l和r.

输出描述:

输出q行,每行代表一次查询的结果.

解题思路:

  • 读取输入:读取数组的长度 n 和查询的次数 q,接着读取数组的元素。
  • 前缀和计算
    • 创建一个 dp 数组,其中 dp[i] 存储从数组的起始位置到第 i 个元素的和。
    • 通过前缀和数组 dp,可以快速计算任意子区间 [l, r] 的和。
  • 处理查询
    • 对于每个查询 (l, r),利用前缀和数组 dp 来计算区间和 dp[r] - dp[l-1],并输出结果。

步骤说明:

  • 输入处理

    • 使用 cin 读取输入的数组大小 n 和查询次数 q
    • 读取数组的元素并存储到 arr 中。
  • 计算前缀和

    • 初始化前缀和数组 dp
    • 使用一个循环来填充 dp 数组,其中 dp[i] 是从数组的开始到第 i 个元素的累积和。
  • 查询处理

    • 读取每个查询的区间 [l, r]
    • 计算并输出区间 [l, r] 的和,这通过前缀和数组 dp 来实现。

具体代码:

#include <iostream>
#include <vector>

using namespace std;

int main() 
{
    int n, q;
    cin >> n >> q;  // 读取数组的大小 n 和查询的数量 q

    vector<int> arr(n + 1);  // 创建一个大小为 n + 1 的数组,索引从 1 开始
    for(int i = 1; i <= n; i++)
        cin >> arr[i];  // 读取数组元素

    vector<long long> dp(n + 1);  // 创建前缀和数组 dp,大小为 n + 1
    for(int i = 1; i <= n; i++)
        dp[i] = dp[i-1] + arr[i];  // 计算前缀和,dp[i] 是从 arr[1] 到 arr[i] 的累积和

    int l, r;
    while(q--)  // 对于每个查询
    {
        cin >> l >> r;  // 读取查询的区间 [l, r]
        // 计算并输出区间 [l, r] 的和
        cout << dp[r] - dp[l - 1] << endl;  
    }
    
    return 0;
}

二维前缀和(原题链接)

描述:

给你一个 n 行 m 列的矩阵 A ,下标从1开始。
接下来有 q 次查询,每次查询输入 4 个参数 x1 , y1 , x2 , y2
请输出以 (x1, y1) 为左上角 , (x2,y2) 为右下角的子矩阵的和,

输入描述:

第一行包含三个整数n,m,q.
接下来n行,每行m个整数,代表矩阵的元素
接下来q行,每行4个整数x1, y1, x2, y2,分别代表这次查询的参数

输出描述:

输出q行,每行表示查询结果。

解题思路:

  • 输入处理

    • 读取二维数组的行数 n、列数 m 和查询的次数 q
    • 读取二维数组的数据并存储到 arr 中。
  • 前缀和计算

    • 创建一个二维前缀和数组 dp,用来存储从 (1, 1)(i, j) 的矩阵和。
    • 计算 dp 数组的值,通过动态规划公式进行填充:
      dp[i][j] = dp[i-1][j] + dp[i][j-1] - dp[i-1][j-1] + arr[i][j] 这个公式用于去除重复计算的区域,并包含当前元素 arr[i][j]
  • 查询处理

    • 对于每个查询 (x1, y1, x2, y2),使用前缀和数组 dp 快速计算子矩阵的和:
      dp[x2][y2] - dp[x1-1][y2] - dp[x2][y1-1] + dp[x1-1][y1-1] 其中,dp[x2][y2] 是从 (1, 1) 到 (x2, y2) 的矩阵和,减去 dp[x1-1][y2]dp[x2][y1-1],再加上 dp[x1-1][y1-1] 修正重叠区域。

步骤说明:

  • 取输入数据

    • 读取 nmq
    • 读取二维数组的元素到 arr 中。
  • 计算二维前缀和

    • 初始化 dp 数组为零。
    • 通过嵌套循环填充 dp 数组,使用动态规划公式来计算前缀和。
  • 处理查询并输出结果

    • 对每个查询 (x1, y1, x2, y2),利用前缀和数组 dp 计算子矩阵的和,并输出结果。

具体代码:

#include <iostream>
#include <vector>
using namespace std;

int main() 
{
    int n = 0, m = 0, q = 0;
    cin >> n >> m >> q;  // 读取矩阵的行数 n、列数 m 和查询的数量 q

    // 创建并填充二维数组 arr,索引从 1 开始
    vector<vector<int>> arr(n + 1, vector<int>(m + 1));
    for(int i = 1; i <= n; i++)
        for(int j = 1; j <= m; j++)
            cin >> arr[i][j];  // 读取矩阵元素

    // 创建并计算二维前缀和数组 dp
    vector<vector<long long>> dp(n + 1, vector<long long>(m + 1));
    for(int i = 1; i <= n; i++)
        for(int j = 1; j <= m; j++)
            dp[i][j] = dp[i-1][j] + dp[i][j-1] - dp[i-1][j-1] + arr[i][j];  // 计算前缀和

    int x1 = 0, y1 = 0, x2 = 0, y2 = 0;
    while(q--)  // 处理每一个查询
    {
        cin >> x1 >> y1 >> x2 >> y2;  // 读取查询的四个角坐标
        // 计算并输出子矩阵的和
        cout << dp[x2][y2] - dp[x1 - 1][y2] - dp[x2][y1 - 1] + dp[x1 - 1][y1 - 1] << endl;
    }

    return 0;
}

寻找数组的中心下标(原题链接)

给你一个整数数组 nums ,请计算数组的 中心下标 

数组 中心下标 是数组的一个下标,其左侧所有元素相加的和等于右侧所有元素相加的和。

如果中心下标位于数组最左端,那么左侧数之和视为 0 ,因为在下标的左侧不存在元素。这一点对于中心下标位于数组最右端同样适用。

如果数组有多个中心下标,应该返回 最靠近左边 的那一个。如果数组不存在中心下标,返回 -1 。

解题思路:

  • 定义前缀和和后缀和

    • 使用两个数组 fg,分别存储当前索引 i 左侧和右侧元素的和。
    • f[i] 代表从数组开头到索引 i-1 的和,即索引 i 之前的所有元素的和。
    • g[i] 代表从索引 i+1 到数组末尾的和,即索引 i 之后的所有元素的和。
  • 计算前缀和和后缀和

    • 从左到右计算前缀和 f
    • 从右到左计算后缀和 g
  • 查找枢轴索引

    • 遍历数组,如果 f[i] 等于 g[i],则 i 是一个枢轴索引,返回 i
    • 如果没有找到合适的索引,返回 -1。

步骤说明:

  • 初始化和计算前缀和 f

    • 遍历数组,从索引 1 开始到数组的最后一个元素,逐步累加前面的元素和。
  • 初始化和计算后缀和 g

    • 从数组的倒数第二个元素开始,逐步累加后面的元素和。
  • 查找满足条件的索引

    • 遍历整个数组,如果某个索引 i 的前缀和 f[i] 等于后缀和 g[i],返回 i
  • 返回结果

    • 如果没有找到符合条件的索引,返回 -1。

具体代码:

class Solution 
{
public:
    int pivotIndex(vector<int>& nums) 
    {
        int n = nums.size();
        vector<int> f(n, 0), g(n, 0);

        // 计算前缀和 f
        for(int i = 1; i < n; i++)
            f[i] = f[i - 1] + nums[i - 1];

        // 计算后缀和 g
        for(int i = n - 2; i >= 0; i--)
            g[i] = g[i + 1] + nums[i + 1];

        // 查找枢轴索引
        for(int i = 0; i < n; i++)
        {
            if(f[i] == g[i])
                return i;
        }
        
        // 没有找到枢轴索引
        return -1;
    }
};

除自身以外数组的乘积(原题链接)

给你一个整数数组 nums,返回 数组 answer ,其中 answer[i] 等于 nums 中除 nums[i] 之外其余各元素的乘积 。

题目数据 保证 数组 nums之中任意元素的全部前缀元素和后缀的乘积都在  32 位 整数范围内。

请 不要使用除法,且在 O(n) 时间复杂度内完成此题。

解题思路:

  • 定义前缀积和后缀积

    • lprod[i] 表示数组 nums 中从起始位置到索引 i-1 的所有元素的乘积(前缀积)。
    • rprod[i] 表示数组 nums 中从索引 i+1 到末尾的所有元素的乘积(后缀积)。
  • 计算前缀积

    • 从左到右遍历数组,计算每个位置 i 左侧所有元素的乘积并存储在 lprod[i] 中。
  • 计算后缀积

    • 从右到左遍历数组,计算每个位置 i 右侧所有元素的乘积并存储在 rprod[i] 中。
  • 计算结果数组

    • 对于每个位置 i,结果数组 ret[i]lprod[i]rprod[i] 的乘积,表示去掉 nums[i] 后的所有元素的乘积。

步骤说明:

  • 初始化

    • lprodrprod 数组的大小都为 n + 1
    • lprod[0] 初始化为 1,因为没有元素在位置 0 的左边。
    • rprod[n-1] 初始化为 1,因为没有元素在位置 n-1 的右边。
  • 计算前缀积

    • 遍历数组,从位置 1 开始,逐步计算前缀积并填充 lprod
  • 计算后缀积

    • 遍历数组,从位置 n-2 开始,逐步计算后缀积并填充 rprod
  • 生成结果数组

    • 遍历数组,将每个位置的 ret[i] 计算为 lprod[i] * rprod[i]

具体代码:

class Solution 
{
public:
    vector<int> productExceptSelf(vector<int>& nums) 
    {
        int n = nums.size();
        
        // lprod 表示 [0, i - 1] 区间内所有元素的乘积
        // rprod 表示 [i + 1, n - 1] 区间内所有元素的乘积
        vector<int> lprod(n, 1), rprod(n, 1);  // 不需要 n + 1 的大小

        // 计算前缀积
        for (int i = 1; i < n; i++)
            lprod[i] = lprod[i - 1] * nums[i - 1];
        
        // 计算后缀积
        for (int i = n - 2; i >= 0; i--)
            rprod[i] = rprod[i + 1] * nums[i + 1];
        
        // 生成结果数组
        vector<int> ret(n);
        for (int i = 0; i < n; i++)
            ret[i] = lprod[i] * rprod[i];
        
        return ret;
    }
};

和为 K 的子数组(原题链接)

给你一个整数数组 nums 和一个整数 k ,请你统计并返回 该数组中和为 k 的子数组的个数 

子数组是数组中元素的连续非空序列。

解题思路:

  • 前缀和

    • 使用前缀和来表示从数组开始到当前位置的和。
    • 对于每个位置 i,计算到当前位置的前缀和 sum
  • 哈希表记录前缀和的出现次数

    • 使用一个哈希表 hash 来记录前缀和及其出现的次数。hash[sum] 代表前缀和 sum 出现的次数。
  • 查找目标和

    • 对于当前位置的前缀和 sum,检查 sum - k 是否在哈希表中存在。
    • 如果存在,则表示存在子数组和为 k,将 hash[sum - k] 加到结果 ret 中,hash[sum - k] 表示到当前位置的子数组个数。
  • 更新哈希表

    • 每次更新当前前缀和 sum 在哈希表中的计数。

步骤说明:

  • 初始化

    • 创建一个哈希表 hash,并将 hash[0] 初始化为 1。这个设置是为了处理前缀和等于 k 的情况。
  • 计算前缀和并查找目标和

    • 遍历数组,累加前缀和 sum
    • 如果 sum - k 在哈希表中存在,则结果 ret 增加 hash[sum - k],表示找到的符合条件的子数组的个数。
  • 更新哈希表

    • 将当前前缀和 sum 的计数增加。

具体代码:

class Solution 
{
public:
    int subarraySum(vector<int>& nums, int k) 
    {
        unordered_map<int, int> hash; // 统计前缀和出现的次数
        hash[0] = 1; // 处理前缀和等于 k 的情况
        int sum = 0, ret = 0;
        
        for (auto x : nums) 
        {
            sum += x; // 计算当前位置的前缀和
            
            // 检查 sum - k 是否在哈希表中
            if (hash.count(sum - k))
                ret += hash[sum - k]; // 如果存在,累加结果
            
            // 更新哈希表
            hash[sum]++;
        }
        
        return ret;
    }
};

和可被 K 整除的子数组(原题链接)

给定一个整数数组 nums 和一个整数 k ,返回其中元素之和可被 k 整除的非空 子数组 的数目。

子数组 是数组中 连续 的部分。

 解题思路:

  • 前缀和

    • 计算从数组起始到当前位置的前缀和 sum
    • 对于每个位置 i,前缀和 sum 是从数组开始到位置 i 的所有元素之和。
  • 余数计算

    • 对于每个前缀和 sum,计算它模 k 的余数 r
    • 由于余数可能是负数,因此需要进行调整,使余数始终是非负的。计算公式为 (sum % k + k) % k
  • 哈希表记录余数出现次数

    • 使用一个哈希表 hash 来记录每个余数出现的次数。
    • 如果当前余数 r 已经在哈希表中出现过,那么存在以之前某个位置为结束的子数组和能被 k 整除。累加 hash[r] 到结果 ret
  • 更新哈希表

    • 每次更新当前余数 r 的计数。

步骤说明:

  • 初始化哈希表

    • hash[0 % k] = 1:这个设置是为了处理从数组开头到当前位置的和能被 k 整除的子数组。初始值为 1 表示前缀和为 0(即不包括任何元素)的情况。
  • 计算前缀和和余数

    • 遍历数组,对每个元素 x 更新前缀和 sum
    • 计算当前前缀和 sum 的模 k 的余数 r,并调整为非负值。
  • 查找和更新哈希表

    • 如果余数 r 存在于哈希表中,将其出现次数 hash[r] 加到结果 ret
    • 更新哈希表中余数 r 的计数。

具体代码:

class Solution 
{
public:
    int subarraysDivByK(vector<int>& nums, int k) 
    {
        unordered_map<int, int> hash;
        hash[0 % k] = 1; // 初始余数 0 的出现次数为 1
        int sum = 0, ret = 0;

        for (auto x : nums) 
        {
            sum += x;                  // 计算当前位置的前缀和
            int r = (sum % k + k) % k; // 修正后的余数

            // 如果该余数曾出现过,则累加结果
            if (hash.count(r))
                ret += hash[r];

            // 更新当前余数的计数
            hash[r]++;
        }

        return ret;
    }
};

连续数组(原题链接)

给定一个二进制数组 nums , 找到含有相同数量的 0 和 1 的最长连续子数组,并返回该子数组的长度。

解题思路:

  • 前缀和的概念

    • 计算当前前缀和,将数组中的 0 视为 -1,将 1 视为 +1。这样,如果一个子数组中的 0 和 1 的数量相等,那么该子数组的前缀和在开始和结束的位置是相同的。
  • 使用哈希表记录前缀和的第一次出现位置

    • 使用哈希表 hash 来记录每个前缀和首次出现的位置。
    • 如果前缀和已经出现过,则表示从之前出现位置到当前的位置形成的子数组是 0 和 1 数量相等的子数组。计算这个子数组的长度,并更新最大长度 ret
  • 处理前缀和为 0 的特殊情况

    • 初始化哈希表时,将 hash[0] 设置为 -1。这是为了处理从数组开头到当前索引的子数组,前缀和为 0 的情况。

步骤说明:

  • 初始化哈希表

    • hash[0] = -1:这个设置表示前缀和为 0 的情况发生在虚拟的数组起点之前的位置 -1。
  • 计算前缀和并查找

    • 遍历数组,对每个元素 nums[i],将其转化为 1(如果是 1)或者 -1(如果是 0),并累加到 sum 中。
    • 使用哈希表检查当前前缀和 sum 是否已出现过。如果出现过,计算当前子数组的长度,并更新最大长度 ret
    • 如果当前前缀和 sum 未出现过,将其位置 i 存储到哈希表中。

具体代码:

class Solution 
{
public:
    int findMaxLength(vector<int>& nums) 
    {
        unordered_map<int, int> hash;
        hash[0] = -1; // 默认前缀和为 0 的情况
        int sum = 0, ret = 0;
        
        for (int i = 0; i < nums.size(); i++) 
        {
            // 将 0 转换为 -1,1 保持不变,计算前缀和
            sum += nums[i] == 0 ? -1 : 1;
            
            // 如果当前前缀和 sum 已出现,计算当前子数组长度
            if (hash.count(sum))
                ret = max(ret, i - hash[sum]);
            else
                // 记录当前前缀和的第一次出现位置
                hash[sum] = i;
        }
        
        return ret;
    }
};

矩阵区域和(原题链接)

给你一个 m x n 的矩阵 mat 和一个整数 k ,请你返回一个矩阵 answer ,其中每个 answer[i][j] 是所有满足下述条件的元素 mat[r][c] 的和: 

 解题思路:

  • 前缀和矩阵

    • 构建一个前缀和矩阵 dp,使得 dp[i][j] 表示从矩阵的左上角到位置 (i-1, j-1) 的所有元素的和。
    • 前缀和的公式是:dp[i][j] = dp[i-1][j] + dp[i][j-1] - dp[i-1][j-1] + mat[i-1][j-1]
  • 计算每个位置的 k x k 子矩阵的和

    • 对于每个位置 (i, j),计算以该位置为中心的 k x k 子矩阵的和。
    • 确定子矩阵的边界:上边界 x1、左边界 y1、下边界 x2 和右边界 y2
    • 使用前缀和矩阵 dp 来计算子矩阵的和: sum=dp[x2][y2]−dp[x1−1][y2]−dp[x2][y1−1]+dp[x1−1][y1−1]\text{sum} = dp[x2][y2] - dp[x1 - 1][y2] - dp[x2][y1 - 1] + dp[x1 - 1][y1 - 1]sum=dp[x2][y2]−dp[x1−1][y2]−dp[x2][y1−1]+dp[x1−1][y1−1]
    • 处理边界条件以确保索引不越界。

步骤说明:

  • 构建前缀和矩阵

    • 遍历矩阵 mat,使用前缀和的公式计算 dp 矩阵。
  • 计算每个位置的 k x k 子矩阵的和

    • 对于每个位置 (i, j),计算子矩阵的边界并通过前缀和矩阵 dp 计算和。

具体代码:

class Solution 
{
public:
    vector<vector<int>> matrixBlockSum(vector<vector<int>>& mat, int k) 
    {
        int m = mat.size(), n = mat[0].size();
        vector<vector<int>> dp(m + 1, vector<int>(n + 1));
        
        // 1. 预处理前缀和矩阵
        for (int i = 1; i <= m; i++)
            for (int j = 1; j <= n; j++)
                dp[i][j] = dp[i - 1][j] + dp[i][j - 1] - dp[i - 1][j - 1] +
                           mat[i - 1][j - 1];

        // 2. 使用前缀和矩阵计算每个位置的 k x k 子矩阵的和
        vector<vector<int>> ret(m, vector<int>(n));
        for (int i = 0; i < m; i++)
            for (int j = 0; j < n; j++) 
            {
                int x1 = max(0, i - k) + 1, y1 = max(0, j - k) + 1;
                int x2 = min(m - 1, i + k) + 1, y2 = min(n - 1, j + k) + 1;
                ret[i][j] = dp[x2][y2] - dp[x1 - 1][y2] - dp[x2][y1 - 1] +
                            dp[x1 - 1][y1 - 1];
            }
        return ret;
    }
};

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/1995276.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

电脑开机后出现bootmgr is missing原因及解决方法

最近有网友问我为什么我电脑开机后出现bootmgr is missing&#xff0c;这个提示意思是:意思是启动管理器丢失&#xff0c;说明bootmgr损坏或者丢失&#xff0c;系统无法读取到这个必要的启动信息导致无法启动。原因有很多&#xff0c;比如我们采用的是uefi引导&#xff0c;而第…

【数学建模】简单的优化模型-6 血管分支

背景&#xff1a;机体提供能量维持血液在血管中的流动&#xff0c;给血管壁以营养&#xff1b;克服血液流动的阻力&#xff0c;能量消耗与血管的几何形状有关。在长期进化中动物血管的几何形状已经在能量消耗最小原则下达到最优化。 问题&#xff1a;在能量消耗最小原则下&…

学习!胖东来秋季陈列欣赏

生鲜区 丰满、新鲜、有量感&#xff1b;色彩搭配更显艺术美&#xff01; 每个石榴专门被泡沫网套半包裹&#xff0c;避免果体受伤的同时&#xff0c;方便顾客挑选。 非季节性商品&#xff0c;以精而美的陈列形式呈现。 蔬菜区的商品分层立体陈列&#xff0c;顾客既拿既走&…

【实现100个unity特效之16】unity2022之前或者之后版本实现全屏shader graph的不同方式 —— 适用于人物受伤红屏或者一些其他状态效果

最终效果 文章目录 最终效果前言unity2022版本 Fullscreen shader graph首先&#xff0c;请注意你的Inity版本&#xff0c;是不是2022.2以上&#xff0c;并且项目是URP项且基本配置 修改shader graph边缘效果动起来优化科幻风制作一些变量最终效果最终节点图代码控制 2022之前版…

鸿蒙(API 12 Beta3版)【音频解码】

开发者可以调用本模块的Native API接口&#xff0c;完成音频解码&#xff0c;即将媒体数据解码为PCM码流。 当前支持的解码能力如下: 容器规格音频解码类型mp4AAC、MPEG(MP3)、Flac、Vorbis、AudioViVid11m4aAACflacFlacoggVorbis、opusaacAACmp3MPEG(MP3)amrAMR(amrnb、amrw…

Journyx soap_cgi.pyc接口XML外部实体注入漏洞复现 [附POC]

文章目录 Journyx soap_cgi.pyc接口XML外部实体注入漏洞复现 [附POC]0x01 前言0x02 漏洞描述0x03 影响版本0x04 漏洞环境0x05 漏洞复现1.访问漏洞环境2.构造POC3.复现Journyx soap_cgi.pyc接口XML外部实体注入漏洞复现 [附POC] 0x01 前言 免责声明:请勿利用文章内的相关技术…

线程池原理(一)线程池核心概述

更好的阅读体验 \huge{\color{red}{更好的阅读体验}} 更好的阅读体验 线程回顾 创建线程的方式 继承 Thread 类实现 Runnable 接口 创建后的线程有如下状态&#xff1a; NEW&#xff1a;新建的线程&#xff0c;无任何操作 public static void main(String[] args) {Thread…

嵌入式初学-C语言-十八

#接嵌入式初学-C语言-十七# 变量的生命周期 1. 概念&#xff1a;变量在程序运行中存在的时间 2. 根据变量存在的时间不同&#xff0c;变量可分为静态存储和动态存储 3. 变量的存储类型 变量的完整定义格式&#xff1a;[存储类型] 数据类型 变量列表; 4. 存储类型 auto&…

yolov8人脸识别案例

GitHub - wangWEI201901/YOLOv8-Detection-Project: &#x1f6e3;️基于YOLOv8的智慧校园人脸识别和公路汽车检测

ITSM垂类下,企业如何逐步搭建一个好的AI Agent

随着企业数字化转型的不断深入&#xff0c;智能服务管理&#xff08;ITSM&#xff09;逐渐成为提升企业运营效率和服务质量的关键。企业纷纷探索如何将AI技术融入到IT服务管理中&#xff0c;以提升效率、降低成本并增强用户体验。成功实施AI并非易事&#xff0c;它要求企业在战…

探索全光网技术 | 全光网络技术方案选型建议五 (大厅场景)

目录 一、场景设计需求二、大厅场景拓扑三、部署方式四、产品相关规格说明五、方案优势与特点 注&#xff1a;本文章参考资料为&#xff1a;华三官方资料 - “新华三全光网络3.0解决方案&#xff08;教育&#xff09;”与 锐捷官方资料 - “【锐捷】高校极简以太全光3.X方案设计…

web基础与http协议与配置

目录 一、web基础 1.1 DNS与域名&#xff08;详解看前面章节&#xff09; 1.2 网页的概念&#xff08;HTTP/HTTPS&#xff09; 1.2.1 基本概念 1.2.2 HTML文档结构(了解) 1.2.3 web相关重点 1.2.4 静态资源和动态资源 二、http协议 2.1 概述 2.2 cookie和session&…

【HarmonyOS NEXT星河版开发学习】小型测试案例10-计数器案例

个人主页→VON 收录专栏→鸿蒙开发小型案例总结​​​​​ 基础语法部分会发布于github 和 gitee上面&#xff08;暂未发布&#xff09; 前言 鸿蒙开发中的点击事件是一个基础且重要的功能&#xff0c;它使得应用能够响应用户的各种触摸操作。通过对点击事件及其相关参数的深入…

扎克伯格说AI会让推荐系统变得更强大?一文读懂什么是智能推荐系统

导语&#xff1a;我认为很少有人意识到&#xff0c;推荐系统是世界上构想过的最大的计算系统之一。——Jensen Huang 前言 扎克伯格在 2024 年 7 月说&#xff0c;我们在组建 Reality Labs 之前就成立了 FAIR——人工智能研究中心&#xff0c;主要产品线有 Facebook 和 Insta…

006集—— 修饰符(public、private 、internal等)——C#学习笔记

封装 被定义为"把一个或多个项目封闭在一个物理的或者逻辑的包中"。在面向对象程序设计方法论中&#xff0c;封装是为了防止对实现细节的访问。 抽象和封装是面向对象程序设计的相关特性。抽象允许相关信息可视化&#xff0c;封装则使开发者实现所需级别的抽象。 C…

Python面试宝典第30题:找出第K大元素

题目 给定一个整数数组nums&#xff0c;请找出数组中第K大的数&#xff0c;保证答案存在。其中&#xff0c;1 < K < nums数组长度。 示例 1&#xff1a; 输入&#xff1a;nums [3, 2, 1, 5, 6, 4], K 2 输出&#xff1a;5 示例 2&#xff1a; 输入&#xff1a;nums …

python如何判断文件有多少行

如何统计读取的一个txt文本的行数呢&#xff1f; 最简单的办法是把文件读入一个大的列表中&#xff0c;然后统计列表的长度。如果文件的路径是以参数的形式filepath传递的&#xff0c;那么只用一行代码就可以完成我们的需求了&#xff1a; count len(open(filepath,rU).readl…

数字样机:惯性导航系统控制单元仿真

01.简介 惯性导航系统 (INS&#xff0c;Inertial Navigation System) 基于惯性原理建立&#xff0c;而惯性是物体自身的固有属性&#xff0c;因此其工作时既不依赖于外部信息&#xff0c;也不向外部辐射能量&#xff0c;优于卫星导航与无线电导航&#xff0c;是一种具备隐蔽性…

KEYSIGHT E5063A-006 无线功率传输分析

KEYSIGHT是德 E5063A-006 无线功率传输分析 E5063A-006 无线功率传输分析选件能够以任意负载阻抗设置&#xff0c;实时测量线圈或谐振器之间的无线功率传输效率&#xff08;WPT&#xff09;。基于测量结果进行的 2D/3D 分析&#xff0c;能够帮助用户更轻松地了解对负载阻抗的…

Selenium + Python 自动化测试07(滑块的操作方法)

我们的目标是&#xff1a;按照这一套资料学习下来&#xff0c;大家可以独立完成自动化测试的任务。 本篇文章主要讲述如何操作滑块。 目前很多系统登录或者注册的页面都有滑块相关的验证&#xff0c;selenium 中对滑块的基本操作采用了元素的拖曳的方式。需要用到Actiochains模…