课堂笔记: C++ 数组(基础内容)

C++中进行数组程序设计时应考虑两个方面的灵活性:
1、通过使用常变量灵活定义数组的大小;
   const m=10;
   int a[m];


2、数组里每个元素的值应该灵活输入:
   对于数值型数组,必须借助for循环和cin语句实现;
   对于字符型数组,既可以借助for循环和cin语句实现,也可以用gets()等库函数实现。




已知数组a[]={"AAVBCCDE125abcEFDG"},编程实现将数组a
中的大写字母转换成小写字母输出,小写字母转换成大写字母输出,其他字符不变。例如本程序的输出结果是aavbccde123ABCdfdg




3、C++中只允许对静态数组变量和外部数组变量进行初始化操作。




int main()
{
   int a[10]={0,1,3}; //说明a是一个静态数组变量
   int b[5]; //没有对b进行初始化操作,此时b为自动数组变量。




}




4、一维数组a[i]中,a实际上代表的就是第1个元素的地址,即数组的首地址,&a[0];二维数组中的a[i]实际上代表的就是第i行第1个元素的地址,即&a[i][0]。


5、二维数组的编程类似于行列固定的规则图形的输出


例如:要按三行四列的方式输出整型数组(int a[3][4])的每一个数组元素,编程思路可遵照输出以下图形的方式
    * * * *
    * * * *
    * * * *
输出以上图形的代码是:


   for(int i=1; i<=3; i++)  //i代表图形的行数
   { 
      for(int j=1; j<=4; j++)  //j代表星号的个数
           cout<<"*"<<" ";
      cout<<endl;
    }


输出二维整型数组的代码是:


   for(int i=0; i<3; i++)    //i代表行数
   {
for(int j=0; j<4; j++)  //j代表列数
            cout<<a[i][j]<<'\t';
       
        cout<<endl;
 
   }




   1    2    3     4
   5    6    7     8
   9    10   11    12




6、编程实现将任意的一串字符数组进行从小到大的顺序排序。


7、整体处理字符数组的时候,cin语句碰到空格或回车就表示结束,但gets是碰到回车才表示结束。cout语句和puts的区别就是puts输出字符串后会自动换行,而cout不会自动换行。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值