n!可能很大,而计算机能表示的整数范围有限,需要使用高精度计算的方法。使用一个数组A来表示一个大整数a,A[0]表示a的个位,A[1]表示a的十位,依次类推。
将a乘以一个整数k变为将数组A的每一个元素都乘以k,请注意处理相应的进位。
首先将a设为1,然后乘2,乘3,当乘到n时,即得到了n!的值。
输入格式
输入包含一个正整数n,n<=1000。
输出格式
输出n!的准确值。
样例输入
10
样例输出
3628800
模拟小学学过的乘法计算,只不过小学学的是先乘完后相加,我做的是边乘边相加。
竖式中上面的一行,乘以下面的一个数后得到一行,对下面得到的n行以高精度加法的思想进行相加,每次相加取到的个位就是结果中相应位置的数。为了便于计算我们一列表下标为0的位置作为个位。
老规矩先上运行结果:
对列表进行运算,低位放在左边
def sumlist(ls1,ls2):
ans=[]
长的放在后面
if len(ls1)>len(ls2):
ls1,ls2=ls2,ls1
i=0
temp=0
while i<len(ls2) or temp!=0:
if i<len(ls1):
temp=ls1[i]+ls2[i]+temp
else:
temp=ls2[i]+temp
ans.append(temp%10)
temp//=10
i+=1
return ans
n=int(input())
ans=[0]*3000
ans[0]=1
for i in range(2,n+1):
j=0
temp=0
while j<len(ans) or temp!=0:
temp=ans[j]*i+temp
ans[j]=temp%10
temp//=10
j+=1
print(ans)
print(int(“”.join(map(str,ans[::-1]))))
=========================================================================
给定一个N阶矩阵A,输出A的M次幂(M是非负整数)
例如:
A = 1 2
3 4
A的2次幂
7 10
15 22
输入格式
第一行是一个正整数N、M(1<=N<=30, 0<=M<=5),表示矩阵A的阶数和要求的幂数
接下来N行,每行N个绝对值不超过10的非负整数,描述矩阵A的值
输出格式
输出共N行,每行N个整数,表示A的M次幂所对应的矩阵。相邻的数之间用一个空格隔开
样例输入
2 2
1 2
3 4
样例输出
7 10
15 22
矩阵的运算规则是:一行元素分别乘一列元素的和相加结作为结果矩阵的一位数
例如:A矩阵、B矩阵(能够相乘的前提条件是前面矩阵的列数等于后面矩阵的行数)
ans[ij]=A的第i行*B的第j列
矩阵的零次幂是对角矩阵
注意:(矩阵进行赋值的时候,需要注意深浅拷贝的问题)
老规矩先上运行结果:
n,m=map(int,input().split())
mk=[list(map(int,input().split())) for i in range(n)]
mk1=mk.copy()
ans=[]
for i in range(n):
ans.append([0 for x in range(n)])
# 矩阵的零次幂是对角矩阵
if m==0:
for i in range(n):
ans[i][i]=1
#矩阵的非零次幂
else:
for _ in range(m-1):# m次幂
ans=[[0 for i in range(n)] for j in range(n)]
for j in range(n):# 行
for k in range(n):# 列
for t in range(n): # 行*列
ans[j][k]+=mk1[j][t]*mk[t][k]
mk1=ans.copy()
for i in ans:
print(*i)
import copy
n,m=map(int,input().split())
mk=[list(map(int,input().split())) for i in range(n)]
mk1=mk.copy()
ans=[]
for i in range(n):
ans.append([0 for x in range(n)])
矩阵的零次幂是对角矩阵
if m==0:
for i in range(n):
ans[i][i]=1
#矩阵的非零次幂
else:
temp=0
for _ in range(m-1):# m次幂
for j in range(n):# 行
for k in range(n):# 列
temp=0
for t in range(n): # 行*列
temp+=mk1[j][t]*mk[t][k]
ans[j][k]=temp
矩阵之间的赋值需要使用深拷贝,否则会导致数据错乱
mk1=copy.deepcopy(ans)
for i in ans:
print(*i)
矩阵转置的概念就是将矩阵中下标为i,j的元素与矩阵中下标为j,i的元素进行对换
刚开始想到的就是将矩阵进行遍历,兑换,但是比较复杂。本次分享两个简便的方法
①zip函数
大家都知道zip函数可以将可迭代对象进行打包,所以进行矩阵转置的时候可以使用zip函数,将列表
进行打包,打包之后再进行转换为列表即可
②列表推导式
列表推导式是一个非常好用的东西,可以使用列表推导式进行一个转置矩阵的生成。
新生成的矩阵就是转置后的矩阵
=========================================================================
平面上有两个矩形,它们的边平行于直角坐标系的X轴或Y轴。对于每个矩形,我们给出它的一对相对顶点的坐标,请你编程算出两个矩形的交的面积。
输入格式
输入仅包含两行,每行描述一个矩形。
在每行中,给出矩形的一对相对顶点的坐标,每个点的坐标都用两个绝对值不超过10^7的实数表示。
输出格式
输出仅包含一个实数,为交的面积,保留到小数后两位。
样例输入
1 1 3 3
2 2 4 4
样例输出
1.00
对于矩形他给出的点是相对顶点
相交的矩形必定位于两个矩形中间,所以相交矩形的相对较小顶点应x坐标该是两矩形最小的x坐标中较大的那一个
相对较大的x顶点应该是两个矩形最大的x中较小的一个。需要考虑两矩形没有相交面积的情况。
给出的顶点是相对的,矩形的相对顶点围成的矩阵面积是相同的,可以通过转换将绿色顶点围成的矩阵转换为由蓝色顶点围成的矩阵,方法就是将矩阵的最大值x与最大值y挑选出来。
我们倾向于得到白色矩形的面积,我们的处理方式是,在两个绿色矩形的左边找一个较大的x1,在右边找一个较小的x2,同理找y,如果x1>x2证明没有交集,y也是。
感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的:
① 2000多本Python电子书(主流和经典的书籍应该都有了)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!