既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
贪心算法
找零问题:
# -\*- coding = utf-8 -\*-
# @Time : 2022/5/12 20:56
# @Author : lxw\_pro
# @File : 算法进阶-01.py
# @Software : PyCharm
'''
贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。
也就是说,不从整体最优上加以考虑,它所做出的是在某种意义上的局部最优解。
贪心算法并不保证会得到最优解,但是在某些问题上贪心算法的解就是最优解。
要会判断一个问题能否用贪心算法来计算。
'''
# 找零问题:
t = [100, 50, 20, 10, 5, 1]
def change(t, n):
a = [0 for _ in range(len(t))]
for i, money in enumerate(t):
a[i] = n // money
n = n % money
return a, n
print(change(t, 376)) # 运行结果:([3, 1, 1, 0, 1, 1], 0)
[^1**]记录代码,记录学习,成长路上的一大益处,可喜可喜矣!**
分数背包实现:
# 分数背包实现:
goods = [(60, 10), (100, 20), (120, 30)] # 每个商品元组表示,即(价格,重量)
def f\_backpack(goods, w):
goods.sort(key=lambda x: x[0]/x[1], reverse=True)
# print(goods)
a = [0 for _ in range(len(goods))]
total = 0
for i, (prize, weight) in enumerate(goods):
if w >= weight:
a[i] = 1
total += prize
w -= weight
else:
a[i] = w / weight
total += a[i] \* prize
w = 0
break
return total, a
# f\_backpack(goods, 50) # 运行结果:[(60, 10), (100, 20), (120, 30)]
![img](https://img-blog.csdnimg.cn/img_convert/b8d4cffccbb9a5d3fd86272650abde55.png)
![img](https://img-blog.csdnimg.cn/img_convert/a96248ef9cd87690e8ef9b9866cf4724.png)
**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。**
**[需要这份系统化资料的朋友,可以戳这里获取](https://bbs.csdn.net/topics/618545628)**
**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!**
**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!**