03 算法之递归-数组求和-python实现

最新推荐文章于 2022-04-08 22:17:31 发布
最新推荐文章于 2022-04-08 22:17:31 发布
阅读量2.4k 收藏 5
点赞数 5
分类专栏： python 文章标签： 算法 python 递归
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Sukiyou_xixi/article/details/95095598
版权 
#!python
#coding=utf-8

"""
递归计算数组之和
"""
def sum_recursion(arr):
    if len(arr) == 0:
        return 0
    inx = 0
    sum = arr
最低0.47元/天 解锁文章
我是笑嘻嘻
关注
  • 5
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
python函数递归求和详解_Python 递归函数详解及实例
weixin_39640157的博客
11-21 1728
Python 递归函数如果一个函数体直接或者间接调用自己，那么这个函数就称为递归函数．也就是说，递归函数体的执行过程中可能会返回去再次调用该函数．在ｐｙｔｈｏｎ里，递归函数不需要任何特殊的语法，但是它需要付出一定的努力去理解和创建．我们会以一个简单的例子开始：写一个函数求一个自然数中所有数字的和．在设计递归函数的时候，我们会寻找能把问题分解成简单的问题的方法．在这道题中，运算符%和//可以用来把一...
python递归函数讲解_详细解读Python 递归函数！
weixin_39991531的博客
11-20 295
递归函数在函数内部，可以调用其他函数。如果一个函数在内部调用自身本身，这个函数就是递归函数。递归函数特性：必须有一个明确的结束条件；每次进入更深一层递归时，问题规模相比上次递归都应有所减少相邻两次重复之间有紧密的联系，前一次要为后一次做准备（通常前一次的输出就作为后一次的输入）。递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调...
python256（递归01—递归的特点及基本代码演练）
weixin_42681308的博客
03-13 776
函数的递归 函数调用自身的编程技巧称为递归 特点 一个函数内部调用自己 代码特点 函数内部的代码是相同的，只是针对参数不同，处理的结果不同 当参数满足一个条件时，函数不再执行 这个非常重要，通常被称为递归的出口，否则会出现死循环！ ...
python函数递归求和详解_在Python中递归求和子集
weixin_39997695的博客
11-24 329
I will be happy to get some help.I have the following problem:I'm given a list of numbers seq and a target number and I need to write 2 things:A recursive solution that returns True if there is a sum ...
递归求数组和
子如溪
05-28 1301
平时都喜欢用for、while循环来求数组的和。 其实数组求和可以用递归方法来解决。 public static int total(int n, int[] args) { if (n == 1) return args[n - 1]; else return total(n - 1, args) + args[n - 1]; }
Python-TreeRNNs即递归神经网络的Theano实现
08-11
**Python-TreeRNNs即递归神经网络的Theano实现** 递归神经网络（Recursive Neural Networks，简称Tree RNNs）是一种深度学习模型，它能够处理树状结构的数据，如自然语言中的句法树。在传统的循环神经网络（RNNs）...
Python3基础教程之递归函数简单示例
12-31
递归求和 我们可以利用递归函数实现一个Python内置函数sum()的递归版。 # 递归 def d_sum(L): if not L: return 0 else: return L[0] + d_sum(L[1:]) sum_l = d_sum(range(10)) print(sum_l) 示例结果 45 ...
python基础编程：python 递归深度优先搜索与广度优先搜索算法模拟实现
12-22
Python 编程基础中，递归和搜索算法是非常重要的概念，尤其在解决复杂问题时，如树和图的遍历。本文将详细讲解递归的基本原理以及如何在Python中实现深度优先搜索（DFS）和广度优先搜索（BFS）。 1. **递归原理** ...
Leetcode扑克-Algos:我最喜欢的一些算法问题-JS&Python
06-30
利特码加班完成的一些我最喜欢的算法的小集合 - JS & Python 力扣问题 BST JS (BST) 的范围总和 数数并说JS （备忘录） Power Set JS （子集，递归） 有效数字JS （正则表达式） Coin Change JS （组合，动态...
leetcode卡-python-leetcode:python-leetcode
07-06
1. **基础数据结构**：数组、链表、栈、队列、哈希表、树（二叉树、平衡树、堆）、图等的Python实现及其操作。 2. **搜索与排序**：线性搜索、二分查找、哈希查找、冒泡排序、插入排序、选择排序、快速排序、归并...
Python简单计算数组元素平均值的方法示例
12-24
本文实例讲述了Python简单计算数组元素平均值的方法。分享给大家供大家参考，具体如下： Python 环境：Python 2.7.12 x64 IDE ：     Wing IDE Professional  5.1.12-1 题目：  求数组元素的平均值 实现代码： # coding:utf-8 #求数组元素的平均值 a=[1,4,8,10,12] b=len(a) sum=0 print "软件开发网测试结果：" print "数组长度为：",b for i in a: sum=sum+i print "均值为：",sum/b 运行结果： PS：这里再为大家推荐几款计算工具供大
python递归函数求和公式_递归函数，使用python查找整数中的数字总和
weixin_39539563的博客
12-04 981
递归是一种编程或编码问题的方法，其中函数在其体内调用自身一次或多次 .通常，它返回此函数调用的返回值 . 如果函数定义满足递归条件，我们将此函数称为递归函数 .递归函数必须终止才能在程序中使用 . 通常，它会终止，如果每次递归调用，问题的解决方案都会缩小并移向基本情况 . 基本情况是一种情况，可以在没有进一步递归的情况下解决问题 . (如果在调用中不满足基本情况，则递归可能导致无限循环) . 对...
Python递归求和（列表）
Narogre的博客
04-08 3178
python递归求和(列表)
python利用递归求一个整数的各位数字_递归函数用python找到整数中的数字总和
weixin_39775029的博客
12-05 2494
递归是编程或编码的问题，其中一个函数调用自身在它的身上一次或多次的方式。通常，它返回此函数调用的返回值。如果函数定义满足递归条件，我们称这个函数为递归函数。递归函数必须终止才能在程序中使用。 通常，它会终止，如果每次递归调用，问题的解决方案都会缩小并向基本情况移动。 基本情况是一种情况，可以在没有进一步递归的情况下解决问题。 (如果调用中没有满足基本情况，则递归可能导致无限循环)。 对于这个问题，...
python实现列表元素递归求和求和
qq_44806199的博客
05-28 3300
def list_sum(sum_list): if sum_list: return total + list_sum(sum_list.pop()) else: return 0 sum_list = [1, 8, 2, 9, 4, 6] print(sum(sum_list))
python中用递归求和
热门推荐
weixin_41407477的博客
11-01 1万+
递归函数: 直接或者间接调用自身以进行循环的函数。 这里是用递归函数编写的一个定制求和函数的列子： def mysum(l): print(l) if not l: return 0 else: return l[0] + mysum(l[1:]) print(mysum([1, 2, 3, 4, 5])) result: [1...
python获取 键盘输入：对n行数据求和
冷月无声的博客
03-27 3725
1. 通过键盘获取n行数据并求和 def sum_input(): # 通过键盘输入n行数字，把它转为list再求和 import sys print("请输入数字的行数：") n = int(sys.stdin.readline().strip()) # 4 print("请输入 {0} 行数字，每行的数字用空格分开，各行的用Enter分...
python递归计数_python 列表递归求和、计数、求最大元素的实例
weixin_30592887的博客
02-11 672
利用python的递归来执行求和、计数、求最大元素的方法简直溜到爆，这里粘贴一下代码：列表的递归求和：def sum(list):if list==[]:return 0return list[0]+sum(list[1:])测试：print sum([3,4,2,3])列表的递归计数：def countElem(list):if list==[]:return 0return 1+countEl...
不使用循环使用递归得到数组的值得求和
weixin_34377919的博客
05-25 171
public static void main(String[] args){ int[] a={1,2,3,4}; System.out.println(sum(1,a)); } public static int sum(int i,int[] arr){ return arr...
使用Python实现ID3算法
最新发布
08-13
### 回答1： ID3算法是一种决策树学习算法，用于分类问题。它通过计算信息增益来选择最佳特征作为分裂节点。 以下是使用Python实现ID3算法的示例代码： ``` import numpy as np import pandas as pd from collections import Counter def entropy(target_col): elements,counts = np.unique(target_col,return_counts = True) entropy = np.sum([(-counts[i]/np.sum(counts))*np.log2(counts[i]/np.sum(counts)) for i in range(len(elements))]) return entropy def InfoGain(data,split_attribute_name,target_name="class"): total_entropy = entropy(data[target_name]) vals,counts= np.unique(data[split_attribute_name],return_counts=True) Weighted_Entropy = np.sum([(counts[i]/np.sum(counts))*entropy(data.where(data[split_attribute_name]==vals[i]).dropna()[target_name]) for i in range(len(vals))]) Information_Gain = total_entropy - Weighted_Entropy return Information_Gain def ID3(data,originaldata,features,target_attribute_name="class",parent_node_class = None): if len(np.unique(data[target_attribute_name])) <= 1: return np.unique(data[target_attribute_name])[0] elif len(data)==0: return np.unique(originaldata[target_attribute_name])[np.argmax(np.unique(originaldata[target_attribute_name],return_counts=True)[1])] elif len(features) ==0: return parent_node_class else: parent_node_class = np.unique(data[target_attribute_name])[np.argmax(np.unique(data[target_attribute_name],return_counts=True)[1])] item_values = [InfoGain(data,feature,target_attribute_name) for feature in features] best_feature_index = np.argmax(item_values) best_feature = features[best_feature_index] tree = {best_feature:{}} features = [i for i in features if i != best_feature] for value in np.unique(data[best_feature]): value = value sub_data = data.where(data[best_feature] == value).dropna() subtree = ID3(sub_data,data,features,target_attribute_name,parent_node_class) tree[best_feature][value] = subtree return(tree) ### 回答2： ID3算法是一种用于决策树学习的经典算法，适用于离散特征的分类问题。下面是使用Python实现ID3算法的步骤： 1. 导入相关库：首先，需要导入numpy和pandas库，用于数据处理和计算。 2. 准备数据：将分类问题的训练数据集准备成一个二维数组，每一行代表一个样本，每一列代表一个特征。 3. 定义计算信息熵函数：计算特征集合D的信息熵，即熵(D)。可以通过计算各个类别的概率以及概率的对数来得到。 4. 定义计算信息增益函数：计算某个特征A对训练数据集D的信息增益，即Gain(D, A)。信息增益是熵的减少量，可以通过计算特征A的每个取值划分后的子集的信息熵，并加权求和得到。 5. 选择最优特征：对于每个特征A，计算其信息增益，并选择信息增益最大的特征作为决策树当前节点的划分特征。 6. 构建决策树：根据选择的最优特征划分训练数据集，递归地构建决策树。如果划分后的子集中只包含一个类别，则该节点为叶子节点，类别为该子集中的唯一类别；否则，选择新的最优特征继续构建子树。 7. 进行预测：使用构建好的决策树对新样本进行分类预测。 通过以上步骤，我们就可以使用Python实现ID3算法。这个算法可以帮助我们从离散特征的训练数据中构建出一颗决策树模型，用于分类预测任务。 ### 回答3： ID3（Iterative Dichotomiser 3）是一种决策树算法，用于构建分类模型。下面是使用Python实现ID3算法的步骤： 1. 导入必要的库：首先，需要导入所需的Python库，如pandas（用于处理数据）和numpy（用于数学运算）。 2. 数据预处理：将待分类的数据集导入，并对其进行预处理。这包括处理缺失值、处理分类变量、将数据集分为训练集和测试集等。 3. 定义决策树类：创建一个名为DecisionTree的类，其中包含创建决策树的各个功能。 4. 计算熵：实现计算熵的函数，用于衡量数据的混乱度和不确定性程度。 5. 选择最优特征：实现一个函数，用于选择最优特征来构建决策树。该函数通过计算信息增益（即特征对于分类结果的重要性）来选择最佳特征。 6. 构建决策树：使用递归的方式，根据选择的最优特征构建决策树。在每个节点中，根据特征值对数据进行分割，并对每个分割后的子集递归地构建子树。 7. 预测：实现一个预测函数，用于根据构建的决策树对新样本进行分类。 8. 完善决策树：添加剪枝功能，以防止过拟合。剪枝操作可以通过定义合适的停止条件来实现，例如树的深度达到一定值或节点的样本数小于某个阈值。 9. 模型评估：对构建完成的决策树模型进行评估。使用测试集对模型进行测试，并计算准确率、召回率、F1值等指标。 10. 示例应用：通过一个示例应用来展示ID3算法的使用。例如，利用ID3算法对患者数据进行分类，根据症状和诊断结果判断是否患有某种疾病。 以上是使用Python实现ID3算法的基本步骤，通过这些步骤，我们可以构建出一个高效且准确的决策树分类模型。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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