【Python 百练成钢】高精度加法、阶乘计算、矩阵幂运算、矩阵面积交

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]))))

矩阵幂运算🦚

=========================================================================

---

💓问题描述

---

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

💓问题分析

---

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）

💓代码实现

---

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

---

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

矩阵面积交🦚

=========================================================================

---

💓问题描述

---

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

💓问题分析

---

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。

💓代码实现

---

老规矩先上运行结果：

矩形1的两个顶点

r1=list(map(float,input().split()))

矩形2的两个顶点

r2=list(map(float,input().split()))

如果有相交面积,那么x1<x2 y1<y2

x1=max(min(r1[0],r1[2]),min(r2[0],r2[2]))

x2=min(max(r1[0],r1[2]),max(r2[0],r2[2]))

y1=max(min(r1[1],r1[3]),min(r2[1],r2[3]))

y2=min(max(r1[1],r1[3]),max(r2[1],r2[3]))

if x1<x2 and y1<y2:

print(“{:.2f}”.format((x2-x1)*(y2-y1)))

else:

print(“{:.2f}”.format(0.00))

---

[

与50位技术专家面对面
20年技术见证，附赠技术全景图
](https://newprogrammer.blog.csdn.net/article/details/124097127?utm_campaign=marketingcard&utm_source=apple_51931783&utm_content=123590042)

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

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，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

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，都欢迎扫码加入我们的的圈子（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！

片描述](https://img-blog.csdnimg.cn/c741a91b05a542ba9dc8abf2f2f4b1af.png)

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

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，都欢迎扫码加入我们的的圈子（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！
[外链图片转存中…(img-RpSYUfds-1712930051879)]