- 博客(47)
- 收藏
- 关注
RSS订阅原创 动态规划算法---钢条切割
算法进阶---动态规划算法钢条切割问题：程序实现：钢条切割问题：程序实现：方法一和方法二是对程序实现的不断深入，逐渐降低算法实现的时间复杂度。p = [0, 1, 5, 8, 9, 10, 17, 17, 20, 21, 23, 24, 26, 27, 27, 28, 30, 33, 36, 39, 40]# p = [0, 1, 5, 8, 9, 10, 17, 17, 20, 24, 30]#方法一，两边都切割，重复了很多计算#@cal_timedef cut_rod_recu
2022-03-29 22:47:10
2674
1
转载 2021python组D题
思路分析：这道题可谓是究极嵌套！融合了最短路径，最小公倍数和动态规划。一个不会就全凉了~最小公倍数我已经整理成精简模板放代码里了，考试时直接套模板就行。动态规划经典的做题步骤有5步。#最小公倍数模板(least common multiple)#关键是求出a,b两个数的最大公约数cdef lcm(a,b): if a<b: a,b=b,a c,d=a,b while d!=0: c,d=d,c%d return..
2022-03-26 22:16:59
644
转载 2021python组C题
思路分析：长宽高，三重循环，枚举暴力.两个知识点：一个是约数，另一个是集合。1、判断约数算法： n%i==0约数指的是被整除后没有余数的数。举个栗子：3%1 == 0 ; 3%3 ==0 , 1和3就是3的约数。2、创建集合容器方法：docker=set()选用集合作为容器存放数据，是因为集合的数据不会重复。相同的数据不会重复添加。import timestart = time.time()n=2021041820210418 #货物数量cnt..
2022-03-25 22:22:55
422
原创 2021python组B题
思路：通过确定不同的点之间确定的斜率与截距，将其放入集合中，利用集合的特征（唯一性）对重复的直线进行筛选。我们先将垂直于x轴的直线（斜率不存在的直线）排除在外，再统计其余的直线。#穷举法import timestart = time.time()# 确定点列表。平面上20X21个整点{(x,y)|0≤x＜20,0≤y＜21,x∈Z,y∈Z}ptslist = [(x,y) for x in range(20) for y in range(21)]kdset = set() # 构建一个集合.
2022-03-24 22:39:23
1439
原创 2021python组A题
方法一，str(i).count("1")import timestart = time.time()#解题思路：拼数字的话1的卡片肯是用的最快的num=0for i in range(1,10000): num+=str(i).count("1") #计算字符串i中，字符1出现的次数。 if 2021 == num: print(i) breakend = time.time()print(end - start) #所用时间为2ms左右.
2022-03-23 21:04:57
966
原创 9、Numpy库---Axis理解
@[TOC](Numpy库---Axis理解)之前的课程中，为了方便大家理解，我们说axis=0代表的是行，axis=1代表的是列。但其实不是这么简单理解的。这里我们专门用一节来解释一下这个axis轴的概念。==除了delete用axis=0表示行以外，其他的大部分函数都是axis=1来表示行。==**简单来说， 最外面的括号代表着 axis=0，依次往里的括号对应的 axis 的计数就依次加 1**。什么意思呢？下面再来解释一下。
2022-03-21 21:08:43
992
原创 8、Numpy库---np.random模块
@[TOC](Numpy库---np.random模块)np.random为我们提供了许多获取随机数的函数。这里统一来学习一下。## 1、np.random.seed：用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed()值，则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。一般没有特殊要求不用设置。
2022-03-21 19:34:12
536
原创 7、Numpy库---NAN和INF值处理
@[TOC](Numpy库---NAN和INF值处理)概述：首先我们要知道这两个英文单词代表的什么意思，1、NAN：Not A number，不是一个数字的意思，但是他是属于浮点类型的，所以想要进行数据操作的时候需要注意他的类型。2、INF：Infinity，代表的是无穷大的意思，也是属于浮点类型。np.inf表示正无穷大，-np.inf表示负无穷大，一般在出现除数为0的时候为无穷大。比如2/0。## 1、NAN一些特点：1、NAN和NAN不相等。
2022-03-21 16:23:42
2161
原创 6、Numpy库---文件操作
@[TOC](Numpy库---文件操作)## 1、操作CSV文件：### 1.1 文件保存：有时候我们有了一个数组，需要保存到文件中，那么可以==使用np.savetxt来实现==。相关的函数描述如下：> np.savetxt(frame, array, fmt='%.18e', delimiter=None)>* frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件>* array : 存入文件的数组>* fmt : 写入文件的格式，例如：%d %.2f %.18e
2022-03-21 10:25:51
496
原创 5、Numpy库---深拷贝和浅拷贝
@[TOC](Numpy库---深拷贝和浅拷贝)## 深拷贝和浅拷贝在操作数组的时候，它们的数据有时候拷贝进一个新的数组，有时候又不是。这经常是初学者感到困惑。下面有三种情况：### 1、不拷贝：如果只是简单的赋值，那么不会进行拷贝。==不进行变量的拷贝==。示例代码如下：```python
2022-03-21 09:53:40
310
原创 4、Numpy数组索引、切片与值的替换
@[TOC](Numpy数组索引、切片与值的替换)## 1、索引与切片：### 1.1 获取某行的数据：：示例代码如下：```python# 1. 如果是一维数组a1 = np.arange(0, 29)print(a1[1]) # 获取下标为1的元素#结果为：1
2022-03-20 22:50:33
3084
原创 3、Numpy数组操作---第5节矩阵转置
@[TOC](Numpy数组操作)**本节内容紧接上一篇内容，同属于数组操作的章节。**## 5、数组（矩阵）转置和轴对换：1、numpy中的数组其实就是线性代数中的矩阵。矩阵是可以进行转置的。ndarray有一个T属性，可以返回这个数组的转置的结果。示例代码如下： ```python#ndarray有一个T属性，可以返回这个数组的转置的结果。a1 = np.arange(0,24).reshape((4,6))print(a1)
2022-03-20 22:15:25
10458
原创 3、Numpy数组操作
@[TOC](Numpy数组操作)## 1、数组广播机制：### 1.1 数组与数的计算：在Python列表中，想要对列表中所有的元素都加一个数，要么采用map函数，要么循环整个列表进行操作。但是NumPy中的数组可以直接在数组上进行操作。示例代码如下：```pythonimport numpy as npa1 = np.random.random((3,4))print(a1)
2022-03-19 22:57:29
775
原创 1、pands库的介绍
## 为什么要学习pandas?**那么问题来了：**numpy已经能够帮助我们处理数据，能够结合matplotlib解决我们数据分析的问题，那么pandas学习的目的在什么地方呢？numpy能够帮我们处理处理数值型数据，但是这还不够， 很多时候，我们的数据除了数值之外，==还有字符串，还有时间序列等==>比如：我们通过爬虫获取到了存储在数据库中的数据所以，pandas出现了。
2022-03-19 20:41:10
591
原创 2、NumPy数组基本用法
@[TOC](NumPy数组基本用法)（1）Numpy是Python科学计算库，用于快速处理任意维度的数组。（2）NumPy提供一个==N维数组类型ndarray==，它描述了==相同类型==的“items”的集合。（3）numpy.ndarray支持向量化运算。（4）NumPy使用c语言写的，底部解除了GIL，其对数组的操作速度不在受python解释器限制。## 1、numpy中的数组：Numpy中的数组的使用跟Python中的列表非常类似。他们之间的区别如下：
2022-03-18 21:16:09
2711
原创 Python中常用的数据结构---二叉树的遍历
## Python中常用的数据结构---二叉树的遍历常用的数据结构有数组、链表(一对一)、栈和队列、哈希表、树(一对多)、图(多对多)等结构。在本目录下我们将讲解，通过python语言实现常用的数据结构。#### 2.二叉树的遍历二叉树的遍历分为4种，前序遍历、中序遍历、后序遍历、层序遍历前序遍历：根节点、左节点、右节点中序遍历：左节点、根节点、右节点后序遍历：左节点、右节点、根节点
2022-03-17 23:11:34
979
原创 Python中常用的数据结构---树（非线性结构）
## Python中常用的数据结构---树常用的数据结构有数组、链表(一对一)、栈和队列、哈希表、树(一对多)、图(多对多)等结构。在本目录下我们将讲解，通过python语言实现常用的数据结构。#### 1.树和二叉树1.1满二叉树：一个二叉树的所有非叶子节点都存在左孩子和右孩子，并且所有叶子结点都在同一层级上，那么这个树就是满二叉树。1.2完全二叉树：对一个有n个节点的二叉树，按层级顺序编号，则所有节点的编号为从1到n。如果这个树所有节点和同样深度的满二叉树的编号为从1到n的节点位置相同，则这个
2022-03-17 20:37:26
1833
原创 蓝桥杯基础练习VIP---高精度加法
@[TOC](蓝桥杯基础练习VIP---高精度加法)## 高精度加法>问题描述： 输入两个整数a和b，输出这两个整数的和。a和b都不超过100位。>题目所给算法描述: 由于a和b都比较大，所以不能直接使用语言中的标准数据类型来存储。对于这种问题，一般使用数组来处理。定义一个数组A，A[0]用于存储a的个位，A[1]用于存储a的十位，依此类推。同样可以用一个数组B来存储b。==计算c = a + b的时候，首先将A[0]与B[0]相加，如果有进位产生，则把进位（即和的十位数）存入r，把和的
2022-03-16 22:41:18
110
原创 蓝桥杯基础练习VIP---阶乘计算
@[TOC](蓝桥杯基础练习VIP---阶乘计算)## 阶乘计算>问题描述： 输入一个正整数n，输出n!的值。其中n!=1乘2乘3*…*n。>题目所给算法描述: 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，**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
2022-03-15 22:55:26
1139
原创 蓝桥杯基础练习---特殊数字
@[TOC](蓝桥杯基础练习---特殊数字)## 特殊的数字>问题描述： 153是一个非常特殊的数，它等于它的每位数字的立方和，即153=1的3次方+5的3次方+3的3次方=1+125+27。编程求所有满足这种条件的三位十进制数。>输出格式： 按从小到大的顺序输出满足条件的三位十进制数，每个数占一行。==pow(x,y)表示求解x的y次幂pow(x,y,z)表示求解x的y次幂对z取余后的结果==
2022-03-15 10:17:00
7222
原创 蓝桥杯基础练习---特殊回文数、回文数
## 蓝桥杯基础练习---特殊回文数、回文数### 1、回文数回文数：表示该数字从左边读和从右边读一样。>问题描述： 1221是一个非常特殊的数，它从左边读和从右边读是一样的，编程求所有这样的四位十进制数。>输出格式： 按从小到大的顺序输出满足条件的四位十进制数。
2022-03-14 20:57:38
1271
原创 蓝桥杯基础练习---进制转换
## 蓝桥杯基础练习-进制转换==转化为二进制：bin()函数；转化为八进制：oct()函数；转化为十进制：int()函数；转化为十六进制：hex()函数。====【注意】：==（1）.lower()方法可将字符串中的所有大写字母变为小写（2）.upper()方法可将字符串中的所有小写字母变为大写（3）.title()方法将每个单词的首字母都改为大写（4）而.capwords()并不是字符串本身的方法，而是string模块中的函数，使用.capwords()函数将一个字符串中的所有独立的英文单词
2022-03-14 16:04:18
431
原创 Python中常用的数据结构---哈希表（字典）
Python中常用的数据结构—哈希表（字典）常用的数据结构有数组、链表(一对一)、栈和队列、哈希表、树(一对多)、图(多对多)等结构。在本目录下我们将讲解，通过python语言实现常用的数据结构。4.哈希表哈希表（hash table）也叫作散列表，这种数据结构提供了键（key）和值（value）的映射关系。只要给出一个key，就可以高效查找到它所匹配的value，时间复杂度接近于O(1)。哈希函数就是将key和value值对应起来的函数。在不同语言中，哈希函数的实现方式是不一样的，在python
2022-03-13 20:46:29
11139
2
原创 Python中常用的数据结构---栈和队列
Python中常用的数据结构—栈和队列常用的数据结构有数组、链表(一对一)、栈和队列、哈希表、树(一对多)、图(多对多)等结构。在本目录下我们将讲解，通过python语言实现常用的数据结构。3.栈和队列3.1栈定义：栈是一种线性数据结构，栈中的元素只能先入后出。最早进入的元素存放的位置叫作栈底，最后进入的元素存放的位置叫作栈顶。栈这种数据结构既可以用数组实现，也可以用链表实现。栈的基本操作：入栈、出栈（1）入栈（push）：入栈操作就是把新元素放入栈中，只允许从栈顶一侧放入元素，
2022-03-12 18:58:53
4470
原创 Python中常用的数据结构---链表
## Python中常用的数据结构---链表常用的数据结构有数组、链表(一对一)、栈和队列、哈希表、树(一对多)、图(多对多)等结构。在本目录下我们将讲解，通过python语言实现常用的数据结构。#### 2.链表2.1链表的结构链表（linked list）是一种在物理上非连续、非顺序的数据结构，由若干节点（node）所组成。（1）单向链表的每一个节点又包含两部分，一部分是存放数据的变量data，另一部分是指向下一节点的指针next。表示方式如下：
2022-03-09 23:23:33
3344
原创 python常用数据结构---数组
Python中常用的数据结构常用的数据结构有数组、链表(一对一)、栈和队列、哈希表、树(一对多)、图(多对多)等结构。在本目录下我们将讲解，通过python语言实现常用的数据结构。1.数组在python语言中，并没有直接使用数组这个概念，而是使用列表（list）和元组（tuple）这两种集合，它们的本质都是对数组的封装。其中，列表是一个动态可扩展的数组，支持任意的添加、删除、修改元素；而元组是一个不可变集合，一旦创建就不支持修改，即不支持添加、删除、修改操作，只支持查看。下面我们提到的数组概念，对
2022-03-09 19:03:04
1419
原创 1、numpy库介绍
## Numpy库介绍NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。在数据分析和机器学习领域被广泛使用。他有以下几个特点：1、numpy内置了并行运算功能，当系统有多个核心时，做某种计算时，numpy会自动做并行计算。2、Numpy底层使用C语言编写，内部解除了GIL（全局解释器锁），其对数组的操作速度不受Python解释器的限制，效率远
2022-03-07 12:43:55
14839
1
原创 pytorch框架实现线性回归
### pytorch框架实现线性回归**基础知识：__call__()，魔术方法的使用。**```python#__call___(): 使得类对象具有类似函数的功能。class A(): def __call__(self): print('i can be called like a function')a = A()a() #结果：i can be called like a function```
2022-03-07 11:13:44
439
原创 pytorch框架实现反向传播
### 反向传播（back propagation）使用pytorch框架不需要自己去手动求导，框架中自带求导的工具，我们可以通过反向传播将梯度往回传播。通常有二个过程，forward和backward。
2022-03-06 19:00:15
1727
原创 梯度下降法（GD、SGD、BGD、MINI-BGD）
### 1、梯度下降法（Gradient Descent Algorithm）梯度下降法，类似于贪心算法，只考虑当下，一般找到的是局部最优解。在深度学习中，大量使用梯度下降法，因为神经网络中损失函数并没有特别多的局部最优点，所以找到的一般都是全局最优解。损失函数-如下图所示：
2022-03-06 10:08:55
2568
原创 蓝桥杯基础训练-数列排序
求解问题方法1、首先做出判断输入的n值合法，满足1<=n<=200,强制转化为int型，默认为str2、满足上面的要求，然后再将待排序的数字，存于列表ls中,强制转换为list类型，并将所有的数据由str变成int型3、使用 ls.sort()排序，默认reverse=False从小到大输出,reverse=True则相反4、通过for循环打印列表中数据，end=' '的作用是输出不换行。
2022-03-04 17:40:26
107
原创 蓝桥杯中必知的python基础知识
蓝桥杯中必知的python基础知识重点说一下，蓝桥杯python组中，题目一般都会要求写输入输出，而像LeetCode中的算法练习，更适用于找工作时用，算法题主要按照算法思想编写函数体，不考虑输入的变量，只考虑函数的返回值。下面将介绍关于蓝桥杯python组的一些基础知识。
2022-03-03 22:23:15
1764
原创 蓝桥杯入门-1、Fibonacci数列-Python
数值过大可能是测试用例的输入很大导致的，列表中数据太多导致内存超限；另一方面，输入数值过大，有可能会发生计算错误的情况。针对上面这两种情况，我们做一下改进：Python语句的改进只保留想要的，列表里只存放2个值累加过程中，超过10007时，就减去10007
2022-03-03 18:00:58
218
原创 2、线性回归预测模型的实现（linear model）y=x*w+b
### 线性回归预测模型的实现（linear model）y=x*w+b**通过 numpy包穷举找到线性模型的预测的w和b值，并用matplotlib和mpl_toolkits包画出在训练过程中w、b、loss的三维变化。**1、实现==y=x*w + b==线性回归预测。**关键是求解出w和b的值，w和b的值知道了其线性模型就确定了。**如下图所示：
2022-03-02 23:01:22
1910
1
原创 1、线性回归预测模型的实现（linear model）y=x*w
### 线性回归预测模型的实现（linear model）**通过 numpy包穷举找到线性模型的预测的w值，并用matplotlib包画出线性预测效果。**1、实现==y=x*w==线性回归预测。本例题中有学习成绩关于学习时长的一组数据，其满足线性模型，通过此数据训练一个线性模型，并用训练完的模型做预测，预测时长x=4时，成绩y=？。**关键是求解出w的值，w的值知道了其线性模型就确定了。**
2022-03-02 21:41:19
1339
原创 pytorch中张量的维度变换，torch.squeeze()、torch.unsqueeze()函数
### 张量维度变换通过.reshape方法，能够灵活调整张量的形状。而在实际操作张量进行计算时，往往需要另外进行降维和升维的操作，当我们需要除去不必要的维度时，可以使用squeeze函数，而需要手动升维时，则可采用unsqueeze函数。#### 1.torch.squeeze()函数：删除不必要的维度，==提出了shape返回结果中的1==
2022-03-01 21:26:09
2347
原创 pytorch中张量的合并操作.cat()、.stack()方法
### 张量的合并操作张量的合并操作类似与列表的追加元素，可以拼接、也可以堆叠。#### 1.拼接方法：.cat()PyTorch中，可以使用.cat()方法实现张量的拼接,==不改变张量形状，并且返回结果是原张量的视图==。**（1）.cat()方法的使用，第一个参数和第二个参数：为目标张量，第三个参数：0表示行数增加，1表示列数增加，注意观察张量形状**
2022-03-01 20:46:41
8684
原创 pytorch中张量的分块.chunk()方法和拆分.split()方法
### 张量的分块和拆分方法#### 1.分块：.chunk()方法.chunk()方法能够按照某维度，对张量进行均匀切分，并且返回结果是原张量的视图。**（1）.chunk()函数的使用，第一个参数：目标张量，第二个参数：等分的块数，第三个参数：按照的维度**
2022-02-28 22:59:25
7250
原创 pytorch中张量.view()方法
### pytorch中张量的.view()方法在正式介绍张量的切分方法之前，需要首先介绍PyTorch中的**.view()方法**。该方法会返回一个类似视图的结果，该结果和原张量对象**共享一块数据存储空间**，并且通过.view()方法，还可以改变对象结构，生成一个不同结构，但共享一个存储空间的张量。当然，共享一个存储空间，也就代表二者是“浅拷贝”的关系，**修改其中一个的数值，另一个张量对应的数值也会同步进行更改**。
2022-02-28 22:07:32
1075
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人