自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(10)
  • 收藏
  • 关注

原创 202109-1 数组推导 python(100分)

题目描述: 输入格式: 输出格式: 样例1输入: 6 0 0 5 5 10 10 样例1输出: 30 15 样例1解释: 样例2输入: 7 10 20 30 40 50 60 75 样例2输出: 285 285 样例2解释: 题解: n = int(input()) li = list(map(int, input().split())) sum_max = sum(li) set1 = set(li) sum_min = sum(set1) p

2022-03-30 22:40:09 879

原创 201912-2 回收站选址 python(100分)

题目描述: 输入格式: 输出格式: 样例1输入: 样例1输出: 样例1解释: 样例2输入: 样例2输出: 样例2解释: 不存在可选地址 样例3输入: 样例3输出: *样例3解释: 题解: n = int(input()) points = [] grades = [0 for i in range(5)] # print(grads) for i in range(n): points.append(list(map(int, inpu

2022-03-30 16:43:31 569

原创 201912-1 报数 python(100)

题目描述: 输入格式: 输出格式: 样例1输入: 20 样例1输出: 2 1 1 0 样例1解释: 样例2输入: 66 样例2输出: 7 5 11 5 子任务: 题解: n = int(input()) a_count = 0 b_count = 0 c_count = 0 d_count = 0 times = 0 i = 1 def Check(temp): if temp % 7 == 0: return True elif

2022-03-29 21:49:35 729

原创 202006-2 稀疏向量 python(100分)

题目描述: 输入格式: 输出格式: 样例输入: 10 3 4 4 5 7 -3 10 1 1 10 4 20 5 30 7 40 样例输出: -20 # 第1~11行对传入的数据进行存储 n, a, b = map(int, input().split()) dic_a = {} dic_b = {} mul = 0 for i in range(a + b): if i < a: index, value = map(int, input().split

2022-03-29 15:21:02 140

原创 202006-1 线性分类器 python

题目描述: 输入格式: 输出格式: 样例输入: 样例输出: 题解: n, m = map(int, input().split()) li_n = [] li_m = [] li_A = [] li_B = [] li_result = [] for i in range(n): li1 = list(input().split()) for j in range(2): li1[j] = int(li1[j]) li_n.append(li1) for i

2022-03-28 21:58:28 366

原创 python 爬取猎聘网岗位信息+tkinter UI设计

直接上效果图 要用到的库 import tkinter as tk import xlwt import requests import time from bs4 import BeautifulSoup 爬虫部分 def spy(str): book = xlwt.Workbook(encoding='utf-8', style_compression=0) # 这是要爬取到excel中的信息 row = ['名称', '地点', '薪资', '公司', '..

2022-03-27 23:47:11 1280

原创 csp 202104-2 python解法(100分)

试题名称:邻域均值 试题背景:顿顿在学习了数字图像处理后,想要对手上的一副灰度图像进行降噪处理。不过该图像仅在较暗区域有很多噪点,如果贸然对全图进行降噪,会在抹去噪点的同时也模糊了原有图像。因此顿顿打算先使用邻域均值来判断一个像素是否处于较暗区域,然后仅对处于较暗区域的像素进行降噪处理。 问题描述: 现给定邻域参数r和阈值t,试统计输入灰度图像中有多少像素处于较暗区域。 样例输入: 4 16 1 6 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 样例输出: .

2021-12-02 10:43:28 2667

原创 csp 202104-1 python解法(100分)

csp 202104-1 python解法(100分) 首先看题: 这里输入第一行的第一个数代表矩阵A的行数,第二个数代表列数,第三个数可以理解为矩阵中出现的最大的数减1 接收输入的数据: n, m, l = map(int, input().split()) matrix = [] for _ in range(n): matrix.append(list(map(int, input().split()))) result = [0]*l #创建l大小的一个数组 解题思路:每当[0

2021-11-30 23:44:31 185

原创 简易的有道翻译器

简易翻译器 简单的Introduction 先说说这个工具我们将会用到的python库: import tkinter as tk import requests 用到tkinter是因为我们在后面会做一个UI界面,为什么会用tkinter,而不用pyqt5呢,一个简单的原因,因为简单,哈哈哈。 用requests库是因为我们需要向有道的官网发送一个post请求,获取返回的数据,这里会用到一点点网络爬虫的东西,不懂的可以自学一下。 废话不多说,开干!!! 代码部分 (1)爬虫部分 有道翻译的网

2021-10-14 19:38:41 220

原创 逻辑回归优化

iris_LogisticRegression_optimization (1)背景 常规任务是利用给定的类别、已知的训练数据来学习分类规则和分类器,然后对未知数据进行分类(或预测)。逻辑回归常用来解决二分类的问题。与线性回归有很多相同之处,去除Sigmoid映射函数的话,逻辑回归算法就是一个线性回归。 (2)基本假设 面对一个回归或者分类问题,建立代价函数,然后通过优化方法(通过train_data训练我们的model)迭代求解出最优的模型参数,然后测试验证我们这个求解的模型的好坏 优化的部分是不用

2021-10-13 22:13:48 986 1

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

提示
确定要删除当前文章?
取消 删除