sting_to_double

double atof(char s[])
{
    double val, power;
    int    i, sign;
    
    for (i = 0; isspace(s[i]); ++i)
        ;
    sign = (s[i] == '-') ? -1 : 1;
    if (s[i] == '+' || s[i] == '-')
        ++i;
    
    for (val = 0.0; isdigit(s[i]); ++i)
        val = val * 10 + s[i] - '0';
        
    if (s[i] == '.')
        i++;
    for (power = 1.0; isdigits(s[i]); ++i)
    {
        val = val * 10 + s[i] - '0';
        power *= 10;
    }
    return sign * val / power;    
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
`grid_sting`是一个基于Python的库,用于实现网格STING算法(SpaTial clustING of appliCation with noise,具有噪声的应用空间聚类算法)。它是基于网格的聚类算法,将数据集根据网格划分成若干个小区域,然后对每个小区域进行聚类。 `grid_sting`库的主要功能包括: 1.将数据集根据网格划分成若干个小区域。 2.对每个小区域内的数据进行聚类,得到聚类簇。 3.将相邻的小区域合并成一个大区域,并更新大区域内的聚类簇。 4.支持不同的距离度量和聚类算法,可以根据实际需求进行配置。 下面是一个使用`grid_sting`库的简单例子: ```python import numpy as np import pandas as pd from grid_sting import GridSTING # 加载数据集 data = pd.read_csv('data.csv') # 数据预处理 X = data[['x', 'y']].values # 将数据集根据网格划分成若干个小区域 grid = GridSTING(X, epsilon=0.1, min_pts=5) # 对每个小区域内的数据进行聚类 grid.cluster() # 将相邻的小区域合并成一个大区域,并更新大区域内的聚类簇 grid.merge() # 输出聚类结果 print(grid.labels_) ``` 在这个例子中,我们使用了`grid_sting`库对一个二维数据集进行了聚类。具体来说,我们将数据集根据网格划分成若干个小区域,然后对每个小区域内的数据进行聚类。最后,我们将相邻的小区域合并成一个大区域,并更新大区域内的聚类簇。需要注意的是,这里我们使用了默认的距离度量和聚类算法。如果需要使用其他的距离度量和聚类算法,可以通过配置参数来实现。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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