有一个直方图,用一个整数数组表示,其中每列的宽度为1,求所给直方图包含的最大矩形面积。比如,对于直方图[2,7,9,4],它所包含的最大矩形的面积为14(即[7,9]包涵的7x2的矩形)。给定一个直方...

// ConsoleApplication5.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include<vector>
#include<iostream>
using namespace std;

class MaxInnerRec {
public:
    int countArea(vector<int> A, int n) {
        vector<int> areas;
        for (int i = 0; i < A.size(); i++)
        {
            int sum = A[i];
            for (int before = i-1; before >= 0; before--)
            {
                if (A[before] < A[i]) {
                    break;
                }
                else {
                    sum = sum + A[i];
                }
            }

            for (int afer = i + 1; afer < A.size(); afer++)
            {
                if (A[afer] < A[i]) {
                    break;
                }
                else {
                    sum = sum + A[i];
                }
            }
            areas.push_back(sum);
        }
    
        int maxArea= areas[0];
        for (int i = 1; i < areas.size(); i++)
        {
            if (maxArea < areas[i])
            {
                maxArea = areas[i];
            }
        }
        return maxArea;
    }
};

int main()
{
    vector<int> A = { 2,7,9,4,1 };
    MaxInnerRec maxInnerRec;
    cout << maxInnerRec.countArea(A,5)<<endl;
return 0;
}

转载于:https://www.cnblogs.com/wdan2016/p/6508687.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要实现按照钢种画多数据的频数分布直方图,最后每数据生成一个直方图,可以使用pandas库的melt函数将多数据转换为一,然后使用seaborn库的FacetGrid函数来实现。以下是一个简单的示例代码,可以根据实际需要进行修改: ```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 读取数据,假设数据文件名为steel_data.csv,包含钢种(steel_type)、数据名(data_name)和数据分布(data_distribution1, data_distribution2, ...) df = pd.read_csv('steel_data.csv') # 使用pandas的melt函数将多数据转换为一 df_melt = df.melt(id_vars=['steel_type', 'data_name'], var_name='data_column', value_name='data_distribution') # 使用seaborn设置样式 sns.set_style('darkgrid') # 使用FacetGrid函数绘制直方图,按照钢种和数据名区分 g = sns.FacetGrid(df_melt, col='data_column', hue='steel_type', col_wrap=3) g.map(sns.histplot, 'data_distribution', alpha=0.7) # 设置图表标题和横纵轴标签 g.set_titles('{col_name}') g.set_axis_labels('Data Distribution', 'Count') # 显示图表 plt.show() ``` 这段代码假设数据文件名为steel_data.csv,包含数据:钢种(steel_type)、数据名(data_name)和数据分布(data_distribution1, data_distribution2, ...)。使用pandas库中的read_csv函数读取数据,然后使用pandas的melt函数将多数据转换为一,然后使用seaborn库设置样式并使用FacetGrid函数绘制直方图,按照数据名和钢种区分。最后使用matplotlib库设置图表标题和横纵轴标签,并显示图表。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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