【c++】条件计数器函数设计

源码：

#include<iostream>

// 函数声明
void conditionCount(int *cond, int *total, bool flag);

int main() {
    // 示例数组，包含5个整数
    int arr[5] = {2, 4, 3, 5, 6};
    // 初始化总计数器和条件计数器
    int total = 0;
    int cond = 0;

    // 遍历数组，对每个元素调用conditionCount
    for (int i = 0; i < 5; i++) {
        // 调用conditionCount，其中arr[i]%2==0检查元素是否为偶数
        // &cond 和 &total 分别是条件计数器和总计数器的地址
        conditionCount(&cond, &total, arr[i] % 2 == 0);
    }

    // 计算偶数的概率（注意：这里假设total不为0）
    double gailv = (double)cond / total;

    // 输出偶数的概率
    std::cout << "偶数的概率为：" << gailv << std::endl;

    return 0;
}

// 函数定义
void conditionCount(int *cond, int *total, bool flag) {
    // 总计数器加1
    (*total)++;
    // 如果flag为真（即元素为偶数），则条件计数器加1
    if (flag) {
        (*cond)++;
    }
}

输出结果

text

偶数的概率为：0.6

解释

1. ‌函数定义‌：conditionCount 函数接受三个参数：两个整数的指针（分别用于条件计数和总计数）和一个布尔值（用于判断是否满足特定条件）。

2. ‌主函数‌：

   • 定义了一个包含5个整数的数组 arr。
   • 初始化了两个计数器 total 和 cond。
   • 通过循环遍历数组 arr，对每个元素调用 conditionCount 函数，其中 arr[i] % 2 == 0 用于检查元素是否为偶数。
   • 最后，计算偶数的概率（偶数的数量除以总元素数），并输出结果。

注意事项

• 在计算概率时，假设 total 不为0。在实际应用中，可能需要添加一些错误检查或处理逻辑来避免除以零的错误。
• 示例中的数组和函数都是硬编码的，但在实际应用中，它们可能需要根据具体情况进行调整或参数化。

不过，有一点小细节需要注意，当数组中没有元素（即 total 为 0）时，直接进行除法 (double) cond / total 会导致除以零的错误。虽然在你的例子中数组至少有一个元素，但在更通用的场景中，这种情况可能会发生。

为了避免潜在的除以零错误，你可以在计算概率之前检查 total 是否为 0。如果是，则可以输出一个错误消息或设置概率为 0（或 NaN，表示“不是一个数字”）。下面是修改后的代码示例：

#include<iostream>

void conditionCount(int *cond, int *total, bool flag) {
(*total)++;
if (flag) {
(*cond)++;
}
}

int main() {
int arr[5] = {2, 4, 3, 5, 6};
int total = 0;
int cond = 0;
for (int i = 0; i < 5; i++) {
conditionCount(&cond, &total, arr[i] % 2 == 0);
}

double gailv;
if (total == 0) {
std::cout << "数组中没有元素，无法计算概率。" << std::endl;
gailv = 0.0; // 或者使用 std::numeric_limits<double>::quiet_NaN();
} else {
gailv = (double)cond / total;
std::cout << "偶数的概率为：" << gailv << std::endl;
}

return 0;
}

在这个修改中，我添加了一个检查来确保 total 不为 0，然后才计算概率。如果 total 为 0，则输出一个错误消息，并将 gailv 设置为 0（或者你可以使用 std::numeric_limits<double>::quiet_NaN() 来表示一个未定义或不可表示的值，但这需要包含 <limits> 头文件）。

此外，你的代码逻辑和函数设计是清晰和有效的，能够很好地满足统计和计算概率的需求。