排列组合的几种实现

1.排列 

代码如下:

    public static long permutation(int n, int m) {
		long res = 1l;
		for(; m > 0; m --) {
			res *= n;
			n --;
		}
		return res;
	}

2.组合

并且规定:0!= 1。

C(3,0) = 1。

2.1通过排列的方式求组合

 代码如下:

    public static long comb(int n, int m) {
		return permutation(n, m)/permutation(m, m);
	}

2.2通过C(n,m-1)求C(n,m)

A(n,m-1),最后一个因式是(n-m+2),A(n,m)最后一个因式是(n-m+1),倒数第二个因式为(n-m+2),而m ! = m * (m - 1) !。

所以C(n,m)  = C(n,m-1) * (n - m + 1) / m 。

代码如下:

    public static int combination(int n, int m) {
		m = n-m < m ? n-m : m;
		int res = 1;
		for(int k = 1; k <= m; k ++) {
			res = ((n-k+1)*res)/k;
		}
		return res;
	}

代码中有一处优化,即为n-m与m比较取较小值,因为组合的相等性,即C(n,m) = C(n,n-m),取较小值,减少运算次数。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
在pandas中,可以使用concat函数来进行行和列的排列组合。引用中提到了几种常用的方法: 1. 连接不同行索引的列:可以使用pd.concat()函数,设置axis参数为1,将多个DataFrame按列连接在一起,生成一个新的DataFrame。例如:col_concat = pd.concat([df1, df2, df3], axis=1)。 2. 添加新的行:可以使用pd.concat()函数,将Series或DataFrame与原有的DataFrame进行连接,生成一个新的DataFrame。如果没有列索引与之对应,会新增一列,默认值为NaN。例如:new_row_series = pd.Series(['n1', 'n2', 'n3', 'n4']),将new_row_series与df1进行连接,可以使用pd.concat([df1, new_row_series])。如果要将Series作为行添加,需要先将其转为DataFrame。例如:new_row_data = pd.DataFrame([['n1', 'n2', 'n3', 'n4']], columns=['A', 'B', 'C', 'D']),将new_row_data与df1进行连接,可以使用pd.concat([df1, new_row_data])。 3. Dataframe结构的行和列排列组合:Dataframe的结构类似于二维矩阵,每一列是一个特征,每一行是一个样本。对于Dataframe结构的某一列进行排序,可以使用sort_values()方法。例如,对df表中的user_id这一列进行排序,默认是从小到大排列。可以使用df.sort_values('user_id')。 所以,可以根据具体需求使用这些方法来进行行和列的排列组合。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [(十)pandas数据组合](https://blog.csdn.net/benjorsun/article/details/112931379)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *3* [Pandas 对Dataframe结构排序的实现方法](https://download.csdn.net/download/weixin_38536349/13776334)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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

打赏作者

潭影空人心

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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