动态规划之简单多状态

简单多状态

  • 1. 按摩师（easy）
  • 2. 打家劫舍II （medium）
  • 3. 删除并获得点数（medium）
  • 4. 买卖股票的最佳时机含冷冻期（medium）
  • 5. 买卖股票的最佳时机III（hard）

1. 按摩师（easy）

1.题目链接：按摩师
2.题目描述：一个有名的按摩师会收到源源不断的预约请求，每个预约都可以选择接或不接。在每次预约服务之间要有休息时间，因此她不能接受相邻的预约。给定一个预约请求序列，替按摩师找到最优的预约集合（总预约时间最长），返回总的分钟数。
示例 1：

输入： [1,2,3,1]
输出： 4 解释： 选择 1 号预约和 3 号预约，总时长 = 1 + 3 = 4。

示例 2：

输入： [2,7,9,3,1]
输出： 12 解释： 选择 1 号预约、 3 号预约和 5 号预约，总时长 = 2 + 9 + 1 = 12。

示例 3：

输入： [2,1,4,5,3,1,1,3]
输出： 12 解释： 选择 1 号预约、 3 号预约、 5 号预约和 8 号预约，总时长 = 2 + 4 + 3 + 3 = 12。

3.问题分析：
对于动态规划多状态这类问题，看完题目后，对于某个事物，有明显几个状态；比如这道题的事物就是这个按摩师，这个按摩师可能有工作，休息两种状态，而我们要做的就是将这两种状态表示出来，然后计算不同状态下他所能达到的值。 最后依据题目来求解最大值还是最小值。

  1. 状态表示：先用一个dp[n]进行表示，然后就会发现，对于某一个位置来说，这个位置的客人可能选，可能不选（不选可能就是在休息），那么很明显用一个dp表是不能表示出这两种状态的。所以状态表示可以如下：f[i] 表⽰：选择到 i 位置时， nums[i] 必选，此时的最⻓预约时⻓； g[i] 表⽰：选择到 i 位置时， nums[i] 不选，此时的最⻓预约时⻓。
  2. 状态转移方程：对于f[i]数组来说，选择到 i 位置时， nums[i] 必选，此时的最⻓预约时⻓，所以如果i位置必选，那么i-1就不能再选，刚好g[i] 表示的就是 nums[i] 不选，此时的最⻓预约时，此时f[i]=nums[i] + g[i-1]； g[i]表示i位置不选，那么i-1可以选也可以不选，取这两者最大值，g[i]=max(f[i-1], g[i-1])。 所以状态表示分别为 f[i] = nums[i] + g[i - 1];g[i] = max(f[i - 1], g[i - 1]);
  3. 初始化：对于f[i]来说，i位置表示必选，所以f[0]=nums[0]；对于g[i]来说，i位置表示不选，所以g[0]=0 。
  4. 填表顺序：根据状态转移⽅程得从左往右，两个表⼀起填。
  5. 返回值：根据状态表⽰，应该返回max(f[n - 1], g[n - 1])。

代码如下：

class Solution 
{
public:int massage(vector<int>& nums) {int n = nums.size();//判断是否为空if (n == 0)return 0;vector<int> f(n), g(n);//初始化f[0] = nums[0];for (int i = 1; i < n; ++i){f[i] = nums[i] + g[i - 1];g[i] = max(f[i - 1], g[i - 1]);}return max(f[n - 1], g[n - 1]);}
};

2. 打家劫舍II （medium）

1.题目链接：打家劫舍II
2.题目描述：你是一个专业的小偷，计划偷窃沿街的房屋，每间房内都藏有一定的现金。这个地方所有的房屋都 围成一圈 ，这意味着第一个房屋和最后一个房屋是紧挨着的。同时，相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警 。
给定一个代表每个房屋存放金额的非负整数数组，计算你 在不触动警报装置的情况下 ，今晚能够偷窃到的最高金额。

示例 1：

输入：nums = [2,3,2]
输出：3 解释：你不能先偷窃 1 号房屋（金额 = 2），然后偷窃 3 号房屋（金额 = 2）,因为他们是相邻的。

示例 2：

输入：nums = [1,2,3,1]
输出：4 解释：你可以先偷窃 1 号房屋（金额 = 1），然后偷窃 3 号房屋（金额 = 3）。偷窃到的最高金额 = 1 + 3 = 4 。

示例 3：

输入：nums = [1,2,3]
输出：3

3.问题分析：
这道题上道题的区别就是将这个nums数组看作是一个环形数组，这样的话就需要考虑临界区，也就是对首尾的状况进行分析；具体有如下几种：如果第一个位置选，那么最后一个位置就不能选，也就是在区间[0,n - 2]；如果最后一个位置选，那么第一个位置就不能选，也就是区间[1,n - 1]。 还有没有别的情况？没有了。然后对两个区间[0,n - 2]和[1,n - 1]分别进行一次按摩师的问题，就可以求出最大值。

  1. 状态表示：f[i] 表⽰：选择到 i 位置时， nums[i] 必选，此时偷取利润的最大值； g[i] 表⽰：选择到 i 位置时， nums[i] 不选，此时偷取利润的最大值。
  2. 状态转移方程：如按摩师的分析方式，状态转移方程如下： f[i] = nums[i] + g[i - 1];g[i] = max(f[i - 1], g[i - 1]);
  3. 初始化：对于f[i]来说，i位置表示必选，所以f[0]=nums[0]；对于g[i]来说，i位置表示不选，所以g[0]=0 。
  4. 填表顺序：根据状态转移⽅程得从左往右，两个表⼀起填。
  5. 返回值：根据状态表⽰，应该返回max(f[n - 1], g[n - 1])。

代码如下：

class Solution 
{
public:int _rob(vector<int>& nums, int left, int right){if (left > right)return 0;int n = nums.size();vector<int> f(n), g(n);//初始化第一个值f[left] = nums[left];for (int i = left + 1; i <= right; ++i){f[i] = nums[i] + g[i - 1];g[i] = max(f[i - 1], g[i - 1]);}return max(f[right], g[right]);}int rob(vector<int>& nums) {int n = nums.size();//判断临界条件if (n == 1)return nums[0];//分别求出两个区间[0,n - 2]和[1,n - 1]的最大值return max(_rob(nums, 0, n - 2), _rob(nums, 1, n - 1));}
};

3. 删除并获得点数（medium）

1.题目链接：删除并获得点数
2.题目描述：
给你一个整数数组 nums ，你可以对它进行一些操作。
每次操作中，选择任意一个 nums[i] ，删除它并获得 nums[i] 的点数。之后，你必须删除 所有 等于 nums[i] - 1 和 nums[i] + 1 的元素。
开始你拥有 0 个点数。返回你能通过这些操作获得的最大点数。

示例 1：

输入：nums = [3,4,2]
输出：6 解释： 删除 4 获得 4 个点数，因此 3 也被删除。 之后，删除 2 获得 2个点数。总共获得 6 个点数。

示例 2：

输入：nums = [2,2,3,3,3,4]
输出：9 解释： 删除 3 获得 3 个点数，接着要删除两个 2 和 4 。 之后，再次删除3 获得 3 个点数，再次删除 3 获得 3 个点数。 总共获得 9 个点数。

提示：

1 <= nums.length <= 2 * 10^4
1 <= nums[i] <= 10^4

3.问题分析：
这道题就需要很好的理解能力了，大概意思是给你一个数组，然后你可以删除一个元素并获得它的大小（这里就叫做点数），但是你如果删除了某个数，比如5，那么你就不能再删除数组中的3和4（上述加红区域）。看到这会想到什么？？是不是就和上述第一题差不多了，i位置必选的话，i-1与i+1位置就不能再选。然后就需要一些操作，将本题变为与上述题一样的解法即可，思路如下：由提示可知道1 <= nums[i] <= 10^4，所以用一个10001大小的数组将数据管理起来，下标对应的就是每个数据，所存的元素表示该下标总共的和（例如4出现3次，那么4的位置所存的数据就为12）。

  1. 状态表示：如上题一样，用f[i]表示i位置删除，所获取的最大点数；g[i]表示i位置不删除，所获取的最大点数。
  2. 状态转移方程：如按摩师的分析方式，状态转移方程如下： f[i] = hash[i] + g[i - 1];g[i] = max(f[i - 1], g[i - 1]);
  3. 初始化：对于f[0]位置来说，必选后值为0。
  4. 填表顺序：从左往右，两表一次填写。
  5. 返回值：max(f[N - 1], g[N - 1])。

代码如下：

class Solution 
{
public:int deleteAndEarn(vector<int>& nums) {const int N = 10001;int hash[N] = { 0 };for (auto& x : nums)hash[x] += x;vector<int> f(N), g(N);for (int i = 1; i < N; ++i){f[i] = hash[i] + g[i - 1];g[i] = max(f[i - 1], g[i - 1]);}return max(f[N - 1], g[N - 1]);}
};

4. 买卖股票的最佳时机含冷冻期（medium）

1.题目链接：买卖股票的最佳时机含冷冻期
2.题目描述：给定一个整数数组prices，其中第 prices[i] 表示第 i 天的股票价格 。​
设计一个算法计算出最大利润。在满足以下约束条件下，你可以尽可能地完成更多的交易（多次买卖一支股票）:

卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。
注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

示例 1:

输入: prices = [1,2,3,0,2]
输出: 3 解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]

示例 2:

输入: prices = [1]
输出: 0

提示：

1 <= prices.length <= 5000
0 <= prices[i] <= 1000

3.问题分析：
这类题先分状态，然后对每种状态再进行详细讨论。如本题状态该怎么分？在某一天的交易状态可能为买入、冷冻期，冷冻期之后为可交易状态（可交易状态是需要自行找出的）因为卖出的那一刻和进入冷冻期的利润相同，所以买卖股票问题不需要关心卖出状态（如果考虑卖出状态的话，要记得冷冻期的利润是和当天卖出状态利润相同的）。

  1. 状态表示：由于有「买⼊」「可交易」「冷冻期」三个状态，因此我们可以选择⽤三个数组，其中：dp[0][j] 表⽰：第 i 天结束后，处于「买⼊」状态，此时的最⼤利润；dp[1][j] 表⽰：第 i 天结束后，处于「冷冻期」状态，此时的最⼤利润；dp[2][j] 表⽰：第 i 天结束后，处于「可交易」状态，此时的最⼤利润。
  2. 状态转移方程：由下图进行分析：
    在这里插入图片描述

箭头末尾表示昨天，箭头前端表示今天。nothing表示什么也不用做。 由买入状态开始分析：由买入能不能到买入状态？什么也不干就可以，由买入到冷冻期？昨天卖出，今天就到冷冻期 ，由买入到可交易？买入后只能卖出到冷冻期，所以不可行。 冷冻期状态：由冷冻期到冷冻期？不行，由冷冻期到买入，显而易见也不行，由冷冻期到可交易？昨天冷冻期，什么也不干，今天就能到达可交易。可交易状态：由可交易到可交易？昨天可交易状态什么也不干，今天就又是可交易状态，由可交易到买入？昨天可交易，今天当然可以买入，由可交易到冷冻期？不行。
所以状态转移方程如下：dp[0][j] = max(dp[0][j - 1], dp[2][j - 1] - prices[j]); dp[1][j] = dp[0][j - 1] + prices[j]; dp[2][j] = max(dp[2][j - 1], dp[1][j - 1]);

  1. 初始化：三种状态都会⽤到前⼀个位置的值，因此需要初始化每⼀⾏的第⼀个位置：
    dp[0][0] ：此时要想处于「买⼊」状态，必须把第⼀天的股票买了，因此 dp[0][0] = -prices[0] ；
    dp[1][0] ：啥也不⽤⼲即可，因此 dp[1][0] = 0 ；
    dp[2][0] ：⼿上没有股票，买⼀下卖⼀下就处于冷冻期，此时收益为 0 ，因此 dp[2][0] = 0 。
  2. 填表顺序：从上到下，从左往右，三个表⼀起填。
  3. 返回值：买入状态的利润肯定不是最大的，所以返回冷冻期状态或可交易状态的最大值即可。

代码如下：

class Solution 
{
public:int maxProfit(vector<int>& prices) {int n = prices.size();vector<vector<int>> dp(3, vector<int>(n));dp[0][0] = -prices[0];for (int j = 1; j < n; ++j){dp[0][j] = max(dp[0][j - 1], dp[2][j - 1] - prices[j]);dp[1][j] = dp[0][j - 1] + prices[j];dp[2][j] = max(dp[2][j - 1], dp[1][j - 1]);}return max(dp[1][n - 1], dp[2][n - 1]);}
};

5. 买卖股票的最佳时机III（hard）

1.题目链接：买卖股票的最佳时机III
2.题目描述：给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔（k笔） 交易。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

示例 1:

输入：prices = [3,3,5,0,0,3,1,4]
输出：6 解释：在第 4 天（股票价格 = 0）的时候买入，在第6天（股票价格 = 3）的时候卖出，这笔交易所能获得利润 = 3-0 = 3 。
随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。

示例 2：

输入：prices = [1,2,3,4,5]
输出：4 解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。
因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3：

输入：prices = [7,6,4,3,1]
输出：0
解释：在这个情况下, 没有交易完成, 所以最大利润为 0。

示例 4：

输入：prices = [1]
输出：0

提示：

1 <= prices.length <= 10^5
0 <= prices[i] <= 10^5

3.问题分析：
这道题与上道题相比，多需要考虑一个交易次数，所以需要再增加一个维度用来表示交易次数。对于状态来说，只有买入状态和可交易状态，所以用f，g两个数组来进行表示，第二个维度j表示的就是交易次数。

  1. 状态表示：f[i][j] 表⽰：第 i 天结束后，完成了 j 次交易，处于「买⼊」状态，此时的最⼤利润； g[i][j] 表⽰：第 i 天结束后，完成了 j 次交易，处于「卖出」状态，此时的最⼤利润。
  2. 状态转移⽅程：
    对于 f[i][j] ，有两种情况到这个状态：
    在 i - 1 天的时候，交易了 j 次，处于「买⼊」状态，第 i 天啥也不⼲即可。此时最⼤利润为： f[i - 1][j] ；在 i - 1 天的时候，交易了 j 次，处于「卖出」状态，第 i 天的时候把股票买了。此时的最⼤利润为： g[i - 1][j] - prices[i] 。综上，所求的是「最⼤利润」，因此是两者的最⼤值： f[i][j] = max(f[i - 1][j], g[i - 1][j] - prices[i]) 。
    对于 g[i][j] ，有两种情况可以到达这个状态：
    在 i - 1 天的时候，交易了 j 次，处于「卖出」状态，第 i 天啥也不⼲即可。此时的最⼤利润为： g[i - 1][j] ；在 i - 1 天的时候，交易了 j - 1 次，处于「买⼊」状态，第 i 天把股票卖了，然
    后就完成了 j ⽐交易。此时的最⼤利润为： f[i - 1][j - 1] + prices[i] 。但是这个状态不⼀定存在，要先判断⼀下。要求的是最⼤利润，因此状态转移⽅程为：g[i][j] = g[i - 1][j]; if(j >= 1) g[i][j] = max(g[i][j], f[i - 1][j - 1] + prices[i]);
  3. 初始化：
    由于需要⽤到 i = 0 时的状态，因此初始化第⼀⾏即可。
    当处于第 0 天的时候，只能处于「买⼊过⼀次」的状态，此时的收益为 -prices[0] ，因此 f[0][0] = - prices[0] 。
    为了取 max 的时候，⼀些不存在的状态「起不到⼲扰」的作⽤，我们统统将它们初始化为 -INF （⽤ INT_MIN 在计算过程中会有「溢出」的⻛险，这⾥ INF 折半取0x3f3f3f3f ，⾜够⼩即可）溢出情况：当初始化为负无穷时，-prices[0]-oo就会溢出。
  4. 填表顺序：从上往下填每⼀⾏，每⼀⾏从左往右，两个表⼀起填。
  5. 返回值：返回每次交易的最大值。

代码如下：

class Solution {
public:const int INF = 0x3f3f3f3f;int maxProfit(vector<int>& prices) {int n = prices.size();vector<vector<int>> f(n, vector<int>(3, -INF)), g(n, vector<int>(3, -INF));f[0][0] = -prices[0], g[0][0] = 0;for (int i = 1; i < n; ++i) {for (int j = 0; j < 3; ++j){f[i][j] = max(f[i - 1][j], g[i - 1][j] - prices[i]);if (j >= 1) //防止越界g[i][j] = max(g[i - 1][j], f[i - 1][j - 1] + prices[i]);else g[i][j] = g[i - 1][j];}}int ret = 0;for (int j = 0; j < 3; ++j)ret = max(ret, g[n - 1][j]);return ret;}      } ;

对于买卖股票的最佳时机IV问题来说，交易k次，分析方式与上道题基本无异，只需将上述代码中的3改为k即可。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/69868.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

c++（c语言）通用版本的单链表的头插法创建

c++（c语言）通用版本的单链表的头插法创建

我们创建一个长度为n的链表时&#xff0c;可以采取头插法创建或者尾插法创建&#xff0c;本篇博客我们采取头插法来创建&#xff0c;&#xff08;作者只学了头插&#xff0c;尾插等以后来补qwq)。 我们先来画图来看看头插的创建形式把&#xff0c;会了原理再写代码。 首先是我…
阅读更多...
自定义TimeLine实现卡拉OK轨

自定义TimeLine实现卡拉OK轨

系列文章目录 自定义TimeLine 自定义TimeLine 系列文章目录前言正文UI部分代码部分Data&#xff08;数据&#xff09;Clip&#xff08;片段&#xff09;Track&#xff08;轨道&#xff09;Mixer&#xff08;混合&#xff09;被控制物体 总结 前言 自定义TimeLine实际上就是自定…
阅读更多...
Javascript笔记

Javascript笔记

for…in for…in 循环用于遍历对象属性&#xff08;自身的原型链上的&#xff09; const person {name: Alice,age: 25,occupation: Engineer };for (const key in person) {console.log(key, person[key]); // 输出属性名和属性值 }只遍历对象自身的属性&#xff0c;而不包…
阅读更多...
Redis缓存的高并发问题

Redis缓存的高并发问题

Redis 做缓存虽减轻了 DBMS 的压力&#xff0c;减小了 RT&#xff0c;但在高并发情况下也是可能会出现各 种问题的。 1 缓存穿透 当用户访问的数据既不在缓存也不在数据库中时&#xff0c;就会导致每个用户查询都会“穿透” 缓存“直抵”数据库。这种情况就称为缓存穿透。一个…
阅读更多...
OpenCV（十）：图像缩放、翻转、拼接的介绍与使用

OpenCV（十）：图像缩放、翻转、拼接的介绍与使用

目录 &#xff08;1&#xff09;图像缩放&#xff1a;resize() &#xff08;2&#xff09;图像翻转&#xff1a; flip() &#xff08;3&#xff09;图像拼接&#xff1a;hconcat() 和vconcat() &#xff08;1&#xff09;图像缩放&#xff1a;resize() 使用 cv2.resize() 函…
阅读更多...
clickhouse调优配置

clickhouse调优配置

一、官方文档地址 clickhouse的配置项主要在 config.xml 或 users.xml 中&#xff0c; 基本上都在 users.xml 里 config.xml https://clickhouse.tech/docs/en/operations/server-configuration-parameters/settings/ users.xml https://clickhouse.tech/docs/en/operatio…
阅读更多...
sql：SQL优化知识点记录（十一）

sql：SQL优化知识点记录（十一）

&#xff08;1&#xff09;用Show Profile进行sql分析 新的一个优化的方式show Profile 运行一些查询sql&#xff1a; 查看一下我们执行过的sql 显示sql查询声明周期完整的过程&#xff1a; 当执行过程出现了下面这4个中的时&#xff0c;就会有问题导致效率慢 8这个sql创建…
阅读更多...
算法训练营第四十一天（9.2）| 动态规划Part11：最长公共子序列

算法训练营第四十一天（9.2）| 动态规划Part11：最长公共子序列

Leecode 1143.最长公共子序列 题目地址&#xff1a;力扣&#xff08;LeetCode&#xff09;官网 - 全球极客挚爱的技术成长平台 题目类型&#xff1a;最长子序列 class Solution { public:int longestCommonSubsequence(string text1, string text2) {int m text1.size(), n t…
阅读更多...
搬家快递服务小程序的便利性

搬家快递服务小程序的便利性

在当今快节奏的生活中&#xff0c;搬家可能是很多人都需要面对的问题。无论是新房子还是新办公室&#xff0c;都需要高效、便捷的搬家服务。本文将介绍如何使用第三方小程序制作平台&#xff0c;如乔拓云平台&#xff0c;开发一款高效便捷的搬家服务小程序。 1. 注册登录第三方…
阅读更多...
【易售小程序项目】修改“我的”界面前端实现；查看、重新编辑、下架自己发布的商品【后端基于若依管理系统开发】

【易售小程序项目】修改“我的”界面前端实现；查看、重新编辑、下架自己发布的商品【后端基于若依管理系统开发】

文章目录 “我的”界面修改效果界面实现界面整体代码 查看已发布商品界面效果商品数据表后端上架、下架商品ControllerMapper 界面整体代码back方法 编辑商品、商品发布、保存草稿后端商品校验方法Controller 页面整体代码 同项目其他文章 “我的”界面修改 效果 界面实现 界…
阅读更多...
【C++设计模式】详解装饰模式

【C++设计模式】详解装饰模式

2023年8月31日&#xff0c;周四上午 这是我目前碰到的最难的设计模式..... 非常难以理解而且比较灵活多半&#xff0c;学得贼难受&#xff0c;写得贼费劲..... 2023年8月31日&#xff0c;周四晚上19:48 终于写完了&#xff0c;花了一天的时间来学习装饰模式和写这篇博客。 …
阅读更多...
序列到序列学习（seq2seq）

序列到序列学习（seq2seq）

permute(1,0,2)&#xff0c;将batch_size 放在中间state 最后一个时刻&#xff0c;每个层的输出
阅读更多...
nginx的限速和限制并发连接数、限制请求数

nginx的限速和限制并发连接数、限制请求数

nginx的限速和限制并发连接数、限制请求数 限速&#xff08;Rate Limiting&#xff09;&#xff1a; 限速允许你控制对服务器的请求速率&#xff0c;以防止过多的请求影响服务器性能。使用 limit_req_zone 指令定义一个共享内存区域&#xff0c;并在 location 块中使用 limit_r…
阅读更多...
kafka学习

kafka学习

链接1&#xff1a;Kafka入门教程_香菜的博客-CSDN博客 链接2&#xff1a;https://mbd.baidu.com/ug_share/mbox/4a83aa9e65/share?productsmartapp&tkd716b5f663babe03088adca09b0fb938&share_urlhttps%3A%2F%2Fyebd1h.smartapps.cn%2Fpages%2Fblog%2Findex%3FblogId…
阅读更多...
Golang字符串基本处理方法

Golang字符串基本处理方法

Golang的字符串处理 字符串拼接 两种方法&#xff1a;strings.Join方法和’方法 ‘’方法 这种方式使用起来最简单&#xff0c;基本所有语言都有提供这种方式&#xff0c;使用 “” 操作符进行拼接时&#xff0c;会对字符串进行遍历&#xff0c;计算并开辟一个新的空间来存储…
阅读更多...
数学建模--Subplot绘图的Python实现

数学建模--Subplot绘图的Python实现

目录 1.Subplot函数简介 2.Subplot绘图范例1:绘制规则子图 3.Subplot绘图范例2:绘制不规则子图 4.Subplot绘图范例3:gridspec辅助实战1 5.Subplot绘图范例4:gridspec辅助实战2 1.Subplot函数简介 """ 最近在数学建模种需要绘制多张子图,发现对于subplot函…
阅读更多...
QT文件对话框，将标签内容保存至指定文件

QT文件对话框，将标签内容保存至指定文件

一、主要步骤 首先&#xff0c;通过getSaveFileName过去想要保存的文件路径及文件名&#xff0c;其次&#xff0c;通过QFile类实例化一个文件对象&#xff0c;再读取文本框中的内容&#xff0c;最后将读取到的内容写入到文件中&#xff0c;最后关闭文件。 1.txt即为完成上述操作…
阅读更多...
laragon 为 php 安装 Xdebug 扩展

laragon 为 php 安装 Xdebug 扩展

众所周知&#xff0c;php 自带的 var_dump() 输出格式很不直观 而 laragon 作为很好的 windos 下开发环境很受欢迎&#xff0c;本文就介绍如何快速为 laragon 的 php 安装 Xdebug&#xff0c;方便开发调试 一&#xff1a;启动开发环境&#xff0c;在任意可访问 php 页面中输出 …
阅读更多...
蓝桥杯备赛（Day5）——二叉树

蓝桥杯备赛（Day5）——二叉树

二叉树存储 普通做法，二叉树一个节点包括结点的数值以及指向左右子节点的指针 在class Node中 def __init__(self,s,l=None,r=None):self.val=Noneself.l=lself.r=r 在竞赛中，我们往往使用静态数组实现二叉树，定义一个大小为N的静态结构体数组，使用其来存储一棵二叉树。…
阅读更多...
python 学习笔记（4）—— webdriver 自动化操作浏览器（基础操作）

python 学习笔记（4）—— webdriver 自动化操作浏览器（基础操作）

安装 web driver&#xff1a; 使用 driver 前&#xff0c;需要下载与浏览器版本相对应的 driver。如要在 Chrome 浏览器上操作&#xff0c;就要下载Chrome Driver。 几个常用浏览器的参考和下载地址&#xff1a; Edge Driver&#xff1a;https://developer.microsoft.com/en…
阅读更多...
最新文章

Copyright @ 2022~2023