数据结构——七大排序[源码+动图+性能测试]

本章代码gitee仓库：排序

文章目录

  • 🎃0. 思维导图
  • 🧨1. 插入排序
    • ✨1.1 直接插入排序
    • ✨1.2 希尔排序
  • 🎊2. 选择排序
    • 🎋2.1 直接选择排序
    • 🎋2.2 堆排序
  • 🎏3. 交换排序
    • 🎐3.1 冒泡排序
    • 🎐3.2 快速排序
      • 🎑hoare版本
      • 🎑挖坑法
      • 🎑前后指针
      • 🎑小区间优化
      • 🎑非递归
  • 🎀4. 归并排序
    • 🎁4.1 递归
    • 🎁4.2 非递归
  • 🎫5. 性能测试
    • 🎖5.1 1w数据
    • 🎖5.2 10w数据
    • 🎖5.3 100w数据
    • 🎖5.4 1000w数据
    • 🎖5.5 1亿数据

🎃0. 思维导图

image-20230903205328348

🧨1. 插入排序

insert_s

✨1.1 直接插入排序

我们日常打扑克牌，摸牌，让后将牌按顺序插入好，这其实就是插入排序的过程，打小插入排序的思想就植入我们的脑海

第一张牌不用管，直接拿在手里，之后的牌按照大小再一个一个插入即可

//直接插入排序
void InsertSort(int* a, int n)
{//第一张牌不用排，所以直接从下标1开始走for (int i = 1; i < n; i++){int end = i - 1;int tmp = a[i];while (end >= 0){if (a[end] > tmp){//往后挪数据a[end + 1] = a[end];end--;}elsebreak;}//直接break出来 或者 end = -1a[end + 1] = tmp;}
}

直接插入排序特性：

  1. 越接近有序，效率越高(不用那么多次挪动数据)

  2. 时间复杂度：O(N2)

    逆序最坏O(N2)，有序最好O(N)

  3. 空间复杂度：O(1)

  4. 稳定性：稳定

✨1.2 希尔排序

希尔排序是基于直接插入排序的一种优化，将数据分为gap组，对每组进行排序，然后再缩小间隔，知道gap为1的时候，该序列为有序

image-20230902160102530

//希尔排序
void ShellSort(int* a, int n)
{int gap = n;while (gap > 1){//最后一次gap一定要是1gap = gap / 3 + 1;//分组插入排序 预排序for (int i = 0; i < n - gap; i++){int end = i;int tmp = a[i + gap];while (end >= 0){if (a[end] > tmp){a[end + gap] = a[end];end -= gap;}elsebreak;}a[end + gap] = tmp;}}
}

希尔排序特性：

  1. 希尔排序有2层循环，一个是gap的逐渐缩小，一个是分为gap组之后的插入排序，我们一般以为时间复杂度为**O(N*logN)**这个量级。image-20230902162331699但其实这其中的N，一直是在变化的，可理解为先上升，后下降

    image-20230902162738748

    所以这个量级是略大于N*logN，查阅资料可得知，希尔排序的时间复杂度大概为O(N1.3~2)image-20230902163132607

  2. 稳定性：不稳定

🎊2. 选择排序

还是以打扑克来举例，有时候我们感觉一张一张摸牌十分费时间，所以就指定一个人来发牌，发完之后我们将这一把牌拿到手中再开始理牌

select_s

🎋2.1 直接选择排序

这个选择排序每次都是趟都是选出最小的数，我们可以在此基础上做出优化，每次选出2个数，即最小值和最大值

//选择排序
void SelectSort(int* a, int n)
{int left = 0;int right = n - 1;while (left < right){int mini = left;int maxi = left;for (int i = left + 1; i <= right; i++){if (a[i] < a[mini]){mini = i;}if (a[i] > a[maxi]){maxi = i;}}Swap(&a[left], &a[mini]);//数据修正if (a[left] == a[maxi]){maxi = mini;}Swap(&a[right], &a[maxi]);left++;right--;}
}

直接选择排序特性：

  1. 不考虑序列的有序性，每次都找出最小最大值，效率较低

  2. 时间复杂度：O(N2)

    最好情况：O(N2)

    最坏情况：O(N2)

  3. 空间复杂度：O(1)

  4. 稳定性：不稳定

🎋2.2 堆排序

堆排序也是选择排序的一种，只不过没有直接选择排序那么朴实，堆排序有一些“华丽”的技巧。

堆排序在之前二叉树的章节讲过了，这里就不再过多赘述，有兴趣的可以查看此篇文章：数据结构——二叉树

//向下调整 前提：子树都是堆
void AdjustDown(int* val, int sz, int parent)
{//默认左孩子大int child = parent * 2 + 1;//至多叶子结点结束while (child < sz){//不越界 选出更大的孩子if (child + 1 < sz && val[child] < val[child + 1]){child++;}if (val[child] > val[parent]){Swap(&val[child], &val[parent]);parent = child;child = parent * 2 + 1;}else{break;}}
}//堆排序
void HeapSort(int* a, int n)
{//向下调整 O(N)for (int i = (n - 1 - 1) / 2; i >= 0; --i){AdjustDown(a,n, i);}//向下调整排序 O(N*logN)for (int i = 0; i < n; i++){Swap(&a[0], &a[n - 1 - i]);AdjustDown(a, n - 1 - i, 0);}
}

堆排序特性：

  1. 堆排序进行选数据效率较高
  2. 时间复杂度：O(N*logN)
  3. 空间复杂度：O(1)
  4. 稳定性：不稳定

🎏3. 交换排序

🎐3.1 冒泡排序

冒泡排序应该是多数人的启蒙排序算法，思路较为简单

bubble_s

//冒泡排序
void BubbleSort(int* a, int n)
{for (int i = 0; i < n; i++){for (int j = 0; j < n - i - 1; j++){if (a[j] > a[j + 1]){Swap(&a[j], &a[j + 1]);}}}
}

冒泡排序特性：

  1. 时间复杂度：O(N2)

    最坏情况：O(N2)

    最好情况：O(N)

  2. 空间复杂度：O(1)

  3. 稳定性：稳定

这里的最好情况，就是里面没有发送交换了，就证明此时序列已经有序，则不需要往后再遍历，优化如下：

//冒泡排序
void BubbleSort(int* a, int n)
{for (int i = 0; i < n; i++){bool falg = true;for (int j = 0; j < n - i - 1; j++){if (a[j] > a[j + 1]){Swap(&a[j], &a[j + 1]);falg = false;}}if (falg)break;}
}

🎐3.2 快速排序

快速排序，顾名思义，速度很快，效率很高，排序算法里面的大哥大

快排的思想是选出一个基准值key，然后把这个值放入正确的位置（最终排好序要去的位置）

例如6,2,9,1,5,7,4这组数据

我们选出6为key值，然后将比6小的放左边，比6大的放右边

这一趟下来，6就在正确的位置上了

quick_s

🎑hoare版本

img

//快速排序
void QuickSort(int* a, int left,int right)
{if (left >= right)return;//记录起始int begin = left;int end = right;//选取最左边为key值int keyi = left;while (left < right){//选左 右先走 找小值while (left<right && a[right] >= a[keyi]){right--;}while (left < right && a[left] <= a[keyi]){left++;}//交换两边的值Swap(&a[left], &a[right]);}Swap(& a[keyi], & a[left]);keyi = left;//左右区间递归QuickSort(a, begin, keyi - 1);QuickSort(a, keyi+1, end);
}

hoare版本为快排的最初始版本，这个版本不容易控制：

  1. 找大值/小值的时候，如果该值等于key值，也需要挪动，即a[right] >= a[keyi]、a[left] <= a[keyi]

    image-20230903090330597

    另外，判断条件还应加上left<right，防止越界

    image-20230903090949353

  2. 左边作为key，右边先走，这样就能保证相对位置比key要小或者就是key的位置

    右边作为key，左边先走，相遇位置比key大或者就是key的位置

  3. 已排序或者逆序的情况都是最糟糕的情况

    image-20230903100850115

    有多少个数据，就有递归多少层栈帧，最终会导致栈溢出

  • 随机选key

    这个keyi影响了快排的效率，只要keyi取的数，每次越接近于中间，那么每次就越接近于二分，所以我们可以考虑随机选key，这样就不必担心序列是否接近有序

    //快速排序
void QuickSort(int* a, int left,int right)
{if (left >= right)return;//记录起始int begin = left;int end = right;//left可能不是0，加上leftint randi = left + (rand() % (right - left));//还是选择左边为key，交换一下Swap(&a[left], &a[randi]);//选取最左边为key值int keyi = left;while (left < right){//选左 右先走 找小值while (left<right && a[right] >= a[keyi]){right--;}//左边找大值while (left < right && a[left] <= a[keyi]){left++;}//交换两边的值Swap(&a[left], &a[right]);}Swap(& a[keyi], & a[left]);keyi = left;//[begin,keyi-1] keyi [keyi+1,end]//左右区间递归QuickSort(a, begin, keyi - 1);QuickSort(a, keyi+1, end);
}

  • 三数取中

    int GetMidNumi(int* a, int left, int right)
{int mid = (left + right) / 2;if (a[left] < a[mid]){if (a[mid] < a[right])return mid;else if (a[left] > a[right])return left;elsereturn right;}else	//a[left] >a[mid]{if (a[mid] > a[right])return mid;else if (a[left] < a[right])return left;elsereturn right;}
}
int Partition1(int* a, int left, int right)
{//三数取中	开始 中间 末尾 选中间值int midi = GetMidNumi(a, left, right);if (midi != left)Swap(&a[left], &a[midi]);//选取最左边为key值int keyi = left;while (left < right){//选左 右先走 找小值while (left < right && a[right] >= a[keyi]){right--;}//左边找大值while (left < right && a[left] <= a[keyi]){left++;}Swap(&a[left], &a[right]);}Swap(&a[keyi], &a[left]);keyi = left;return keyi;
}
void QuickSort(int* a, int left, int right)
{if (left > right)return;int keyi = Partition1(a, left, right);QuickSort(a, left, keyi - 1);QuickSort(a, keyi + 1, right);
}

🎑挖坑法

img

基本思路不边，只是这个更好理解，挖坑填坑、挖坑填坑，最后相遇位置一定是坑位

//挖坑
int Partition2(int* a, int left, int right)
{//三数取中	开始 中间 末尾 选中间值int midi = GetMidNumi(a, left, right);if (midi != left)Swap(&a[left], &a[midi]);//选取最左边为key值int key = a[left];int hole = left;while (left < right){//选左 右先走 找小值while (left < right && a[right] >= key){right--;}//填坑a[hole] = a[right];//挖坑hole = right;//左边找大值while (left < right && a[left] <= key){left++;}a[hole] = a[left];hole = left;}a[hole] = key;return hole;
}
void QuickSort(int* a, int left, int right)
{if (left > right)return;int keyi = Partition2(a, left, right);QuickSort(a, left, keyi - 1);QuickSort(a, keyi + 1, right);
}

🎑前后指针

img

  1. cur找的值比key小，++prev，cur与prev位置的值交换，++cur
  2. cur找的值比key大，++cur
//前后指针
int Partition3(int* a, int left, int right)
{//三数取中	开始 中间 末尾 选中间值int midi = GetMidNumi(a, left, right);if (midi != left)Swap(&a[left], &a[midi]);int keyi = left;int prev = left;int cur = left + 1;while (cur <= right){if (a[cur] < a[keyi] && ++prev != cur){Swap(&a[prev], &a[cur]);}++cur;}Swap(&a[keyi], &a[prev]);keyi = prev;return keyi;
}
void QuickSort(int* a, int left, int right)
{if (left > right)return;int keyi = Partition3(a, left, right);QuickSort(a, left, keyi - 1);QuickSort(a, keyi + 1, right);
}

🎑小区间优化

当大量的数据递归到小量数据的时候，递归就会很麻烦，所以当数据量较小的时候，我们可以采用插入排序进行辅助，直接将这一小段数据排成有序

image-20230903141230825

#define INSERTION_SORT_THRESHOLD 10
void QuickSort(int* a, int left, int right)
{if (left > right)return;//区间自己决定 一般采用10左右if ((right - left + 1) > INSERTION_SORT_THRESHOLD){int keyi = Partition2(a, left, right);QuickSort(a, left, keyi - 1);QuickSort(a, keyi + 1, right);}elseInsertSort(a + left, right - left + 1);
}

🎑非递归

模拟递归，将区间放入栈

void QuickSortNonR(int* a, int left, int right)
{//用C++的stl库stack<int> st;st.push(right);st.push(left);while (!st.empty()){int begin = st.top();st.pop();int end = st.top();st.pop();int keyi = Partition2(a, begin, end);//[begin,keyi-1] keyi [keyi+1,end]if (keyi + 1 < end){st.push(end);st.push(keyi + 1);}if (begin < keyi - 1){st.push(keyi - 1);st.push(begin);}}
}

快排特性：

  1. 时间复杂度：O(N*logN)

    快排比较像二叉树

    image-20230903094437641

    单趟排序的时间复杂度为O(N)，而递归的深度是O(logN)，合计起来就是O(N*logN)这个量级

  2. 空间复杂度：O(logN)

  3. 稳定性：不稳定

🎀4. 归并排序

mer_s

归并排序的思想就是分治，将一个序列看作n个子序列，然后将子序列排好序之后两两归并，这个方法也成为二路归并

image-20230903155116968

🎁4.1 递归

//归并排序
void _MergeSort(int* a, int begin, int end, int* tmp)
{if (begin >= end)return;//分割区间int mid = (begin + end) / 2;//子区间递归排序//[begin,mid] [mid+1,end]_MergeSort(a, begin, mid, tmp);_MergeSort(a, mid+1, end, tmp);//归并int begin1 = begin;int begin2 = mid+1;int end1 = mid;int end2 = end;int index = begin;while (begin1 <= end1 && begin2 <= end2){if (a[begin1] < a[begin2])tmp[index++] = a[begin1++];elsetmp[index++] = a[begin2++];}//防止未结束的区间while (begin1 <= end1){tmp[index++] = a[begin1++];}while (begin2 <= end2){tmp[index++] = a[begin2++];}//拷贝回原序列memcpy(a + begin, tmp + begin, sizeof(int) * (end - begin + (int)1));
}void MergeSort(int* a, int n)
{//开辟临时空间int* tmp = (int*)malloc(sizeof(int) * n);if (tmp == NULL){perror("malloc fail\n");exit(-1);}_MergeSort(a, 0, n - 1, tmp);free(tmp);
}

🎁4.2 非递归

image-20230903222757844

归并排序的非递归需要注意的就是边界问题，我们每次都是分为2组归并，如果是单数的话，会发生越界行为，所以要查看这两组的区间：

image-20230903225002835

  1. begin1，取值为i，所以肯定不会越界

  2. end1如果越界，后面的肯定越界，无需进行归并

  3. end1没有越界，begin2如果越界，无需进行归并

  4. begin2没有越界，end2越界，需要归并，修正end2

void MergeSortNonR(int* a, int n)
{int* tmp = (int*)malloc(sizeof(int) * n);if (tmp == NULL){perror("malloc fail\n");exit(-1);}int gap = 1;while (gap < n){for (int i = 0; i < n; i += 2 * gap){//归并int begin1 = i;int end1 = i + gap - 1;int begin2 = i + gap;int end2 = i + 2 * gap - 1;//修正	外面一次性拷贝//if (end1 >= n)//{//	//不归并//	end1 = n - 1;//	//给一个不存在区间//	begin2 = n;//	end2 = n - 1;//}//else if (begin2 >= n)//{//	//不归并		修正成不存在的区间//	begin2 = n;//	end2 = n - 1;//}//else if (end2 >= n)//{//	//修正//	end2 = n - 1;//}if (end1 >= n || begin2 >= n){break;}if (end2 >= n){end2 = n - 1;}int index = i;while (begin1 <= end1 && begin2 <= end2){if (a[begin1] < a[begin2])tmp[index++] = a[begin1++];elsetmp[index++] = a[begin2++];}//防止未结束的区间while (begin1 <= end1){tmp[index++] = a[begin1++];}while (begin2 <= end2){tmp[index++] = a[begin2++];}memcpy(a + i, tmp + i, sizeof(int) * (end2 - i + 1));}//外面拷贝，一把梭哈//memcpy(a, tmp, sizeof(int) * n);gap *= 2;}free(tmp);
}

归并排序特性：

  1. 时间复杂度：O(N*logN)
  2. 空间复杂度：O(N)
  3. 稳定性：稳定
  4. 归并排序更多解决的是磁盘中的外排序问题

🎫5. 性能测试

测试性能我们开release版本，火力全开；

测试环境为Linux的g++

本次只是简单的进行测试，可能会有偶然性

void TestOP()
{srand(time(0));const int N = 10000;	//1w//const int N = 100000;	//10w//const int N = 5000000;	//100w//const int N = 10000000;	//1000w//const int N = 100000000;	//1亿int* a1 = (int*)malloc(sizeof(int) * N);int* a2 = (int*)malloc(sizeof(int) * N);int* a3 = (int*)malloc(sizeof(int) * N);int* a4 = (int*)malloc(sizeof(int) * N);int* a5 = (int*)malloc(sizeof(int) * N);int* a6 = (int*)malloc(sizeof(int) * N);int* a7 = (int*)malloc(sizeof(int) * N);int* a8 = (int*)malloc(sizeof(int) * N);for (int i = 0; i < N; i++){a1[i] = rand();a2[i] = a1[i];a3[i] = a1[i];a4[i] = a1[i];//a4[i] = 2;a5[i] = a1[i];a6[i] = a1[i];a7[i] = a1[i];a8[i] = a1[i];}int begin1 = clock();InsertSort(a1, N);int end1 = clock();int begin2 = clock();ShellSort(a2, N);int end2 = clock();int begin3 = clock();SelectSort(a3, N);int end3 = clock();int begin4 = clock();HeapSort(a3, N);int end4 = clock();int begin5 = clock();BubbleSort(a5, N);int end5 = clock();int begin6 = clock();QuickSort(a4, 0, N - 1);int end6 = clock();int begin7 = clock();MergeSort(a6, N);int end7 = clock();std::vector<int> v(a8, a8 + N);int begin8 = clock();std::sort(v.begin(),v.end());int end8 = clock();printf("InsertSort:%d\n", end1 - begin1);printf("ShellSort:%d\n", end2 - begin2);printf("SeletSort:%d\n", end3 - begin3);printf("HeapSort:%d\n", end4 - begin4);printf("BubbleSort:%d\n", end5 - begin5);printf("QuickSort:%d\n", end6 - begin6);printf("MergeSort:%d\n", end7 - begin7);printf("STLSort:%d\n", end8 - begin8);free(a1);free(a2);free(a3);free(a4);free(a5);free(a6);free(a7);free(a8);
}

🎖5.1 1w数据

在1w数据这个量级，对于希尔排序、堆排序、快排、归并排序，都是挠痒痒，忽略不计

image-20230903234042810

🎖5.2 10w数据

在10w这个量级，显然直接插入排序、直接选择排序、冒泡排序都以不堪重负，而对于这些时间复杂度度在O(N*logN)量级的排序，才刚刚开始

image-20230903234713804

🎖5.3 100w数据

到了100w这个量级，就不再对量级为O(N2)进行测试了，他们坐小孩儿那桌

image-20230903235017232

这里可以看出，快排还得是快排

🎖5.4 1000w数据

到1000w这个量级，堆排序就有点扛不住了

image-20230903235510985

🎖5.5 1亿数据

在一亿这个量级，服务器有点跑不动了

image-20230904000200387

换到Windows环境参考，这个具体还得看机器和优化，不是特别具有参考意义，但可以看一下C++库里面的快排实现
image-20230904000816347

那本期的分享就到这里，我们下期再见，如果还有下期的话。

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/75761.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

【MyBatis】三、ResultMap与多表查询的处理

【MyBatis】三、ResultMap与多表查询的处理

ResultMap与多表查询的处理 当字段名与实类名不一致时 使用别名进行处理 字段名&#xff1a;emp_name 实体类名&#xff1a;empName 映射文件中写法&#xff1a; <select id"getAllEmp" resultType"Emp">select eid, emp_name empName, age, se…
阅读更多...
210. 课程表 II（leetcode210，ArrayList类型的数组创建，拓扑排序）-------------------Java实现

210. 课程表 II（leetcode210，ArrayList类型的数组创建，拓扑排序）-------------------Java实现

210. 课程表 II&#xff08;leetcode210&#xff0c;ArrayList类型的数组创建&#xff0c;拓扑排序&#xff09;-------------------Java实现 题目表述 现在你总共有 numCourses 门课需要选&#xff0c;记为 0 到 numCourses - 1。给你一个数组 prerequisites &#xff0c;其…
阅读更多...
【React】React获取URL参数，根据URL参数隐藏页面元素

【React】React获取URL参数，根据URL参数隐藏页面元素

React获取URL参数&#xff0c;根据URL参数隐藏页面元素 AI推荐方法 如果您想使用React获取URL参数并相应地隐藏页面元素&#xff0c;可以按照以下步骤进行操作&#xff1a; 导入React和React DOM&#xff1a; import React from react; import ReactDOM from react-dom;创建…
阅读更多...
react 中 antd 的 样式和 tailwind 样式冲突

react 中 antd 的 样式和 tailwind 样式冲突

问题原因&#xff1a;在使用 tailwindcss 时&#xff0c;会导入大量的 tailwindcss 默认属性&#xff0c;而默认样式中 button, [typebutton] 包含了 background-color: transparent; 从而导致 antd Button 按钮背景色变成透明。解决办法&#xff1a;禁止 tailwindcss 的默认属…
阅读更多...
单例模式（Singleton Pattern）

单例模式（Singleton Pattern）

单例模式 1、掌握单例模式的应用场景。1-1、饿汉式单例1-2、懒汉式单例1-2-1、 测试类：1-2-2、 main1-2-3、 控制台结果1-2-4、 改进 加锁 `synchronized `1-2-5、 控制台输出1-2-6、 再改进，使用双检锁，懒汉式双重检查锁定（Lazy initialization with double-checked locki…
阅读更多...
Qt应用开发(基础篇)——工具按钮类 QToolButton

Qt应用开发(基础篇)——工具按钮类 QToolButton

一、前言 QToolButton类继承于QAbstractButton&#xff0c;该部件为命令或选项提供了一个快速访问按钮&#xff0c;通常用于QToolBar中。 按钮基类 QAbstractButton QToolButton是一个特殊的按钮&#xff0c;一般显示文本&#xff0c;只显示图标&#xff0c;结合toolBar使用。它…
阅读更多...
【图文并茂】c++介绍之队列

【图文并茂】c++介绍之队列

1.1队列的定义 队列&#xff08;queue&#xff09;简称队&#xff0c;它也是一种操作受限的线性表&#xff0c;其限制为仅允许在表的一端进行插入操作&#xff0c;而在表的另一端进行删除操作 一些基础概念&#xff1a; 队尾&#xff08;rear&#xff09; &#xff1a;进行插…
阅读更多...
django项目： ModuleNotFoundError: No module named ‘import_export‘

django项目： ModuleNotFoundError: No module named ‘import_export‘

django项目&#xff1a; ModuleNotFoundError: No module named ‘import_export’ 解决方法&#xff1a; pip install django-import_export
阅读更多...
MFC新建内部消息

MFC新建内部消息

提示&#xff1a;记录一下MFC新建内部消息的成功过程 文章目录 前言一、第一阶段二、第二阶段三、第三阶段总结 前言 先说一下基本情况&#xff0c;因为要在mapview上增加一个显示加载时间的功能。然后发现是要等加载完再显示时间&#xff0c;显示在主窗口。所以就是在子线程中…
阅读更多...
DELL precision上安装nvidia A4000驱动 cuda cudnn

DELL precision上安装nvidia A4000驱动 cuda cudnn

一、安装驱动 参考这篇文章进行安装Ubuntu安装Nvidia显卡驱动_Kevin__47的博客-CSDN博客 【出现问题】 禁用nouveau后出现黑屏&#xff0c;有几行代码&#xff0c;断线一直在闪 【解决方法】 1、参考这篇文章Ubuntu20.04安装nvidia显卡驱动并解决重启后黑屏问题_ubuntu安装…
阅读更多...
Java常用的设计模式

Java常用的设计模式

单例模式&#xff08;Singleton Pattern&#xff09;: 确保一个类只有一个实例&#xff0c;并提供一个全局访问点。示例&#xff1a;应用程序中的配置管理器。 工厂模式&#xff08;Factory Pattern&#xff09;: 用于创建对象的模式&#xff0c;封装对象的创建过程。示例&…
阅读更多...
开开心心带你学习MySQL数据库之节尾篇

开开心心带你学习MySQL数据库之节尾篇

Java的JDBC编程 各种数据库,MySQL, Oracle, SQL Server在开发的时候,就会提供一组编程接口(API) API ~~ Application Programming Interface ~~ 应用程序编程接口 计算机领域里面的一个非常常见的概念, 给你个软件,你能对他干啥(从代码层次上的) 基于它提供的这些功能,就可以写…
阅读更多...
AJAX学习笔记5同步与异步理解

AJAX学习笔记5同步与异步理解

AJAX学习笔记4解决乱码问题_biubiubiu0706的博客-CSDN博客 示例 前端代码 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>演示AJAX同步和异步</title> </head> <body> <script…
阅读更多...
深眸科技自研轻辙视觉引擎，以AI机器视觉赋能杆号牌识别与分拣

深眸科技自研轻辙视觉引擎，以AI机器视觉赋能杆号牌识别与分拣

电线杆号牌作为电力行业标识的一种&#xff0c;相当于电线杆的“身份证”&#xff0c;担负着宣传电力知识、安全警示的作用&#xff0c;用于户外使用标记输电线路电压等级、线路名称、杆塔编号等&#xff0c;能够清晰地记录电力线路杆的信息&#xff0c;并为电力线路的更改以及…
阅读更多...
ChatGPT是如何辅助高效撰写论文及使用ChatGPT注意事项

ChatGPT是如何辅助高效撰写论文及使用ChatGPT注意事项

ChatGPT发布近1年&#xff0c;各大高校对它的态度也发生了极大转变&#xff0c;今年3月发布ChatGPT禁令的牛剑等世界顶级名校也在近期解除了ChatGPT禁令&#xff0c;发布了生成式人工智能使用指南。 ChatGPT一定程度上可以解放科研人员的劳动力&#xff0c;与其直接禁止不如教…
阅读更多...
Docker笔记-概念安装简单使用

Docker笔记-概念安装简单使用

概念 docker通用词汇。 镜像&#xff1a;Build&#xff0c;创建一个镜像。 仓库&#xff1a;Ship&#xff0c;从仓库和主机上运输镜像。 容器&#xff1a;Run&#xff0c;运行的镜像就是一个容器。 安装 Windows上安装 Docker对win10有原生的支持&#xff0c;win10下的是…
阅读更多...
thinkphp6-简简单单地开发接口

thinkphp6-简简单单地开发接口

目录 1.前言TP6简介 2.项目目录3.运行项目运行命令访问规则 4.model db使用db连接配置model编写及调用调用接口 5.返回json格式 1.前言 基于上篇文章环境搭建后&#xff0c;便开始简单学习上手开发接口…记录重要的过程&#xff01; Windows-试用phpthink发现原来可这样快速搭…
阅读更多...
C# 记事本应用程序

C# 记事本应用程序

using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System
阅读更多...
numpy函数使用大全python

numpy函数使用大全python

numpy 是一个功能强大的数学计算库&#xff0c;提供了众多函数和方法来处理和操作数组、矩阵和数值数据。以下是一些常用的 numpy 函数的简要介绍&#xff1a; 创建数组&#xff1a; numpy.array()&#xff1a;创建数组。numpy.zeros()&#xff1a;创建全零数组。numpy.ones(…
阅读更多...
IDEA在创建包时如何把包分开实现自动分层

IDEA在创建包时如何把包分开实现自动分层

IDEA在创建包时如何把包分开实现自动分层 文章目录 IDEA在创建包时如何把包分开实现自动分层一、为什么要把包分开二、建包时如何把包自动分开三、如何编写配置文件路径&#xff1f; 一、为什么要把包分开 一开始的时候&#xff0c;我也一直以为包连在一起和分开没什么区别&am…
阅读更多...
最新文章

Copyright @ 2022~2023