【LeetCode刷题篇零】一些基础算法知识和前置技能（下）

数组常用技巧

使用数组代替Map

使用另一个数组来统计每个数字出现的次数，数组的下标作为key, 数组的值作为value，

将数字作为数组的下标索引，数组里的值存储该数字出现的次数，原理有点类似桶排序中使用的计数数组。

在这里插入图片描述

比如这里如果1出现了2次，就将索引0的位置存储为2，4出现了1次，就索引3的位置存储为1。

在这里插入图片描述

这个做法同样适用于字符串，可以建立一个长度26的整数数组来统计字符串中每个字符出现的次数，前提是只有a-z组成的小写字母（或只有大写字母）

在这里插入图片描述

如果是包含大小写字母的字符串，可以使用长度 128 的计数数组，即包含 [A-Z] 和 [a-z] 的ASII码即可。

在这里插入图片描述

此题可以用计数数组统计方法，但是空间复杂度不符合 O(1) 要求，如果空间复杂度没有要求的话，完全可以用计数数组。

方法1. 交换到正确的位置：

  • 利用数组 [1, 2, ..., N] 特性 nums[i] = i + 1, 如果 nums[nums[i] - 1] != nums[i]，就不停交换 nums[i] - 1 和 i 位置上的数，最后扫描一遍满足 nums[i] != i + 1 的数就是重复的。

在这里插入图片描述
这里如果是找缺失的，保存的结果是 i + 1 就行

方法2. 置为负数：

  • 不断将 index = nums[i] - 1 处的数字置为负数，如果该位置已经为负，说明重复, 如果找缺失的就判断正的才置为负数，最终还是正数的就是缺失的

方法3. +N:

  • 不断将 index = nums[i] - 1 处的数字加 n (数组长度)，最终大于2n的位置的索引+1就是结果值，如果找缺失的就判断小于等于n

交换数组中的两个数

在这里插入图片描述

Java 交换两个数的三种方法：

1.使用一个临时变量暂存两个中的某一个的值

在这里插入图片描述

2. 两数相加保存和值

在这里插入图片描述

3.两数异或保存

在这里插入图片描述

二维数组转一维数组（下标转换）

matrix[i][j] --> data[ i * 列数 + j ]

在这里插入图片描述

一维数组转二维数组（下标转换）

data[i] --> matrix[ i / 列数 ][ i % 列数 ]

在这里插入图片描述

二维数组的四联通（方向数组）

在这里插入图片描述

访问二维数组中四个邻居元素的小技巧：directions数组

在这里插入图片描述

这个技巧在一些二维矩阵题目的DFS和BFS解法中经常使用到。

二维数组的八联通（方向数组）

在这里插入图片描述
在这里插入图片描述

注意防止下标访问越界问题：

在这里插入图片描述

Java 内置List、数组、Map等常用方法

这里只是列出一些在刷题过程中可能用到的，或者说比较有用的Java Api 方法，这些方法在平时开发中我们并不需要特别的关心或记忆，因为有IDE工具快捷提示。但是对于刷题而言，通常面对的是白板，界面没有提示功能，所以可能很难想的起来，因此有必要熟悉一下。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
这个传Deque也可以，只要是Collection接口的实现类都可以。

位运算技巧

获取整型二进制中固定高位/低位的值：

  • 拿到二进制的低16位：n & 0xFFFF

  • 拿到二进制的高16位：n & 0xFFFF0000

  • 同理，取低4位和0xF相与，取低8位和0xFF相与，或拿到低/高x位等类似，只需要与上对应位上是1其余位上是0的数即可。

  • n & 1 可以取出最低位的值（1或0），可用来计算 n 中 1 的个数，或者用来判断奇偶数（偶数最低位是0，奇数最低位是1）

判断第 i 位是否是 1：

  • n & (1 << i）!= 0 （这里 i 从 0 开始，如果是for循环处理，应该是枚举[0, 31]）

  • (n >> i) & 1 != 0 或 (n >> i) & 1 == 1 （这里 i 枚举范围同样是 [0, 31]）

其中 n & (1 << i）的结果，只能判断不等于 0 才是这一位是1，不能判断等于1，因为此时对应的十进制不一定是1。而 (n >> i) & 1 的结果要么是1 要么是0，因此可以直接判断等于1，也可以直接判断不等于0。

去掉或只保留最后一位的 1：

  • 去掉最后一位的 1：n & (n - 1) 即将最后一位的1置为0了, 可用来判断2的幂（只有最高位上是1）

  • 只保留最后一位的 1：n & -n 或 n & (~n + 1) 注意：是得到只含有最后一位上1的数，但并不是十进制的1

异或的三个性质：

  1. 任何数和 0 异或还是自身：a ^ 0 = a

  2. 相同的数异或为 0：a ^ a = 0

  3. 交换律：a ^ b ^ c = a ^ c ^ b

另外补充一个：任何数和 1 异或的效果是将最低位取反，对于偶数来说 a ^ 1 = a + 1，对于奇数来说 a ^ 1 = a - 1

使用异或代替加法运算：

a ^ b：效果等于 a 和 b 的二进制无进位的相加结果

在这里插入图片描述

(a & b) << 1：效果等于 a 和 b 的二进制按位相加的进位值

在这里插入图片描述

无符号右移>>>和普通右移>>的区别：无符号右移高位补0，普通右移高位补符号位（符号位是1就补1，符号位是0就补0）

如何设置指定二进制位上的值：

  • n | (1 << i) 可以将 n 的第 i 位置为 1 （这里 i 枚举范围是 [0, 31]）

  • n & ~(1 << i) 可以将 n 的第 i 位置为 0

位图

常见题目：如何快速查找一千万个整数中是否包含某个整数，每个整数大小在0到1亿范围内

使用位图结构，存储海量数据。

在这里插入图片描述

比如可以使用 8 个二进制位来表示 [0, 7] 范围内的数字是否存在，对应数字下标的二进制位上是 1 表示该数存在，是 0 表示该数不存在。

或上 1 << num 的结果是将第num位置为 1：

在这里插入图片描述

与上 1 << num 的结果，可以判断num是否存在，结果为1说明该数存在，否则为0说明不存在：

在这里插入图片描述

如果是一千万个整数，则使用byte数组：

在这里插入图片描述
在这里插入图片描述

即一个比特位上的1或0对应一个整数是否存在，一千万个整数就使用一千万个比特位，一千万数量级Byte内存占用大概是 1MB 左右，而一亿数量级Byte内存占用大概是 12MB 左右。

测试代码：

在这里插入图片描述

注意上面代码中构造函数中除以了8，传入100,000,000，得到的是一个长度12,500,001的byte数组，但是由于byte数组中的1个byte能表示8个数字的有无，实际上可以表示1亿个整数。

另一种实现：

在这里插入图片描述

布隆过滤器

布隆过滤器是什么

  • 布隆过滤器是一种占用空间很小的数据结构，它由一个很长的二进制向量和一组Hash映射函数组成，它用于检索一个元素是否在一个集合中，空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。

布隆过滤器原理是？

  • 假设我们有个集合 A，A 中有 n 个元素。利用 k个哈希散列函数，将 A 中的每个元素映射到一个长度为 a 位的数组 B 中的不同位置上，这些位置上的二进制数均设置为 1。如果待检查的元素，经过这 k 个哈希散列函数的映射后，发现其 k 个位置上的二进制数全部为 1，这个元素很可能属于集合 A，反之，一定不属于集合 A。

来看个简单例子吧，假设集合 A 有 3 个元素，分别为 ｛d1，d2，d3｝。有 1 个哈希函数，为 Hash1。现在将 A 的每个元素映射到长度为 16 位数组 B。

假如 d1, d2 在映射时没有冲突， 接着我们把 d3 也映射过来，假设 Hash1(d3) 也等于 2，它也是把下标为 2 的格子标 1：

在这里插入图片描述
因此，我们要确认一个元素dn是否在集合A里，我们只要算出 Hash1(dn) 得到的索引下标，只要是 0，那就表示这个元素不在集合 A，如果索引下标是 1 呢？那该元素可能是 A 中的某一个元素。因为你看，d1 和 d3 得到的下标值，都可能是 1 ，还可能是其他别的数映射的，布隆过滤器是存在这个缺点：会存在hash碰撞导致的假阳性，判断存在误差。

如何减少这种误差呢？

  • 搞多几个哈希函数映射，降低哈希碰撞的概率
  • 同时增加B数组的bit长度，可以增大hash函数生成的数据的范围，也可以降低哈希碰撞的概率

布隆过滤器简单讲就是二进制数组+哈希函数，优点是省空间效率高，缺点：只能准确的判断一个数不在集合中，但不能准确的判断一个数在集合中（哈希冲突导致的误判率）

在实际工作中，布隆过滤器常见的应用场景如下：

  • 网页爬虫对 URL 去重，避免爬取相同的 URL 地址；
  • 反垃圾邮件，从数十亿个垃圾邮件列表中判断某邮箱是否垃圾邮箱；
  • Google Chrome 使用布隆过滤器识别恶意 URL；
  • Medium 使用布隆过滤器避免推荐给用户已经读过的文章；Google BigTable，Apache HBbase 和 Apache Cassandra 使用布隆过滤器减少对不存在的行和列的查找。

进一步加深对位运算的理解：

我们知道在HashMap的构造函数中会传入初始容量和加载因子（加载因子默认0.75，当容量达到75%时，会进行扩容），如果不传入初始容量，则默认容量是16，如果设置了容量，会找到与之最接近的2的幂，如 2 4 6 8 16 32，如果传15会变成16，这是通过如下代码计算的：

在这里插入图片描述

这里 n 先将传入的容量 -1，然后通过 n 不断的和 n 分别右移 1 2 4 6 8 16位的结果进行或运算，最后再 +1，其实得到的就是大于n且与n最接近的二进制，之所以要这样的值是因为HashMap在定位key时，需要进行数组取余，而计算机进行位运算比%取余速度快，因此需要数组的长度是2的幂。

下面分析这段代码具体是如何得到大于n且与n最接近的二进制的：

在这里插入图片描述

根据题目数据量猜解法

一般对于时间复杂度是10＾8级别的算法不同开发语言的时间限制如下：

  • C/C++：1s
  • Java: 2~4s

所以如果选择的算法时间复杂度为 O(n^2) 就会有超时的风险，此时我们可以看题目给出的数据量 N 的规模进行猜测：

  • 如果题目给出的数据量是10＾6，说明至少是 O(nlogn) 或 O(n) 的时间复杂度内解决，因为如果是 O(n＾2) 会超过10＾8

  • 如果题目给出的数据量是10＾3，说明可以使用 O(n＾2) 时间复杂度也不会超过 10＾8

  • 如果题目给出的数据量是10＾12，说明可能需要二分或数据本身上做文章，因为本身直接遍历就超过 10＾8

但如果面试中没有给出数据量，那就不好猜了。

一些常见的解题算法手段

1.直接模拟 -> 解决
2.暴力解法 -> 时间复杂度很高，这可能是因为：

  • 1）选择错了数据结构，比如 ArrayList --＞ HashSet
  • 2）存在大量的重复计算，这时需要消除重复计算：a. 预计算，b. 动态规划

预计算的常见手段：

  1. 前缀和

  2. 排序：

    • 1) 二分查找 -> O(logn)
    • 2) 相同的元素会在一起，有的时候可以降低时间复杂度，比如排序去重

  3. 构建哈希表 -> 哈希查找 -> O(1)

查找算法常见手段：

  1. 堆查找 -> O(1)
  2. 使用栈辅助查找，因为栈顶的操作的时间复杂度是 O(1)
  3. 双指针（快慢指针、对撞指针、滑动窗口等）

Master公式

形如 T(N)＝a＊T(N／b)＋O(N＾d)（其中的a、b、d都是常数）的递归函数，可以直接通过Master公式来确定时间复杂度

  • 如果 log(b，a)＜d，复杂度为O(N＾d)

  • 如果 log(b，a)＞d，复杂度为O(N＾log(b，a))

  • 如果 log(b，a)==d，复杂度为O(N＾d＊logN)

在这里插入图片描述

例如下面的例子时间复杂度跟for循环求一样都是O(N)

在这里插入图片描述
在这里插入图片描述

其中a表示调用了2次递归，b表示每次递归处理的规模是N／2，d表示除去递归调用之外其余的代码时间复杂度，由于是常数O(1)，所以这里是O(N＾0)

ASCII码对照表

在这里插入图片描述

在处理一些字符串类的题目时，可能会涉及到这个表，一般是在定义计数数组的情况下，但是不需要记住，只需要了解该表中 [A-Z] 的范围 [65, 90] 的在 [a-z] 的范围 [97, 122] 的前面，且小写字母的ASCII码要比大写字母的ASCII码值大32。

如果字符串只包含大写/小写字母的字符串可考虑使用长度26的计数数组，都包含的可用直接使用长度128的计数数组。

最大公约数公式

在这里插入图片描述
在这里插入图片描述
记住即可，部分题目中会涉及到。

卡特兰数

在这里插入图片描述
该表达式称为卡特兰数。 如力扣【96. 不同的二叉搜索树】就是卡特兰数的应用。

高斯求和公式 等差数列公式

高斯求和公式：

在这里插入图片描述

在这里插入图片描述

排列组合公式

排列公式（方法数乘法原理）：

在这里插入图片描述

在这里插入图片描述

排列是顺序相关的，总共有 6 种：AB、AC、BA、BC、CA、CB

组合公式（组合种类）：

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

组合是顺序无关的，总共有 3 种：AB、AC、BC

缓存算法

  • FIFO：淘汰最先放入缓存的数据，即 FIFO (First In First Out)缓存

  • LRU ：淘汰最久未使用的数据，即 LRU （Least Recently Used）缓存

  • LFU：淘汰最不频繁使用的数据，即 LFU（Least Frequently Used）缓存

FIFO 算法可采用 HashMap + Queue 实现，其中 HashMap 存储数据，Queue 维护键值对的顺序。

在这里插入图片描述

在这里插入图片描述

LRU是最近最少使用的先淘汰，即最久未使用的淘汰，可使用双向链表 + HashMap来实现，其中 HashMap 存储数据，双向链表维护键值对的顺序。

在这里插入图片描述

通过双向链表的表头维护最近使用过的节点，通过双向链表的表尾维护最近未使用过的节点，每次访问节点时（map的get/put操作），将节点移动到双向链表的表头。

在这里插入图片描述

可使用Java内置的LinkedHashMap实现LRU，LinkedHashMap就是采用HashMap+双向链表的实现，默认是按照put的顺序来排序的，LinkedHashMap和HashMap的主要区别就是前者可以按访问操作排序，后者是无序的。

在这里插入图片描述

LinkedHashMap 默认是按照插入顺序 (put) 排序的，构造函数的第三个参数传true可以实现按访问顺序 排序。按访问顺序时，最近使用过的在表尾，表头是最久未使用的。

在这里插入图片描述
在这里插入图片描述

实现LRU只需要继承LinkedHashMap即可

在这里插入图片描述

其中 removeEldestEntry 表示要不要删除最老的数据，返回true表示要删除

LeetCode 146 实现方式：

在这里插入图片描述

LFU 是使用次数最少的淘汰，如果访问次数一致，最久未访问的那个淘汰。

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/77640.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

小程序赖加载刷新数据页面数据堆叠问题debug

小程序赖加载刷新数据页面数据堆叠问题debug

目录 项目所需 原生写赖加载存在的bug 解决问题思路及代码实现 思路&#xff1a; 代码实现&#xff1a; 列表.wxml 列表.js Wenjain_shanchu.js Wenjain_shanchu.json Wenjain_shanchu.wxml shouye.js ⭐️ 好书推荐 【内容简介】 项目所需 某高校大一新生入学&am…
阅读更多...
EasyPHP-Devserver-17安装和配置mantisBT

EasyPHP-Devserver-17安装和配置mantisBT

文章目录 1、准备工作2、安装easyphp2.1 http://127.0.0.1 无法访问 3、安装mantisBT和phpMyAdmin3.1 配置浏览器的访问url和端口号&#xff08;配置局域网内可访问&#xff09;3.2 安装mantis 4、Administrator 注册新用户时设置登录密码5、附件上传6、邮件配置 文章参考自&am…
阅读更多...
【广州华锐互动】煤矿提升机作业VR互动实训平台

【广州华锐互动】煤矿提升机作业VR互动实训平台

在煤矿行业中&#xff0c;安全性是无可忽视的首要任务。传统的煤矿工人培训方法&#xff0c;如理论课堂讲解、实地操作演示&#xff0c;尽管具有一定的效果&#xff0c;但往往无法真实地模拟出煤矿的复杂环境&#xff0c;工作人员在没有真正接触煤矿的情况下&#xff0c;很难理…
阅读更多...
【LLM】Windows本地CPU部署民间版中文羊驼模型（Chinese-LLaMA-Alpaca）踩坑记录

【LLM】Windows本地CPU部署民间版中文羊驼模型（Chinese-LLaMA-Alpaca）踩坑记录

目录 前言 准备工作 Git Python3.9 Cmake 下载模型 合并模型 部署模型 前言 想必有小伙伴也想跟我一样体验下部署大语言模型, 但碍于经济实力, 不过民间上出现了大量的量化模型, 我们平民也能体验体验啦~, 该模型可以在笔记本电脑上部署, 确保你电脑至少有16G运行…
阅读更多...
【GO语言基础】变量常量

【GO语言基础】变量常量

系列文章目录 【Go语言学习】ide安装与配置 【GO语言基础】前言 【GO语言基础】变量常量 【GO语言基础】数据类型 文章目录 系列文章目录常量和枚举变量声明全局变量声明大小写敏感 总结 常量和枚举 使用const关键字声明常量&#xff0c;并为每个常量提供显式的值。Go语言没有…
阅读更多...
嵌入式学习笔记（26）5S5PV210串行通信编程实战

嵌入式学习笔记（26）5S5PV210串行通信编程实战

5.5.1整个流程分析 整个串口通信相关程序包含2部分&#xff1a;uart_init负责初始化串口&#xff0c;uart_putc负责发送一个字节 5.5.2串口初始化关键步骤 &#xff08;1&#xff09;初始化串口的Tx和Rx引脚所对应的GPIO(查原理图可知Tx和Rx分别对应GPA0_1和GPA0_0) &#…
阅读更多...
解决“您在 /var/spool/mail/root 中有新邮件”问题

解决“您在 /var/spool/mail/root 中有新邮件”问题

一、发现问题 二、解决问题 1、删除邮件 cat /dev/null > /var/spool/mail/root 2、禁止系统启动邮件检查 echo "unset MAILCHECK" >> /etc/profile 三、解决结果
阅读更多...
Matplotlib | 高阶绘图案例【3】- 五大战区高校排名

Matplotlib | 高阶绘图案例【3】- 五大战区高校排名

文章目录 &#x1f3f3;️‍&#x1f308; 1. 导入模块&#x1f3f3;️‍&#x1f308; 2. 数据处理2.1 高效数据2.2 学校排名 &#x1f3f3;️‍&#x1f308; 3. 绘图3.1 绘制图布&#xff0c;设置极坐标系3.2 绘制学校排名柱状图3.3 绘制五大战区扇形区域3.4 添加战区、学校…
阅读更多...
Pytest系列- assert断言详细使用（4）

Pytest系列- assert断言详细使用（4）

简介 在断言方面&#xff0c;pytest框架比其他类似的框架&#xff08;比如unittest&#xff09;更加简洁&#xff0c;易用&#xff0c;我想这是选择pytest作为自动化测试框架之一的原因之一。pytest的assert断言关键字支持使用python内置的assert表达式。可以理解为pytest的断…
阅读更多...
数据结构题型6-后插结点操作

数据结构题型6-后插结点操作

#include <iostream> //引入头文件 using namespace std;typedef int Elemtype;#define Maxsize 100 #define ERROR 0 #define OK 1typedef struct LNode {Elemtype data;//数据域struct LNode* next;//指针域 }LNode, * LinkList;bool InitList(LinkList& L) …
阅读更多...
PMP认证可以用来干什么呢？

PMP认证可以用来干什么呢？

PMP(项目管理专业人士&#xff09;认证是一项国际上广为认可的专业认证&#xff0c;具有以下几个重要用途和好处&#xff1a; 1. 提升职业竞争力&#xff1a; PMP认证是项目管理领域具有权威性和声誉的认证之一。持有PMP认证可以证明你具备了相关知识、技能和经验&#xff0c…
阅读更多...
【hive】列转行—collect_set()/collect_list()/concat_ws()函数的使用场景

【hive】列转行—collect_set()/collect_list()/concat_ws()函数的使用场景

文章目录 一、collect_set()/collect_list()二、实际运用把同一分组的不同行的数据聚合成一个行用下标可以随机取某一个聚合后的中的值用‘|’分隔开使用collect_set()/collect_list()使得全局有序 一、collect_set()/collect_list() 在 Hive 中想实现按某字段分组&#xff0c…
阅读更多...
通过数据模板自动生成表格table

通过数据模板自动生成表格table

1.数据模板中的主要几个参数需要注意下(需要加样式可自由设置参数)&#xff1a; title:填入表格的内容 col:1,占一列&#xff0c;row: 3&#xff0c;占3行 align:center居中对齐, pdL&#xff1a;14&#xff0c;padding-left:14, bold:true,加粗 width&#xff1a;100&#xff…
阅读更多...
简单聊聊G1垃圾回收算法整个流程 --- 理论篇 -- 下

简单聊聊G1垃圾回收算法整个流程 --- 理论篇 -- 下

简单聊聊G1垃圾回收算法整个流程 --- 理论篇 -- 下 软实时性预测转移时间预测可信度GC 暂停处理的调度并发标记中的暂停处理 分代 G1 GC 模式不同点新生代区域分代对象转移具体转移流程分代选择回收集合设置最大新生代区域数 GC的切换GC执行的时机 总结 上一篇 文章我们简单看了…
阅读更多...
【C++】常用排序算法

【C++】常用排序算法

0.前言 1.sort #include <iostream> using namespace std;// 常用排序算法 sort #include<vector> #include<algorithm>//利用仿函数 打印输出 class myPrint { public:void operator()(int val){cout << val << " ";} };//利用普通函…
阅读更多...
【C++深入浅出】类和对象中篇（六种默认成员函数、运算符重载）

【C++深入浅出】类和对象中篇（六种默认成员函数、运算符重载）

目录 一. 前言 二. 默认成员函数 三. 构造函数 3.1 概念 3.2 特性 四. 析构函数 4.1 概念 4.2 特性 五. 拷贝构造函数 5.1 概念 5.2 特性 六. 运算符重载 6.1 引入 6.2 概念 6.3 注意事项 6.4 重载示例 6.5 赋值运算符重载 6.6 前置和后置运算符重载 七. c…
阅读更多...
Excel显示列号

Excel显示列号

默认表格打开列以字母显示 设置方法 文件 -> 工具 -> 选项 -> 常规与保存 设置后效果如下图
阅读更多...
使用高斯混合模型进行聚类

使用高斯混合模型进行聚类

一、说明 高斯混合模型 &#xff08;GMM&#xff09; 是一种基于概率密度估计的聚类分析技术。它假设数据点是由具有不同均值和方差的多个高斯分布的混合生成的。它可以在某些结果中提供有效的聚类结果。 二、Kmean算法有效性 K 均值聚类算法在每个聚类的中心周围放置一个圆形边…
阅读更多...
推荐10个AI人工智能技术网站（一键收藏，应有尽有）

推荐10个AI人工智能技术网站（一键收藏，应有尽有）

1、Mental AI MentalAI&#xff08;https://ai.ciyundata.com/&#xff09;是一种基于文心大模型的知识增强大语言模型&#xff0c;专注于自然语言处理&#xff08;NLP&#xff09;领域的技术研发。它具备强大的语义理解和生成能力&#xff0c;能够处理各种复杂的自然语言任务。…
阅读更多...
Python第一次作业练习

Python第一次作业练习

题目分析&#xff1a; """ 参考学校的相关规定。 对于四分制&#xff0c;百分制中的90分及以上可视为绩点中的4分&#xff0c;80 分及以上为3分&#xff0c;70 分以上为2分&#xff0c;60 分以上为1分; 五分制中的5分为四分制中的4分&#xff0c;4分为3分&#…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023