【LeetCode】412. Fizz Buzz

本文介绍了一个简单的FizzBuzz问题解决方案,使用C++编程语言实现。通过遍历指定范围内的整数,根据条件判断输出Fizz、Buzz或FizzBuzz字符串,或是保留原数值。文章附带了完整的代码示例,并提供了运行时的注意事项。

题目:


这道题有点类似我们的过“七”游戏,不过更简单些,只是倍数需要替换。

思路就是一次遍历,依次判断并存入res中,最后输出即可(我没有想到什么更简单的方法,查了一些答案也都差不多)【如果找到更好的方法会补充进来】

#include <iostream>
#include <vector>
#include <algorithm>
#include <string>
using namespace std;

class Solution {
public:
    vector<string> fizzBuzz(int n) {
        vector <string> res;
		for(int i = 1;i <= n;i++){
			if(i % 3 && i % 5){
				res.push_back(to_string(i));}//这里注意是要string类型的,而且要记得加头文件。
			else if(!(i % 3) && i % 5 )
				res.push_back("Fizz");
			else if(!(i % 5) && i % 3 )
				res.push_back("Buzz");
			else
				res.push_back("FizzBuzz");
		}
		return res;
    }
};
int main(){
	Solution s;
	vector <string> res = s.fizzBuzz(15);
	for(int i = 0; i < res.size(); i++)
		cout << res[i] << "\n"; //这里我在运行的时候开始一直在报错,以为是这部分的错,后来发现是上面的(to_string)没有用好,给大家提个醒(我是真小白)
		system ("pause");
		return 0;
}

Nano-ESG数据资源库的构建基于2023年初至2024年秋季期间采集的逾84万条新闻文本,从中系统提炼出企业环境、社会及治理维度的信息。其构建流程首先依据特定术语在德语与英语新闻平台上检索,初步锁定与德国DAX 40成分股企业相关联的报道。随后借助嵌入技术对文本段落执行去重操作,以降低内容冗余。继而采用GLiNER这一跨语言零样本实体识别系统,排除与目标企业无关的文档。在此基础上,通过GPT-3.5与GPT-4o等大规模语言模型对文本进行双重筛选:一方面判定其与ESG议题的相关性,另一方面生成简明的内容概要。最终环节由GPT-4o模型完成,它对每篇文献进行ESG情感倾向(正面、中性或负面)的判定,并标注所涉及的ESG具体维度,从而形成具备时序特征的ESG情感与维度标注数据集。 该数据集适用于多类企业可持续性研究,例如ESG情感趋势分析、ESG维度细分类别研究,以及企业可持续性事件的时序演变追踪。研究者可利用数据集内提供的新闻摘要、情感标签与维度分类,深入考察企业在不同时期的环境、社会及治理表现。此外,借助Bertopic等主题建模方法,能够从数据中识别出与企业相关的核心ESG议题,并观察这些议题随时间的演进轨迹。该资源以其开放获取特性与连续的时间覆盖,为探究企业可持续性表现的动态变化提供了系统化的数据基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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
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