(PTA)7-9 生成3的乘方表 (15分)

[PTA]7-53 生成3的乘方表 (15分) 输入一个非负整数n,生成一张3的乘方表,输出30​ ~3​n的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,3) ... 阅读详情

输入一个非负整数n,生成一张3的乘方表,.输出3
​0
​​ ~3
​n
​​ 的值。可调用幂函数计算3的乘方。

输入格式:
输入在一行中给出一个非负.整数n。

输出格式:
按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。

输入样例.:
3

输出样例:
pow(3,0) = 1
pow(3,1) = 3
pow(3,2) = 9
pow(3,3) = 27

#include <stdio.h>
#include <math.h>
int main(){
int x,i,y;


scanf("%d",&x);
for(i=0;i<=x;i++){
    y=pow(3,i);
    printf("pow(3,%d) = %d\n",i,y);
}


return 0;

}

PTA 练习2-17 生成3的乘方表 (15 分) 题目链接 题目要求 输入一个非负整数n,生成一张3的乘方表,输出30∼3n3^0\sim3^n30∼3n 的值。可调用幂函数计算3的乘方。 输入格式 输入在一行中给出一个非负整数n。 输出格式 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 样例 输入样例1 3 输出样例1 pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,3) = 27 解题代码 #include <stdio.h 阅读详情

相关推荐

三菱CNC数据采集实战:从环境搭建到代码实现的完整指南

本文提供了一份完整的三菱CNC数据采集实战指南,涵盖从开发环境搭建、核心SDK获取、网络配置到基于C#和A2协议的完整代码实现。文章详细解析了初始化、连接管理、数据获取与展示四大核心模块,并分享了错误处理、性能优化及与MES系统集成的关键技巧,帮助工程师快速构建稳定可靠的工业数据采集系统。

wood5的博客 890

输入一个非负整数n,生成一张3的乘方表,输出3 0 ~3 n 的值。可调用幂函数计算3的乘方。输入格式:输入在一行中给出一个非负整数n。输出格式:按照幂的递增顺序输出n+1行

#include<stdio.h> #include<math.h> int main(void){ int n,i,y; scanf("%d",&n); for(i=0;i<=n;i++){y=pow(n,i); if(i<n){ /*结尾无空行*/ printf("pow(%d,%d) = %d",n,i,y); printf("\n"); .

weixin_63381305的博客 7956

电流模架构Bandgap设计与仿真

带隙基准作为集成电路中一个重要模块,被广泛应用在低压差线性稳压(LDO)、充电电池保护芯片和通信电路、射频收发器、flash存储器等多种模拟及数模混合集成电路中,并且是片上集成系统(SOC)芯片中不可或缺的部分,为整个芯片提供精确的电压参考点............

qq_50968231的博客 5万+

练习2-17 生成3的乘方表

练习2-17 生成3的乘方表(15 分) 输入一个非负整数n,生成一张3的乘方表,输出3​0​​~3​n​​的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1...

melody_1016的博客 2569

ArcGIS License Server点击启动没反应,许可管理器无法启动怎么办

4 当我们再打开ArcGIS License Server Administrator的时候。3 在【服务】中找到【ArcGIS License Manager】双击。无法启动ArcGIS License Server的情况。在使用ArcGIS的过程中,我们经常会遇到。专注GIS领域知识分享,交流行业软件技巧。欢迎关注,不定期分享GIS各种问题和技巧。1 右击我的电脑——【管理】服务状态——启动,确定即可。启动类型选择——自动。

GIS蒲公英的博客 2万+

攻克JESD204B多ADC同步:从时钟对齐到数据对齐的实战解析

本文深入解析了JESD204B多ADC同步的系统性挑战与实战解决方案。从确保设备时钟同源、精确捕获SYSREF信号,到管理接收端弹性缓冲区与释放点,文章提供了从时钟对齐到数据对齐的完整调试路径与排查清单,是攻克高速数据采集系统中多片ADC同步难题的实用指南。

weixin_29231725的博客 197

提问:输入一个非负整数n,生成一张3的乘方表,输出3 ​0 ​​ ~3 ​n ​​ 的值。可调用幂函数计算3的乘方。

题目:输入一个非负整数n,生成一张3的乘方表,输出3​0​​ ~3​n​​ 的值。可调用幂函数计算3的乘方。 问题:pow函数在printf语句中,前几个较小的n值,打印出来的均为0。 因为:pow函数返回的是double型变量,用%d即用int型输出,根据double的储存原理和int的储存原理差距,导致前几个数对应的int都为0。 #include <stdio.h> #include <math.h> int main(void) { int n, i, temp;

qq_45711284的博客 1万+

Python爬虫实战:5分钟搞定Boss直聘数据抓取(附完整代理IP配置)

本文详细介绍了如何使用Python爬虫高效抓取Boss直聘的招聘数据,包括环境配置、反爬策略、数据采集与存储、数据分析等完整流程。通过实战案例,帮助开发者快速掌握招聘市场数据抓取技术,为职业决策提供数据支持。

weixin_30832143的博客 346

PTA_Python_第4章-1 生成3的乘方表 (15分)

输入一个非负整数n,生成一张3的乘方表,输出3^0 ~ 3^n 的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,...

hqy的草稿本 1104

1104全部报表版本号-银监会报表

G4B_Ⅲ(a)X1《与非中央交易对手的衍生具交易对手信用风险违约风险计算表(现期风险暴露法)(第一档)》G4B_Ⅲ(b)X1《与非中央交易对手的证券融资交易对手信用风险违约风险计算表(权重法)(第一档)》G4B_Ⅲ(a1)X2《与非中央交易对手的衍生具交易对手信用风险违约风险计算表(标准法)(第二档)》Ⅲ(a)X2《与非中央交易对手的衍生具交易对手信用风险违约风险计算表(现期风险暴露法)(第二档)》Ⅲ(a1)X1《与非中央交易对手的衍生具交易对手信用风险违约风险计算表(标准法)(第一档)》

数字化老司机 6293

树莓派4B:控制步进电机

文章目录准备阶段接线阶段树莓派程序 准备阶段 准备以下物品,淘宝都可以买到: 57步进电机 电源开关(220v转24v,3A,72W) 步进电机驱动器 电源线 电线 杜邦线 树莓派4B一套 具体型号如下: 接线阶段 整体:接线效果如下图 电源开关起220v转24v作用,很好接线,输出24v接入步进电机驱动器 步进电机驱动器的 A+ A- B+ B- 按提示接步进电机四线,步进电机上就会有说...

学习路上的鸭子的博客 1万+

7-1 生成3的乘方表 (15分)

输入一个非负整数n,生成一张3的乘方表,输出3​0​​~3​n​​的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3...

小菜求生机带你C到飞起 9704

EPLAN 电气制图(六):电机正反转副勾主电路绘制

【插入】→【设备】→选择 “SIE.3RV2011-1AA15”(Q1)和 “SIE.1TL0001-1DB3”(M1),放置于图纸左侧。生成端子排 X3:【端子排导航器】→新建编号 “1-20”,部件 “PXC.3211814”,放置于电机上方,功能文本标注 “电机端子”。属性设置:双击结构盒,在 “显示设备标识符” 中输入位置代号(如 “+ 柜外”),并在 “格式” 选项卡中调整线型与颜色。实用技巧:勾选【选项】→【设置】→【图形的编辑】中的 “绘制带有空白区域的结构盒”,可使元件布局更清晰。

电工 2030

【题解】【PTA-Python题库】第4章-1 生成3的乘方表 (30 分)

【题解】【PTA-Python题库】第4章-1 生成3的乘方表 (30分) 输入一个非负数和正整数n,5<=n<=9,生成一张输入数的乘方表。 输入格式: 在一行输入一个非负数和正整数n。 输出格式: 按照幂的递增顺序输出n+1行,计算结果保留2位小数。 输入样例: 在这里给出一组输入。例如: 2.5 3 输出样例: 在这里给出相应的输出。例如: 2.5**0=1.00 2.5**1=2.50 2.5**2=6.25 2.5**3=15.62 代码如下: a..

Fabio的博客 8409

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

【题解】【PTA-Python题库】第4章-1 生成3的乘方表 (15 分)

生成3的乘方表 输入一个非负整数n,生成一张3的乘方表,输出3​0​​ ~3n的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9...

葑鈊丶 8979

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

pta练习2-17 生成3的乘方表 (15分)

练习2-17 生成3的乘方表 (15分) 输入一个非负整数n,生成一张3的乘方表,输出3 ​0 ​​ ~3 ​n ​​ 的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,3) = 27 代码 #include<stdio.

Mambahr的博客 849

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

pta 练习2-17 生成3的乘方表 (15分)

浙大版《C语言程序设计(第3版)》题目集 公告 练习2-17 生成3的乘方表 (15分) 输入一个非负整数n,生成一张3的乘方表,输出 ​​的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,3) = 27 代码实现: #

crraxx的博客 737

练习2-17 生成3的乘方表 (15分)

快速找到所需题目:浙大版c语言程序设计第三版题目集一览表 微信搜索公众号【IT学长】: 回复 :“c-pdf” 免费下载C语言经典100题PDF版本 回复 :“编程交流群”” 进C/C++/Java编程题交流、问题解答群,和大佬一起进步 练习2-17 生成3的乘方表 输入一个非负整数n,生成一张3的乘方表,输出3​0~3​n的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次

IT学长 1572

(PTA)7-8 生成2的乘方表 (15分)

输入一个非负整数n,生成一张2的乘方表,输出2 ​0 ​​ ~2 ​n ​​ 的值。可调用幂函数计算2的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(2,i) = 2的i次幂的值”,请注意等号的左右各有一个空格。题目保证计算结果不超过.整数的取值范围。 输入样例: 3 输出样例: pow(2,0) = 1 pow(2,1) = ...

Overdrive13的博客 2804

浙大 | PTA 练习2-17 生成3的乘方表 (15分)

输入一个非负整数n,生成一张3的乘方表,输出3^0 ~ 3 ^n的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,...

赞美太阳的博客 811

PTA练习2-17 生成3的乘方表

练习2-17 生成3的乘方表 (15分) 浙大版《C语言程序设计(第3版)》题目集 输入一个非负整数n,生成一张3的乘方表,输出3的0次方~3​的n次方的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,3) = 27 #

weixin_49066843的博客 1129

PTA|《C语言程序设计(第3版)》练习2-17 生成3的乘方表 (15分)

题目 输入一个非负整数n,生成一张3的乘方表,输出3^0​​ ~ 3^​n的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 p...

烫烫烫的博客 974

PTA 补充题库 7-11 生成3的乘方表

7-11 生成3的乘方表 (15 分) 输入一个非负整数n,生成一张3的乘方表,输出30~3n的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,3) = 27 代码: #include<stdio.h> #inc

komorebi123_的博客 1366

PTA 练习2-17 生成3的乘方表 (15分)

本题要求编写程序,计算序列 1 + 1/3 + 1/5 + … 的前N项之和。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例1: 3 输出样例1: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,3) = 27 答案代码块 #include <stdio.h> #include <math.h&

eclipse_ali的博客 518

PTA---生成3的乘方表 (15 分)

输入一个非负整数n,生成一张3的乘方表,输出30~3n的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 结尾无空行 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,3) = 27 结尾无空行 AC:根据输出样例可以“依葫芦画瓢”。 #inclu

Katerina_xyz的博客 1234

浙大PTA 第4章-1 生成3的乘方表 (15 分)

输入一个非负整数n,生成一张3的乘方表,输出3​0​​~3​n​​的值。可调用幂函数计算3的乘方。 输入格式: 输入在一行中给出一个非负整数n。 输出格式: 按照幂的递增顺序输出n+1行,每行格式为“pow(3,i) = 3的i次幂的值”。题目保证输出数据不超过长整型整数的范围。 输入样例: 3 输出样例: pow(3,0) = 1 pow(3,1) = 3 pow(3,2) = 9 pow(3,3) = 27 题解: n=int(input()) for i in range(n

amateur_python的博客 897
上一篇: (PTA)7-8 求交错序列前N项和 (15分)
下一篇: (PTA)7-10 求平方根序列前N项和 (15分)
Overdrive13
博客等级 码龄7年 60粉丝 46原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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