python实例4

1.有一堆硬币,每次只能拿一个或者两个,求最少多少次可以拿完硬币

s = [10, 8, 5, 3, 27, 99]
num = 0
for i in s:
    x = i % 2
    if x == 0:
        num = i // 2 + num
    else:
        num = i // 2 + num + 1
print(f'需要取{num}次')

2.如果两个素数之差为2,这样的两个素数就叫作"孪生数",找出100以内的所有"孪生数".

zhi = []
for num in range(2,101):
    k = 0
    for i in range(2,num):
        if num % i == 0:
            k = 1
            break
    if k == 0:
        zhi.append(num)
    else:
        pass
print("100以内的素数有:")
print(zhi)
i = 1
while i < len(zhi):
    if zhi[i] - zhi[i - 1] == 2:
         print("%d和%d是孪生数"%(zhi[i],zhi[i-1]))
    i += 1

3.给定一个列表,求最大值(不能使用系统api),求最小值,求平均值、求和

a = [1,3,4,6,7,2,10,2,6,9]
 
print(f"最大值是{max(a)}")
print(f"最小值是{min(a)}")
print(f"和是{sum(a)}")
print(f"平均值是{sum(a)/len(a)}")
 
a_max = a[0]
a_min = a[0]
a_sum = 0
for i in a:
    if i > a_max:
        a_max = i
    if i < a_min:
        a_min = i
    a_sum += i 
    
print(f"最大值是:{a_max}最小值是:{a_min}和为:{a_sum}平均值是:{a_sum/len(a)}")

4.将list中的重复数据去重,至少使用两种方案

a = [1, 1, 2, 4, 5, 11, 2, 2]
c = a
a = set(a)
print(a)
 
 
lx = [10, 70, 80, 50, 20, 90, 20, 30, 40, 50, 60, 70, 80, 90, 100]
ly = []
for i in lx:
    if i not in ly:
        ly.append(i)
print('列表lx去重后的元素为:', ly)

5.两个列表进行合并操作

a = {1,2,3,4,5,6}
b = {2,3,5,6,7,8,9,10}
 
print(a.union(b))
 
a = [5,6,7,8]
b = [10,2,3,4]
 
for i in b:
    a.append(i)
print(a)

6.使用列表判断一个列表是否在另外一个列表中

a = [1,2,3,4]
b = [1,2,3,4,5,6,7]
for i in a:
    if i not in b:
        print("a不在列表b中")
        break
    else:
        print("a在列表b中")
        break

7.列表的反转 列表的排序

a = [1,2,5,89,1,0,23]
 
a.reverse()
print(f"反转后的列表为{a}")
a.sort()
print(f"排序后的列表为{a}")

8.如何将0-10随机存入列表中

import random
 
 
arr = list()
 
for i in range(20):
    a = random.randint(0,10)
    arr.append(a)
print(arr)

9.存在一个1~n的连续列表,在其中不小心重复了一个值,请找出这个重复值

res = 0
arr = [1,2,3,4,5,5]
for i in range(0,len(arr)):
    res ^= i ^ arr[i]
 
print(res)
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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