C语言经典例23-输出菱形图案

打印菱形图案例题 package cn.tedu.practice; /*题目:打印出如下图案(菱形) ###4 ##3*5 #2***6 1*****7 #2***6 ##3*5 ###4 */ public class practice9 { public static void main(String[] args) { //1.设定半层高度 int h = 4; //2.外层循环控制轮数 for(int i=0;i&l. 阅读详情

1 题目

打印出如下图案(菱形)。

   *
  ***
 *****
*******
 *****
  ***
   *

2 分析

观察图案,共7行,其中前4行规律相同,后3行规律相同,那么在程序中,要分为两个部分来做,第一行发现三个空格一个星号,第二行两个空格三个星号,第三行一个空格四个星号,从中可以推算出空格个数、星号个数和行号的关系,由此才能利用循环输出图案,设行号从0开始编号,要注意的是空格和星号和行号的规律不相同,所以每行里面空格和星号分别要用一个for循环输出,最后不要忘了换行,具体规律见下面的程序

3 实现

#include <stdio.h>

int main() {
    // 输出前4行
    for (int i = 0; i < 4; i++) {
        for (int j = 0; j <= 2-i; j++) {
            printf(" ");
        }
        for (int k = 0; k <= 2*i; k++) {
            printf("*");
        }
        printf("\n");
    }
    // 输出后3行
    for (int i = 0; i < 3; i++) {
        for (int j = 0; j <= i; j++) {
            printf(" ");
        }
        for (int k = 0; k <= 4-2*i; k++) {
            printf("*");
        }
        printf("\n");
    }
  
}

4 运行结果

   *
  ***
 *****
*******
 *****
  ***
   *
使用C语言输出菱形详解 一、思维过程 观察要输出的形状 --- 确定大体思路 --- 转化为数学模型 --- 将问题逐个击破 二、完整代码(以7*7菱形为例) #include <stdio.h> int main() { int i,j,k; //定义菱形行数i、每行输出次数j、每行中输出空格计数器k for(i=1;i<=4;i++) //上半部分有四行 { ... 阅读详情

相关推荐

【C语言教程:经典100例之八一】——打印菱形图案

因此,我们可以将循环条件写成i

2301_79326930的博客 1838

调用函数来输出圣诞树树冠一样的三角字符

//调用函数打印形状很像是圣诞树的树冠 #include&lt;stdio.h&gt; int PrintStars(int N) { int i, j; for (i = 1; i &lt;= N; i++) { for (j = 1; j &lt;= N - i; j++) printf(" "); for (j = 1; j &lt;= 2 * i - 1; j++...

weixin_42577240的博客 1758

经典C语言程序100例之二三

【程序23】 题目:打印出如下图案(菱形) 1.程序分析:先把图形分成两部分来看待,前四行一个规律,后三行一个规律,利用双重       for循环,第一层控制行,第二层控制列。 2.程序源代码: main() { int i,j,k; for(i=0;i<=3;i++)  {  for(j=0;j<=2-i;j++)   printf(" “);  for(k=0;k<=2i;k++)   printf("”);  printf("\n");  } for(i=0;i<=2;i+

希望我的博客,能帮上你解决学习中工作中所遇到的问题 275

【C语言】--打印出如下图案(菱形)

先把图形分成两部分来看待,前四行一个规律,后三行一个规律,利用双重for循环,第一层控制行,第二层控制列。实际上,只需要对图形的左半部分进行观察就行。打印出如下图案(菱形)

小人物,大梦想! 2465

超酷炫,Python实现交通数据可视化!

此时输出的栅格化参数params的内容存储了栅格坐标系的原点坐标(slon、slat)、单个栅格的经纬度长宽 (deltalon、deltalat)、栅格的旋转角度(theta)、栅格的形状(method参数,其值可以是方形rect、三角形tri和六边形hexa)以及栅格的大小(gridsize参数,单位为米)。Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。今天分享一次Python交通数据分析与可视化的实战!

m0_59236127的博客 1696

Springboot+Vue 实现鸿蒙商城管理系统开发实践

通过使用 Springboot 和 Vue 技术栈,我们成功实现了鸿蒙商城管理系统的开发。系统具备用户管理、商品管理、订单管理、库存管理和统计分析等功能,支持 Web 端和鸿蒙端的访问和操作。在开发过程中,我们充分利用了 Springboot 的快速开发优势和 Vue 的组件化开发特点,提高了开发效率和系统的可维护性。同时,通过与鸿蒙设备的集成,实现了多设备之间的数据交互和协同工作,提升了用户体验。

ZXJ_SXT的博客 1324

C语言期末复习---打印菱形

打印菱形 用空格在正方形中打出菱形 边长及每一行字符数为n 用三个循环控制 第一个大循环控制打出多少行 两个小循环为对称打出图案 公式 当i<n/2+i 变量j在区间(n/2-i,n/2+i)时 打印空格 else 因为是对称 所以将上式中 i替换成n-1-i (因为最中间那一行只需要打一次) #include &amp;lt;stdio.h&amp;gt; #include &amp;lt;stdlib.h&amp;gt; ...

澄澈的天空的博客 411

STM32F407硬件IIC驱动OLED避坑实录:从‘不显示’到‘稳定刷屏’的完整调试过程

本文详细记录了使用STM32F407硬件IIC驱动OLED屏幕的完整调试过程,从初始的‘不显示’问题到最终实现‘稳定刷屏’。文章涵盖了硬件接线、I2C外设配置、常见问题排查及性能优化技巧,特别针对STM32标准库开发中的难点提供了实用解决方案,是嵌入式开发者驱动OLED屏幕的实用指南。

weixin_30315723的博客 303

C语言100题练习计划 23——打印菱形

C语言100题练习计划 23——打印菱形。菱形如何打印?一起来看看吧!

Code_流苏:在代码中寻诗意,在实践中觅真知 849

gdb对dwarf调试信息的解析和使用

gdb的对dwarf的调试信息的解析到使用的过程分析

JS072110的专栏 9567

Star CCM+中衍生零部件下的阈值应用与区域内删除目标网格

同样的在绘制网格结束后,有时出现负体积网格或质量差的网格,为了节约时间成本,可能会选择将负体积的网格或质量差的网格删除。弹出相应的窗口,在窗口中选择相应的区域①,选择标量函数②(此处以网格体积变化为例),选择模型③,设置阈值④,选择No Dispalyer,会根据需求选择显示,最后点击Create⑥完成创建。此处以温度为例,若出现温度异常点,首先在①栏中勾选Function,然后在下面点击⑤Select,在弹出的Function窗口中选择温度场函数,再点击④Identify,查找温度异常网格数量。

2201_75375391的博客 2222

【C语言经典100例】--23 打印出如下图案(菱形)

问题描述: 打印出如下图案(菱形)。 ![在这里插入图片描述](https://img-blog.csdnimg.cn/896a5c2acb3b4016bba33891a6f7ca4b.png#pic_center) 问题分析: 先把图形分成两部分来看待,前四行一个规律,后三行一个规律,利用双重for循环,第一层控制行,第二层控制列。 程序实现: #include <stdio.h> int main() { int i,j,k; for(i=0;i<=3;i++) {

qq_45822555的博客 3234

【100%通过率】华为OD机试真题 JavaScript【数字最低位排序】【最低位排序】

2023华为OD机试真题 JavaScript【数字最低位排序】【最低位排序】 给定一个非空数组(列表) 起元素数据类型为整型 请按照数组元素十进制最低位从小到大进行排序 十进制最低位相同的元素,相对位置保持不变 当数组元素为负值时,十进制最低为等同于去除符号位后对应十进制值最低位

MISAYAONE的博客 586

菜鸟教程-C语言经典100示例(前50)

这两天正在看基础的算法,在做的时候肯定不能避免的接触了菜鸟上的经典100例,但是使用的时候发现并不是那么的方便,因为它只是给了序号,如果查找某一问题的话很不方便,所以做了这篇博客,希望给自己和其他人带来帮助! 1,有1、2、3、4个数字,能组成多少个互不相同且无重复数字的三位数?都是多少? 2,企业发放的奖金根据利润提成。其实就是考分类。 3,一个整数,它加上100后是一个完全平方数,再加上...

zlhcsm的博客 6万+

十八万字《python从零到精通教程》第二版,贴心保姆教你从零变大神,学不会找我

文章目录一.pycharm下载安装二.python下载安装三.pycharm上配置python四.配置镜像源让你下载嗖嗖的快4.1pycharm内部配置4.2手动添加镜像源4.3永久配置镜像源五.插件安装(比如汉化?)5.1自动补码神器第一款5.2 自动补码神器第二款5.2汉化pycharm5.3其它插件六.美女背景七.自定义脚本开头八、这个前言一定要看九、python入门十、python缩进十一、Python注释1.单行注释2.多行注释十二、Python 变量1.变量定义理解2. 变量名命名3. 分配多个

全栈川川 7万+

AHB—SRAMC项目(结构图,核心代码、Testbench架构)

文章目录一、AHB_SRAMC项目介绍1.1.AHB总线控制单元(ahb_slv_if.v)1.2.SRAM控制单元(sramc_top.v)1.3.主要的传输路径二、结构框图2.1.AHB_SRAMC结构图(重点)2.2.总线控制单元与SRAM控制单元结构图三、部分核心代码(重点理解)四、SystemVerilog Testbench架构(重点)五、目录结构 一、AHB_SRAMC项目介绍 本项...

Mr.翟的博客 3万+

c语言打印空心菱形_C语言经典100题(23)

1上期答案揭晓首先给大家看看上一篇文章C语言经典100题(22)中第三部分编程题的答案:#include #include int main(){ char i,j,k; for(i='x';i<='z';i++) { for(j='x';j<='z';j++) { if(i!=j) { for(k...

weixin_33101399的博客 381

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

【C语言基础案例】经典C语言程序设计100例附源码解析(21-30例)

这篇文章介绍了C语言程序设计21-30例的经典案例,涵盖了猴子吃桃、乒乓球比赛配对、打印菱形、分数序列求和、阶乘计算、递归函数应用等多种编程技巧。每个案例都包含题目描述、核心知识点、程序分析和完整源代码,帮助读者理解C语言的逻辑思维和实现方法。案例涉及逆向思维、多重循环、递归调用、数字分解等关键编程技术,适合C语言初学者通过实践案例提升编程能力。

yuhuasheng1997的博客 830

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'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('DeepLearnToolbox'));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('state',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'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',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 = 'sigm';%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, 'Too big error');```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('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';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)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';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, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% 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'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 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, 'Too big error');```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('state',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, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',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, 'Too big error');%% ex3 neural net with dropoutrand('state',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, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % 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, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % 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, 'Too big error');%% 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('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % 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, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

利用对称数列输出菱形图案,呵呵

今天在回顾JavaSE时,又见到了曾经练习的小例子,用【*】输出一个菱形。如图 * *** ***** *** * 图1 按照自己以前的逻辑肯定会选择一半一半的输出,如先输出上面一个锥形,再输出下面一个锥形。如果要输出一个矩阵的数据的话,如图2,还会选择先输出【@】,再输出【*】,...

diaojielang2481的博客 393

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

C 练习实例23-打印菱形

规律:空格数 = 3 - i , * 数 = 2 * i + 1。i = 2时,第 2 行 空格数 = 1,* 数 = 5。i = 1时,第 1 行 空格数 = 2,* 数 = 3。i = 0时,第 0 行 空格数 = 3,* 数 = 1。行序号自己定,就是个循环标号,怎么方便怎么来,无所谓。后打印后三行,因为是递减规律。先打印前4行,因为是递增关系。第0行:打印3个空格,1个*第1行:打印2个空格,3个*第2行:打印1个空格,5个*第3行:打印0个空格,7个*空格数是行序列以3的补码,

计海无涯的博客 1048

C语言 经典例题一百道 23 打印一个菱形 半菱形

#include &lt;stdio.h&gt; int main() { int i,j,k ; for (i = 0 ; i &lt;= 3 ; i++) { for (j = 0 ; j &lt;= 2 - i ; j++) { printf(" ") ; } for (k = 0 ; k &lt;= 2*i ; k++) { printf("*")...

莫比乌斯环的博客 3425

C语言-用循环结构输出菱形图案(期末模拟测试)

空格数随着i值的增大而减小,所以我们很容易想到把i作为减数。如果输入7,则空格有3个;下半段同样的道理,只需把上半段代码循环结构条件换一下就行了。别忘了每次执行完一行的循环后加个换行符!题目:打印菱形图案(用循环写),要求输入n行,输出n行的菱形图案。

少侠Dr的博客 991

【C语言经典例题100解答】

收纳整理C语言各类经典例题100题,并给出实例代码和运行结果

依然的专栏 9040

习题4-9 打印菱形图案

1 #include<stdio.h> 2 3 int main() 4 { 5 int n, i, j, k; 6 7 scanf_s("%d", &n); 8 9 for (i = 1; i <= n / 2; i++) //菱形上部 10 { 11 for (j =...

weixin_34384681的博客 372

经典c语言程序100例(21-30)

题目:有一分数序列:2/1,3/2,5/3,8/5,13/8,21/13...求出这个数列的前20项之和。a说他不和x比,c说他不和x,z比,请编程序找出。1.程序分析:判断素数的方法:用一个数分别去除2到sqrt(这个数),如果能被整除,题目:猴子吃桃问题:猴子第一天摘下若干个桃子,当即吃了一半,还不瘾,又多吃了一个。题目:给一个不多于5位的正整数,要求:一、求它是几位数,二、逆序打印出各位数字。/*i是a的对手,j是b的对手,k是c的对手*/第四人的岁数,依次类推,推到第一人(10岁),再往回推。

qq_41237850的博客 920

C语言经典例题(菜鸟教程100例)

学习c语言基础,怎么能少了菜鸟教程上的100道例题呢,这里整理一下每道题的链接,希望大家能享受学习的乐趣 1,有1,2,3,4个数字,能组成多少个互不相同且无重复数字的三位数?都是多少? 2,企业发放的奖金根据利润提成。其实就是考分类。 3,一个整数,它加上100后是一个完全平方数,再加上168又是一个完全平方数,请问该数是多少? 4,输入某年某月某日,判断这一天是这一年的第几天? 5,...

zwish的信安之路 30万+
上一篇: C语言经典例22-乒乓球比赛名单问题
下一篇: C语言经典例24-分数累加和
syzdev
博客等级 码龄9年 852粉丝 149原创
评论 2
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