Python计算水仙花树

最新推荐文章于 2023-10-15 11:10:23 发布

太懒了@

最新推荐文章于 2023-10-15 11:10:23 发布

阅读量606

点赞数

文章标签： python

本文链接：https://blog.youkuaiyun.com/weixin_48146191/article/details/124774533

版权

代码

for num in range(100,999):
    gewei=int(num%10);
    shiwei=int((num%100)/10)
    baiwei=int(num/100)
    if(num==gewei*gewei*gewei+shiwei*shiwei*shiwei+baiwei*baiwei*baiwei):
        print("水仙花树是",num)

效果图

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

太懒了@

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

计算所有N位水仙花数。

m0_61146840的博客

05-04

3352

题目： 水仙花数是指一个N位正整数（N>3），他的每个位上的数字的N次幂之和等于它本身，例如 153=1^3+5^3+3^3.本题要求编写程序，计算所有N位水仙花数。输入格式：输入在一行中给出一个正整数N（3<=N<=7）输出格式：按递增顺序输出所有N位水仙花数，每个数字占一行。输入样例： 3 输出样例： 153 370 371 …… 代码 #include<stdio.h> int main() { ...

Python计算水仙花数

热门推荐

weixin_46102896的博客

01-10

6万+

1.什么是水仙花数 水仙花数是指一个 3 位数，它的每个位上的数字的 3次幂之和等于它本身（例如：1^3 + 5^3+ 3^3 = 153） 2.代码实现逻辑分析：x,y,z分别表示一个三位数的百位十位个位，所以这个三位数等于x乘以100加上y乘以10加上z。这个数也等于x的三次幂加上y 的三次幂再加上z的三次幂。两者相等，即所求之数。代码详细说明： for x in range(1,10):...

参与评论您还未登录，请先登录后发表或查看评论

python实现水仙花数

12-26

水仙花数（Python3） 水仙花数：三位数的整数=个位数的三次方+十位数的三次方+百位数的三次方

Python之水仙花系列

weixin_52456246的博客

01-01

413

Python之水仙花系列我们要知其然,还要知其所以然我们必须知道什么才是水仙花数:这个很重要,不然我们写代码都不知道是什么所谓的水仙花数书就是水仙花数是指一个 n 位正整数 ( n≥3 )，它的每个位上的数字的 n 次幂之和等于它本身。代码示例如下 #第一种 print [x for x in range(105) if sum(ilen(str(x)) for i in [int(j) for j in str(x)])==x] #第二种 print filter(lambda n: sum(ma

【XBXX】Python中的pow函数的使用（水仙花树案例）

Py_zx的博客

12-07

2848

前言 pow函数是用于幂的数学运算的一个函数提示：以下是本篇文章正文内容，下面案例可供参考一、什么是pow函数 pow（x，y）返回x**y运算后的值（计算x的y次幂），有两种使用方法： ①可以直接调用 ②调用math模块里面的二、使用步骤（以水仙花数为例） 1.直接调用内置函数代码如下（示例）： for x in range(100, 1000): a = x % 10 b = x // 100 c = (x // 10) % 10 d

水仙花数代码

05-12

JAVA代码，水仙花数"是指一个三位数，其各位数字立方和等于该数本身

【C语言】求水仙花数（完整代码）

ly_6699的博客

10-07

1万+

#define _CRT_SECURE_NO_WARNINGS 1 include &lt;stdio.h&gt; #include&lt;stdlib.h&gt; #include&lt;math.h&gt; int main() { int i = 0; for (i = 0; i &lt; 1000; i++) { //计算位数 int count = 1;

Python求三位水仙花数

Eric005的博客

04-22

6358

Python求三位水仙花数简介 "水仙花数"是指一个三位整数，其各位数字的3次方和等于该数本身。‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬ 例如：ABC是一个"3位水仙花数"，则：A的3次方＋B的3次方＋C的3次方 = ABC。基础掌握 Python str() 函数 https://www.runoob.com/python/python-func-st

python求100到999的水仙花数_C语言经典算法例题求100-999之间的“水仙花数

weixin_39715290的博客

01-14

2278

C语言经典算法例题求100-999之间的“水仙花数题目：打印出所有的 "水仙花数 "，所谓 "水仙花数 "是指一个三位数，其各位数字立方和等于该数本身。例如：153是一个 "水仙花数 "，因为153=1的三次方＋5的三次方＋3的三次方。实现代码如下#include #include using namespace std;/*求100-999之间的水仙花数*/int main(){int numb...

python的一些练习凯撒密码、3位水仙花数计算等。

paul0926的博客

03-21

1931

1、给定一个list a, 满足a[i+1] >= a[i], 给定int key ,找出list a 中第一个大于等于key的元素的index，无满足要求的元素则返回-1。 import random #创造list def create_list(len_list): a = [] for i in range(0,len_list): b = rando...

水仙花数的实现

05-27

水仙花数 水仙花数是三位数，它的各位数字的立方和等于这个三位数本身

水仙花数多种代码(只是总结)

u013494106的专栏

01-21

1万+

1. #include void main() { int p,q,r,sum,s,i=0; for(p=1;p for(q=0;q for(r=0;r { sum=p*p*p+q*q*q+r*r*r; s=p*100+q*10+r; if(sum==s) { printf("%d是水仙花数

C++ 求水仙花数

最新发布

ultramand的博客

10-15

6476

在C++中，字符是以ASCII码的形式存储的，其中数字字符 ‘0’ 到 ‘9’ 的ASCII码值是连续的：‘0’ 的ASCII码是 48，‘1’ 的ASCII码是 49，以此类推。将字符 c 转换为对应的数值，并将结果存储在整型变量 digit 中，以便在后续的计算中使用。需要注意的是，pow() 函数返回的是一个浮点数，因此在将其结果赋值给整型变量之前，需要进行适当的类型转换或四舍五入等操作。这是最常见的求解水仙花数的方法，根据水仙花数的定义，计算每个位上数字的 n 次幂之和，然后与原始数字进行比较。

新手必看！Python计算水仙花数的4种方法！

程序员小芽的博客

06-24

4万+

水仙花数是指一个 3 位数，它的每个位上的数字的 3次幂之和等于它本身(例如：1^3 + 5^3+ 3^3 = 153)方法1：用 for循环控制1000以内的3位数，依次求出该3位数中的个十百位，判断是否是水仙花数方法2：x,y,z分别表示一个三位数的百位十位个位，所以这个三位数等于x乘以100加上y乘以10加上z。这个数也等于x的三次幂加上y 的三次幂再加上z的三次幂。两者相等，即所求之数。

水仙花树c++程序（含原代码）

2201_76029243的博客

05-21

4868

水仙花数

Python实现 — —水仙花数（一问多解）

python实例分享

01-30

1万+

水仙花数（Narcissistic number）是指一个三位整数，其各位数字的3次方和等于该数本身。例如：abc是一个"水仙花数"，则：a的3次方＋b的3次方＋c的3次方 = abc。

【C语言】案例十四：水仙花数

yusihe的博客

07-27

1万+

水仙花数 水仙花数就是一个三位数，它的每一位三次幂相加后都等于他本身，比如153等于1,5,3的三次幂相加。程序要求找到所有的水仙花数。 for 循环语句接下来我们熟悉一下for循环语句 for循环语句经常用于循环次数已知的情况下，代码如下 for（初始化表达式；循环条件；操作表达式） { 执行语句 …… } 水仙花数代码如下： #include <stdio.h> #include <stdlib.h> int main() { int a,b,c,i; pri

使用python实现c4.5算法并使用水仙花数据试运行

04-27

好的，我可以为您介绍一下实现C4.5算法的大致步骤，以及如何在Python中实现并进行水仙花数据的试运行。 C4.5算法是一种常用的决策树算法，其基本思想是将数据集划分为离散的类别，通过特征选择的方法生成一棵决策树，以便对新的数据进行分类。实现C4.5算法的大致步骤如下： 1. 首先计算数据集中每个特征的信息增益，选择信息增益最大的特征作为划分依据。 2. 根据选定的特征进行数据集的划分，并对每个划分子集递归地进行上述步骤。 3. 当所有特征都被用于划分，或者划分后的子集中所有样本都属于同一类别时，停止递归。 4. 生成决策树。下面是使用Python实现C4.5算法的基本步骤： 1. 加载数据集并进行预处理，将数据集划分为训练集和测试集。 2. 定义节点类和决策树类，实现决策树的生成和分类。 3. 实现特征选择算法，计算每个特征的信息增益，并选择信息增益最大的特征进行划分。 4. 使用水仙花数据进行试运行，评估模型的性能。下面是一个使用Python实现C4.5算法并进行水仙花数据试运行的示例代码： ```python import math import pandas as pd class Node: def __init__(self, feature=None, value=None, result=None): self.feature = feature self.value = value self.result = result self.child = {} class DecisionTree: def __init__(self): self.root = None def information_gain(self, data, feature): entropy = 0 values = data[feature].unique() for value in values: sub_data = data[data[feature] == value] probability = len(sub_data) / len(data) entropy -= probability * math.log2(probability) return entropy def select_feature(self, data, features): max_gain = 0 best_feature = None for feature in features: gain = self.information_gain(data, feature) if gain > max_gain: max_gain = gain best_feature = feature return best_feature def build_tree(self, data, features): result = data['result'].value_counts() if len(result) == 1: return Node(result=result.index[0]) if len(features) == 0: return Node(result=result.idxmax()) best_feature = self.select_feature(data, features) root = Node(feature=best_feature) values = data[best_feature].unique() for value in values: sub_data = data[data[best_feature] == value] if len(sub_data) == 0: child_node = Node(result=result.idxmax()) else: child_features = features.copy() child_features.remove(best_feature) child_node = self.build_tree(sub_data, child_features) root.child[value] = child_node return root def fit(self, X, y): data = pd.concat([X, y], axis=1) features = list(X.columns) self.root = self.build_tree(data, features) def predict(self, X): nodes = self.root while nodes.result is None: feature = nodes.feature value = X[feature] nodes = nodes.child[value] return nodes.result def load_data(): data = pd.read_csv('iris.csv') X = data.drop(['class'], axis=1) y = data['class'] return X, y if __name__ == '__main__': X, y = load_data() clf = DecisionTree() clf.fit(X, y) print(clf.predict(X.iloc[0])) ``` 在上述代码中，我们首先定义了一个节点类和决策树类，用于保存决策树的信息。然后，我们实现了特征选择算法和决策树的生成算法，并使用水仙花数据进行了试运行。最后，我们输出了第一个样本的分类结果。需要注意的是，在实际使用中，我们通常会将数据集划分为训练集和测试集，用训练集来训练模型，用测试集来评估模型的性能。