每天一道简单算法题之密码解译#C

这篇博客介绍了一种电文密码的解密方法,通过将字母按照特定规律转换来解码。程序使用C语言实现,对输入的密码字符进行处理,将第i个字母变为第(26-i-1)个字母,实现了字符的翻转。代码中包含了两个关键的转换公式,分别应用于小写字母和大写字母。程序首先读取密码,然后输出解密后的原文。

题目描述

有一行电文,已按下面规律译成密码:
在这里插入图片描述
即第1个字母变成第26个字母,第 i 个字母变成第( 26 - i - 1 )个字母,非字母字符不变。

要求分析

这道题目主要操作就是对字符的更改。通过ASCII查找发现,字符 ‘a’ 和字符 ‘z’ 对应的ASCII值为97和122,实现字符的变更其实就是对字符对应的ASCII值进行更改。及字符 ‘a’ 如想变更为字符 ‘z’ 则字符 ‘a’ +=25,此时的字符 ‘a’ 就变成字符 ‘z’。 根据所给的公式得到以下两公式:
在这里插入图片描述

详情代码


#include <stdio.h>
#include <string.h>
int main()
{
	printf("请输入密码字符:");
    //定义一个字符数组a,用来储存密码字符
    char a[70];
    //将输入的密码字符给字符数组a
    gets(a);
    //循环遍历输出密码字符数组a
    printf("密码字符为:");
    for (int i = 0; a[i]!='\0'; i++)
    {
        
        printf("%c", a[i]);
    }
    //换行操作
    printf("\n");
    //循环遍历密码数组
    for (int i = 0; a[i]!='\0'; i++)
    {   
        //当a[i]在字符a和字符z之间
        if (a[i]<='z'&&a[i]>='a')
        {   //将该值付给对应字母如(a对应字母为z)
            a[i] = 122 - a[i] + 97;
        }
        //当a[i]在字符A和字符Z之间
        if (a[i]<='Z'&&a[i]>='A')
        {   //将该值付给对应字母如(A对应字母为Z)
            a[i] = 90 - a[i] + 65;
        }
    }
    //循环遍历输出原文字符数组a
    printf("原文字符为:");
    for (int i = 0; a[i]!='\0'; i++)
    {
        printf("%c", a[i]);
    }
    return 0;
}

运行结果

在这里插入图片描述

K-means算法是一种无监督的聚类算法,它将数据集划分为K个同的组或簇,其中每个数据点属于最接近的簇。以下是一个简单的K-means算法的Python代码和解释: ```python from sklearn.cluster import KMeans import numpy as np # 生成数据集 X = np.array([[1,2],[1.5,1.8],[5,8],[8,8],[1,0.6],[9,11]]) # 创建KMeans对象,定簇的数量为2 kmeans = KMeans(n_clusters=2) # 训练模型并预测结果 kmeans.fit(X) labels = kmeans.predict(X) # 打印每个数据点所属的簇 print(labels) ``` 在此代码中,我们首先导入了KMeans类和NumPy库。然后,我们创建了一个包含6个数据点的数据集X。接下来,我们创建一个KMeans对象,并将其簇的数量设置为2。我们使用fit()方法来训练模型,并使用predict()方法来预测每个数据点所属的簇。最后,我们打印了每个数据点所属的簇。 K-means算法将数据集分成两个簇,每个簇包含三个数据点。我们可以根据数据点的坐标和标签来可视化这些簇。 以下是可视化的代码: ```python import matplotlib.pyplot as plt # 将标签为0的数据点绘制为红色 plt.scatter(X[labels==0, 0], X[labels==0, 1], s=100, c='red') # 将标签为1的数据点绘制为蓝色 plt.scatter(X[labels==1, 0], X[labels==1, 1], s=100, c='blue') # 绘制簇的中心点 plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=300, c='yellow') # 显示图形 plt.show() ``` 在此代码中,我们导入了Matplotlib库,并使用scatter()函数将每个数据点绘制为红色或蓝色。我们还使用scatter()函数将两个簇的中心点绘制为黄色。最后,我们调用show()方法来显示图形。 这个K-means算法的例子可以帮助您了解如何使用Python实现K-means算法,并可视化簇。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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