大整数类的应用 bjfu1005

本文详细阐述了如何使用字符串进行阶乘运算,并从0位置开始处理进位情况,最终输出阶乘结果。

写了一上午,,,哦哦哦!

http://acm.bjfu.edu.cn/acmhome/problemdetail.do?&method=showdetail&id=1005


通过字符串进行N的阶乘的运算,从0位置开始,若有进位,将答案长度加上1。并且对后面的按照进位进行赋值。

# include <stdio.h>
# include <memory.h>
# include <string>
char a[100000];
void jiecheng( int n)
{
     memset (a, '0' , sizeof (a));
     if (n==0)
         printf ( "1\n" );
     else
     {
         int i;
         int temp=0,cin=0,t=0,count=1;
         int m=0;
         a[0]= '1' ;
         for (i=1;i<n+1;i++)
         {
             for (m=0;m<count;m++)
             {
                 temp=(a[m]- '0' )*i+cin;
                 a[m]=temp%10+ '0' ;
                 cin=temp/10;
             }
             while (cin)
             {
                 temp=cin%10;
                 a[m]=temp+ '0' ;
                 cin=cin/10;
                 m++;
                 count++;
             }
         }
     //  printf("count is %d\n",count);
     //  printf("cin is %d\n",cin);
         for (i=m-1;i>=0;i--)
             printf ( "%c" ,a[i]);
         printf ( "\n" );
     }
}
int main ()
{
      int n;
      while ( scanf ( "%d" ,&n)!=EOF)
      {
          jiecheng(n);
      }
      return 0;
}

### 关于北京林业大学实时大数据处理技术的研究与应用 #### 研究背景与发展现状 随着信息技术的发展,实时大数据处理成为各领域关注的重点。对于北京林业大学而言,在森林资源监测、生态环境保护等方面的应用尤为突出。通过构建高效的实时数据采集平台和分析模型,能够有效提升对自然生态系统的理解和管理水平。 #### 主要应用场景和技术手段 1. **森林生态系统动态监测** 利用物联网(IoT)设备如传感器网络获取林区内温度湿度光照强度等多种环境参数,并借助流计算框架Apache Storm或Spark Streaming实现快速的数据清洗转换加载(ETL),进而支持科研人员开展长期定位观测研究工作[^3]。 2. **灾害预警预报系统建设** 结合卫星遥感影像解译技术和地理信息系统(GIS),可以实现实时跟踪火灾洪水等自然灾害的发生发展态势;同时采用机器学习算法训练预测模型,提高应急响应速度和服务质量[^4]。 3. **智慧园林管理决策支持** 基于Hadoop分布式文件系统(HDFS)存储海量历史记录资料并运用图数据库Neo4j挖掘植物生长规律之间的关联关系,为城市绿化规划提供科学依据;此外还开发了移动端应用程序方便市民参与共建共享美丽家园活动[^5]。 ```python from pyspark import SparkContext, SQLContext sc = SparkContext(appName="RealTimeDataProcessing") sqlCtx = SQLContext(sc) # 加载来自IoT设备的原始日志文件作为RDD对象 raw_logs_rdd = sc.textFile("/path/to/raw/logs") def parse_log(line): fields = line.split(',') return (fields[0], float(fields[1]), int(fields[2])) # 时间戳, 温度值, 设备ID parsed_data = raw_logs_rdd.map(parse_log).cache() # 将解析后的数据注册成临时表供SQL查询操作 df = parsed_data.toDF(['timestamp', 'temperature', 'device_id']) df.registerTempTable('sensor_readings') average_temps_by_hour = sqlCtx.sql(""" SELECT hour(timestamp), AVG(temperature) FROM sensor_readings GROUP BY hour(timestamp) ORDER BY hour(timestamp) """) ```
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