python｜闲谈2048小游戏和数组的旋转及翻转和转置

目录

2048

生成数组

n阶方阵

方阵旋转

顺时针旋转

逆时针旋转

mxn矩阵

矩阵旋转

测试代码

测试结果

翻转和转置

2048

《2048》是一款比较流行​的数字游戏​，最早于2014年3月20日发行。原版2048由Gabriele Cirulli首先在GitHub上发布，后被移植到各个平台，并且衍生出不计其数的版本。但在网上看到，居说它也不算是原创，是基于《1024》和《小3传奇》的玩法开发而成的；还有一说，它来源于另一款游戏《Threes!》，由Asher Vollmer和Greg Wohlwend合作开发，于2014年2月6日在App Store上架。

2048游戏规则很简单，游戏开始时在4x4的方格中随机出现数字2，每次可以选择上下左右其中一个方向去滑动，每滑动一次，所有的数字方块都会往滑动的方向靠拢外，相邻的相同数字在靠拢时会相加，系统也会在空白的格子里随机增加一个数字2或4。玩家要想办法在这16格范围中，不断上下左右滑动相加数字，从而凑出“2048”这个数字方块。

实际上，这个游戏就是在操作一个4x4的二维数组，数组的元素只要1-11就行了，因为2的11次方就是2048。同样，相邻相同数字的累加就变成了相邻相同指数的递增1。

在编写这个2048游戏前，先来谈谈4x4数组的操作，对python来说虽然也有数组，但通常会用列表来操作。以下就在IDLE shell上流水账操作：

生成数组

16个数字的列表推导式：

>>> [i for i in range(16)]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]

用*解包更pythonic：

>>> [*range(16)]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]

分割成4x4二维列表：

>>> [[*range(16)][i*4:i*4+4] for i in range(4)]
[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15]]

只是数列如此写法可能更好：

>>> [[*range(i*4,i*4+4)] for i in range(4)]
[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15]]

全0列表：

>>> [[0]*4 for _ in range(4)]
[[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]

n阶方阵

从4阶方阵扩展到n阶：

>>> matrix = lambda n:[[*range(i*n,i*n+n)] for i in range(n)]
>>> matrix(4)
[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15]]
>>> matrix(5)
[[0, 1, 2, 3, 4], [5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19], [20, 21, 22, 23, 24]]
>>> matrix(6)
[[0, 1, 2, 3, 4, 5], [6, 7, 8, 9, 10, 11], [12, 13, 14, 15, 16, 17], [18, 19, 20, 21, 22, 23], [24, 25, 26, 27, 28, 29], [30, 31, 32, 33, 34, 35]]

随机生成数字1或2，比例为3:1：

>>> from random import sample as rnd
>>> rnd([1,1,1,2],1)
[1]
>>> rnd([1,1,1,2],1)
[2]
>>> rnd([1,1,1,2],1)
[2]
>>> rnd([1,1,1,2],1)

随机产生1或者2个“1”，比例为2:1：

>>> from random import sample as rnd
>>> x = 4
>>> rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
>>> rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0]
>>> rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0]
x = 5
rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0]
rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1]
rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]

方阵旋转

numpy有现成的函数rot90()，表示顺时针旋转数组90度。

>>> import numpy as np
>>> np.array(range(16))
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])
>>> np.array([[*range(i*4,i*4+4)] for i in range(4)])
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
>>> array = np.array([[*range(i*4,i*4+4)] for i in range(4)])

逆时针旋转，参数k为正数：

>>> np.rot90(array)
array([[ 3,  7, 11, 15],
       [ 2,  6, 10, 14],
       [ 1,  5,  9, 13],
       [ 0,  4,  8, 12]])
>>> np.rot90(array, k=2)
array([[15, 14, 13, 12],
       [11, 10,  9,  8],
       [ 7,  6,  5,  4],
       [ 3,  2,  1,  0]])
>>> np.rot90(array, k=3)
array([[12,  8,  4,  0],
       [13,  9,  5,  1],
       [14, 10,  6,  2],
       [15, 11,  7,  3]])

顺时针旋转，参数k为负数：

>>> np.rot90(array, k=-1)
array([[12,  8,  4,  0],
       [13,  9,  5,  1],
       [14, 10,  6,  2],
       [15, 11,  7,  3]])
>>> np.rot90(array, k=-2)
array([[15, 14, 13, 12],
       [11, 10,  9,  8],
       [ 7,  6,  5,  4],
       [ 3,  2,  1,  0]])
>>> np.rot90(array, k=-3)
array([[ 3,  7, 11, 15],
       [ 2,  6, 10, 14],
       [ 1,  5,  9, 13],
       [ 0,  4,  8, 12]])

不使用numpy，只用列表推导式也能实现旋转：

顺时针旋转

>>> matrix = lambda n:[[*range(i*n,i*n+n)] for i in range(n)]
>>> mat4 = matrix(4)
>>> mat4
[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15]]
>>> [[mat[len(mat[0])-j-1][i] for j in range(len(mat[0]))] for i in range(len(mat))]
[[12, 8, 4, 0], [13, 9, 5, 1], [14, 10, 6, 2], [15, 11, 7, 3]]

写一个模拟np.array的__repr__方法来检测旋转效果：

class List():# 仅支持二维数组的展示def __init__(self, lst):self.x = lstdef __repr__(self):n = len(str(max(sum(self.x,[]))))res = []for mat in self.x:res.append(', '.join(f'{x:>{n}}' for x in mat))return '],\n\t['.join(res).join(['Array([ [','] ])'])

检测结果如下：

>>> matrix = lambda n:[[*range(i*n,i*n+n)] for i in range(n)]
>>> rotate = lambda m: [[m[len(m)-j-1][i] for j in range(len(m))] for i in range(len(m[0]))]
>>> mat4 =matrix(4)
>>> List(mat4)
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
>>> List(rotate(mat4))
Array([ [12,  8,  4,  0],
    [13,  9,  5,  1],
    [14, 10,  6,  2],
    [15, 11,  7,  3] ])
>>> List(rotate(rotate(mat4)))
Array([ [15, 14, 13, 12],
    [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
>>> List(rotate(rotate(rotate(mat4))))
Array([ [ 3,  7, 11, 15],
    [ 2,  6, 10, 14],
    [ 1,  5,  9, 13],
    [ 0,  4,  8, 12] ])
>>> List(rotate(rotate(rotate(rotate(mat4)))))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])

结果符合预期，旋转4次恢复原样；同样更高阶方阵也符合：

>>> List(matrix(5))
Array([ [ 0,  1,  2,  3,  4],
    [ 5,  6,  7,  8,  9],
    [10, 11, 12, 13, 14],
    [15, 16, 17, 18, 19],
    [20, 21, 22, 23, 24] ])
>>> List(rotate(matrix(5)))
Array([ [20, 15, 10,  5,  0],
    [21, 16, 11,  6,  1],
    [22, 17, 12,  7,  2],
    [23, 18, 13,  8,  3],
    [24, 19, 14,  9,  4] ])

逆时针旋转

>>> matrix = lambda n:[[*range(i*n,i*n+n)] for i in range(n)]
>>> rotate2 = lambda m:[[m[j][len(m[0])-i-1] for j in range(len(m))] for i in range(len(m[0]))]
>>> List(rotate2(matrix(4)))
Array([ [ 3,  7, 11, 15],
    [ 2,  6, 10, 14],
    [ 1,  5,  9, 13],
    [ 0,  4,  8, 12] ])
>>> List(rotate2(rotate2(matrix(4))))
Array([ [15, 14, 13, 12],
    [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
>>> List(rotate2(rotate2(rotate2(matrix(4)))))
Array([ [12,  8,  4,  0],
    [13,  9,  5,  1],
    [14, 10,  6,  2],
    [15, 11,  7,  3] ])
>>> List(rotate2(rotate2(rotate2(rotate2(matrix(4))))))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
>>> List(rotate2(matrix(5)))
Array([ [ 4,  9, 14, 19, 24],
    [ 3,  8, 13, 18, 23],
    [ 2,  7, 12, 17, 22],
    [ 1,  6, 11, 16, 21],
    [ 0,  5, 10, 15, 20] ])
>>> List(rotate2(rotate2(matrix(5))))
Array([ [24, 23, 22, 21, 20],
    [19, 18, 17, 16, 15],
    [14, 13, 12, 11, 10],
    [ 9,  8,  7,  6,  5],
    [ 4,  3,  2,  1,  0] ])

mxn矩阵

把方阵拓展到矩阵：

>>> matrix = lambda m, n: [[i * n + j for j in range(n)] for i in range(m)]
>>> List(matrix(3,4))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11] ])
>>> List(matrix(5,4))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15],
    [16, 17, 18, 19] ])
>>> List(matrix(5,5))
Array([ [ 0,  1,  2,  3,  4],
    [ 5,  6,  7,  8,  9],
    [10, 11, 12, 13, 14],
    [15, 16, 17, 18, 19],
    [20, 21, 22, 23, 24] ])

矩阵旋转

rotate顺时针旋转，rotate2逆时针旋转

>>> matrix = lambda m, n: [[i * n + j for j in range(n)] for i in range(m)]
>>> rotate = lambda m: [[m[len(m)-j-1][i] for j in range(len(m))] for i in range(len(m[0]))]
>>> rotate2 = lambda m:[[m[j][len(m[0])-i-1] for j in range(len(m))] for i in range(len(m[0]))]
>>> List(matrix(3,4))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11] ])
>>> List(rotate(matrix(3,4)))
Array([ [ 8,  4,  0],
    [ 9,  5,  1],
    [10,  6,  2],
    [11,  7,  3] ])
>>> List(rotate2(rotate2(rotate2(matrix(3,4)))))
Array([ [ 8,  4,  0],
    [ 9,  5,  1],
    [10,  6,  2],
    [11,  7,  3] ])
>>> List(rotate(rotate(matrix(3,4))))
Array([ [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
>>> List(rotate2(rotate2(matrix(3,4))))
Array([ [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
>>> List(rotate(rotate(rotate(matrix(3,4)))))
Array([ [ 3,  7, 11],
    [ 2,  6, 10],
    [ 1,  5,  9],
    [ 0,  4,  8] ])
>>> List(rotate2(matrix(3,4)))
Array([ [ 3,  7, 11],
    [ 2,  6, 10],
    [ 1,  5,  9],
    [ 0,  4,  8] ])
>>> List(rotate(rotate(rotate(rotate(matrix(3,4))))))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11] ])
List(rotate2(rotate2(rotate2(rotate2(matrix(3,4))))))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11] ])

旋转函数还能写成如下形式，只是坐标与range参数的互调形式：

>>> rotate = lambda m: [[m[j][i] for j in range(len(m)-1,-1,-1)] for i in range(len(m[0]))]
>>> rotate2 = lambda m: [[m[j][i] for j in range(len(m))] for i in range(len(m[0])-1,-1,-1)]

lambda匿名函数虽然很简洁，但没有普通函数易懂，我们把lambda函数改成模拟np.rot90()的普通函数rotate(matrix, k=1)，其中参数k为90度的倍数，正数顺时针旋转，负数则逆时针旋转：

def rotate(matrix, k=1):rows = len(matrix)cols = len(matrix[0])res = [[0]*rows for _ in range(cols)]k %= 4if k==1:for i in range(rows):for j in range(cols):res[j][rows-i-1] = matrix[i][j]elif k==2:res = [[0]*cols for _ in range(rows)]for i in range(rows):for j in range(cols):res[rows-i-1][cols-j-1] = matrix[i][j]elif k==3:for i in range(rows):for j in range(cols):res[cols-j-1][i] = matrix[i][j]else:return matrixreturn res

测试代码

def rotate(matrix, k=1):rows = len(matrix)cols = len(matrix[0])res = [[0]*rows for _ in range(cols)]k %= 4if k==1:for i in range(rows):for j in range(cols):res[j][rows-i-1] = matrix[i][j]elif k==2:res = [[0]*cols for _ in range(rows)]for i in range(rows):for j in range(cols):res[rows-i-1][cols-j-1] = matrix[i][j]elif k==3:for i in range(rows):for j in range(cols):res[cols-j-1][i] = matrix[i][j]else:return matrixreturn resdef show(matrix):n = len(str(max(sum(matrix,[]))))res = []for mat in matrix:res.append(', '.join(f'{x:>{n}}' for x in mat))print('],\n\t['.join(res).join(['Array([ [','] ])']))matrix = lambda m, n: [[i * n + j for j in range(n)] for i in range(m)]for i in range(-4,5):show(rotate(matrix(4,4), i))for i in range(-4,5):show(rotate(matrix(5,3), i))

测试结果

Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
Array([ [12,  8,  4,  0],
    [13,  9,  5,  1],
    [14, 10,  6,  2],
    [15, 11,  7,  3] ])
Array([ [15, 14, 13, 12],
    [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
Array([ [ 3,  7, 11, 15],
    [ 2,  6, 10, 14],
    [ 1,  5,  9, 13],
    [ 0,  4,  8, 12] ])
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
Array([ [12,  8,  4,  0],
    [13,  9,  5,  1],
    [14, 10,  6,  2],
    [15, 11,  7,  3] ])
Array([ [15, 14, 13, 12],
    [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
Array([ [ 3,  7, 11, 15],
    [ 2,  6, 10, 14],
    [ 1,  5,  9, 13],
    [ 0,  4,  8, 12] ])
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
Array([ [ 0,  1,  2],
    [ 3,  4,  5],
    [ 6,  7,  8],
    [ 9, 10, 11],
    [12, 13, 14] ])
Array([ [12,  9,  6,  3,  0],
    [13, 10,  7,  4,  1],
    [14, 11,  8,  5,  2] ])
Array([ [14, 13, 12],
    [11, 10,  9],
    [ 8,  7,  6],
    [ 5,  4,  3],
    [ 2,  1,  0] ])
Array([ [ 2,  5,  8, 11, 14],
    [ 1,  4,  7, 10, 13],
    [ 0,  3,  6,  9, 12] ])
Array([ [ 0,  1,  2],
    [ 3,  4,  5],
    [ 6,  7,  8],
    [ 9, 10, 11],
    [12, 13, 14] ])
Array([ [12,  9,  6,  3,  0],
    [13, 10,  7,  4,  1],
    [14, 11,  8,  5,  2] ])
Array([ [14, 13, 12],
    [11, 10,  9],
    [ 8,  7,  6],
    [ 5,  4,  3],
    [ 2,  1,  0] ])
Array([ [ 2,  5,  8, 11, 14],
    [ 1,  4,  7, 10, 13],
    [ 0,  3,  6,  9, 12] ])
Array([ [ 0,  1,  2],
    [ 3,  4,  5],
    [ 6,  7,  8],
    [ 9, 10, 11],
    [12, 13, 14] ])

翻转和转置

翻转可以是水平方向和重置方向的：

>>> matrix = lambda m, n: [[i * n + j for j in range(n)] for i in range(m)]
>>> flipH = lambda m: [[m[i][len(m[0])-j-1] for j in range(len(m[0]))] for i in range(len(m))]
>>> flipV = lambda m: [[m[len(m)-j-1][i] for i in range(len(m[0]))] for j in range(len(m))]
>>> List(flipH(matrix(4,4)))
Array([ [ 3,  2,  1,  0],
    [ 7,  6,  5,  4],
    [11, 10,  9,  8],
    [15, 14, 13, 12] ])
>>> List(flipV(matrix(4,4)))
Array([ [12, 13, 14, 15],
    [ 8,  9, 10, 11],
    [ 4,  5,  6,  7],
    [ 0,  1,  2,  3] ])
>>> List(flipH(matrix(3,5)))
Array([ [ 4,  3,  2,  1,  0],
    [ 9,  8,  7,  6,  5],
    [14, 13, 12, 11, 10] ])
>>> List(flipV(matrix(3,5)))
Array([ [10, 11, 12, 13, 14],
    [ 5,  6,  7,  8,  9],
    [ 0,  1,  2,  3,  4] ])
>>> List(flipH(matrix(5,4)))
Array([ [ 3,  2,  1,  0],
    [ 7,  6,  5,  4],
    [11, 10,  9,  8],
    [15, 14, 13, 12],
    [19, 18, 17, 16] ])
>>> List(flipV(matrix(5,4)))
Array([ [16, 17, 18, 19],
    [12, 13, 14, 15],
    [ 8,  9, 10, 11],
    [ 4,  5,  6,  7],
    [ 0,  1,  2,  3] ])

转置可以看作是翻转和旋转的组合，对方阵来说就是以对角线为轴的翻转：

>>> transpose = lambda m: [[m[j][i] for j in range(len(m))] for i in range(len(m[0]))]
>>> List(transpose(matrix(4,4)))
Array([ [ 0,  4,  8, 12],
    [ 1,  5,  9, 13],
    [ 2,  6, 10, 14],
    [ 3,  7, 11, 15] ])
>>> List(transpose(transpose(matrix(4,4))))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
>>> List(rotate(matrix(4,4)))
Array([ [12,  8,  4,  0],
    [13,  9,  5,  1],
    [14, 10,  6,  2],
    [15, 11,  7,  3] ])
>>> List(flipH(rotate(matrix(4,4))))
Array([ [ 0,  4,  8, 12],
    [ 1,  5,  9, 13],
    [ 2,  6, 10, 14],
    [ 3,  7, 11, 15] ])
>>> List(rotate2(matrix(4,4)))
Array([ [ 3,  7, 11, 15],
    [ 2,  6, 10, 14],
    [ 1,  5,  9, 13],
    [ 0,  4,  8, 12] ])
>>> List(flipV(rotate2(matrix(4,4))))
Array([ [ 0,  4,  8, 12],
    [ 1,  5,  9, 13],
    [ 2,  6, 10, 14],
    [ 3,  7, 11, 15] ])

在numpy中，转置由.T属性完成

>>> import numpy as np
>>> arr = np.array(matrix(3,4))
>>> arr
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> arr.T
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])
>>> arr = np.array(matrix(4,4))
>>> arr.T
array([[ 0,  4,  8, 12],
       [ 1,  5,  9, 13],
       [ 2,  6, 10, 14],
       [ 3,  7, 11, 15]])
>>> arr.T.T
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
>>> arr = np.array(matrix(5,4))
>>> arr.T
array([[ 0,  4,  8, 12, 16],
       [ 1,  5,  9, 13, 17],
       [ 2,  6, 10, 14, 18],
       [ 3,  7, 11, 15, 19]])

完

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/707245.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【Day59】代码随想录之动态规划_583两个字符串的删除操作_72编辑距离

【Day59】代码随想录之动态规划_583两个字符串的删除操作_72编辑距离

文章目录 动态规划理论基础动规五部曲：出现结果不正确： 1. 583两个字符串的删除操作2. 72编辑距离 动态规划理论基础 动规五部曲： 确定dp数组 下标及dp[i] 的含义。递推公式：比如斐波那契数列 dp[i] dp[i-1] dp[i-2]。初始化d…
阅读更多...
选择排序的简单介绍

选择排序的简单介绍

选择排序是一种简单直观的排序算法，其原理如下： 1. 遍历数组，找到最小（或最大）的元素，并将其与数组的第一个元素交换位置。 2. 接着在剩下的元素中找到最小（或最大）的元素&#xff…
阅读更多...
Uniapp在IOS系统打包测试流程

Uniapp在IOS系统打包测试流程

大家好我是咕噜美乐蒂，很高兴又和大家见面了！UniApp 是一种基于 Vue.js 的跨平台应用开发框架，可以用于快速构建同时支持多个平台（包括iOS、Android、Web 等）的应用程序。在 iOS 系统上打包和测试 UniApp 应用的流程可…
阅读更多...
园区水费收费管理系统

园区水费收费管理系统

园区水费收费管理系统是专为园区或小区的水费管理而设计的系统，旨在提高水费收费效率、精准监测水费使用情况，简化管理流程，为园区管理方和居民提供便捷、高效的水费管理解决方案。该系统结合了数字化技术和智能化管理手段，通过线…
阅读更多...
『NLP学习笔记』图解 GPT-2(可视化 Transformer 语言模型)

『NLP学习笔记』图解 GPT-2(可视化 Transformer 语言模型)

图解 GPT-2(可视化 Transformer 语言模型) 文章目录 一. GPT-2和语言模型1.1. 什么是语言模型1.2 Transformer的语言模型1.3 和BERT的不同1.4 Transformer 组件的演变1.4.1 encoder组件1.4.2 decoder组件1.4.3 只有decoder组件的decoder模块1.5 GPT-2内部结构1.6 GPT-2内部结构…
阅读更多...
P1090 [NOIP2004 提高组] 合并果子 / [USACO06NOV] Fence Repair G python解法

P1090 [NOIP2004 提高组] 合并果子 / [USACO06NOV] Fence Repair G python解法

P1090 [NOIP2004 提高组] 合并果子 / [USACO06NOV] Fence Repair G - 洛谷 | 计算机科学教育新生态 (luogu.com.cn) nint(input()) arrlist(map(int,input().split())) arr.sort() sumarr[0] total_sum0 #一开始以为单纯排列就行了，然后将之前累计的时间求和 for i…
阅读更多...
非同质化权益（NFR）：重塑当代商业市场的新范式

非同质化权益（NFR）：重塑当代商业市场的新范式

每天五分钟讲解一个互联网知识，大家好我是啊浩说互联网 随着区块链技术的日益成熟和数字资产的普及，非同质化权益（Non-Fungible Rights，简称NFR）开始崭露头角，并在当代商业市场中引发了一场深刻的变革。NFR…
阅读更多...
pg_rman部署及使用

pg_rman部署及使用

PG_RMAN部署及使用 PGSQL推出开源备份工具pg_rman，类似于oracle的rman备份策略，实现了全量、增量和归档等多重备份方式，可以很灵活的管理PGSQL数据库的备份，支持在线和基于PITR的备份恢复方式。 1、使用postgres用户部署 [post…
阅读更多...
动态规划-状态转移（O(n)）

动态规划-状态转移（O(n)）

获取生成数组中的最大值 1.题目 2.思路 其实只要看透该题的本质 并不难，应用动态规划，题目就已经给出了状态方程的式子。 首先规定好maxn的大小，防止溢出。定义nums数组。定义一个函数，写入状态方程式子。最后定义一个变量与数…
阅读更多...
【数据结构】数组

【数据结构】数组

第一章、为什么数组的下标一般从0开始编号 提到数组，读者肯定不陌生，甚至还会很自信地说，数组很简单。编程语言中一般会有数组这种数据类型。不过，它不仅是编程语言中的一种数据类型，还是基础的数据结构。尽管数组看起…
阅读更多...
Openstack云计算架构及前期服务搭建

Openstack云计算架构及前期服务搭建

openstack介绍 Openstack是一个开源的云计算管理平台项目，由几个主要的组件组合起来完成具体工作，支持几乎所有的云环境，项目目标是提供实施简单、可大规模扩展、丰富、标准统一的云计算管理平台 ----百度百科 Openstack是一个云操作系统&a…
阅读更多...
STM32开发(屏幕驱动ST7735S-SPI方式)用RT-Thread驱动测试

STM32开发(屏幕驱动ST7735S-SPI方式)用RT-Thread驱动测试

前言 使用ST7735S屏幕驱动，方便学习LVGL通过结构体的方式来管理相关函数和变量通讯协议和硬件驱动层进行解耦 驱动 配置（用于对接硬件） st7735s_conf.h // // Created by shchl on 2024/2/28. //#ifndef STM32F407V4T6_RTOS_ST7735S_CON…
阅读更多...
css常用的选择器介绍

css常用的选择器介绍

CSS（层叠样式表）选择器是CSS规则的一部分，它用于选择和定位网页上的元素，以便将样式应用到这些元素上。CSS选择器的种类繁多，每种选择器都有其特定的用途、特点和效率。在这篇文章中，我们将讨论一些常用的C…
阅读更多...
Spring Boot项目如何快速从零开始打造一个属于自己的RPC框架

Spring Boot项目如何快速从零开始打造一个属于自己的RPC框架

一、前言 在平时Spring Boot项目开发过程中，我们进行远程服务调用大都采用@RestController + @RequestMapping相关注解发布接口，使用OpenFeign组件进行微服务之间调用。这套技术架构已经足够完善了，当然没有什么问题，但是作为一个开发者，老是用一套框架天天写代码，不免有…
阅读更多...
环境分析检测小剂量移液用耐受硝酸盐酸PFA材质吸管特氟龙移液枪枪头

环境分析检测小剂量移液用耐受硝酸盐酸PFA材质吸管特氟龙移液枪枪头

PFA枪头，为移液枪专业定制，广泛用于ICP-MS、ICP-OES等痕量分析以及同位素分析等实验室。地质、电子化学品、半导体分析测试、疾控中心、制药厂、环境检测中心等一些机构少量移液用。 规格参考:0.1-0.2ml、1ml、2ml、5ml、10ml等。 目前部分规格可适配普…
阅读更多...
什么是智能运维产品线和服务线

什么是智能运维产品线和服务线

智能运维产品线和服务线涵盖了一系列自动化和智能化的技术和服务，旨在提升IT运维的效率和有效性。智能运维（AIOps）利用大数据、分析技术和机器学习能力来自动执行和简化运营工作流程，包括收集和汇总多源IT基础架构组件的数据、应用…
阅读更多...
ARTS Week 18

ARTS Week 18

Algorithm 本周的算法题为 485. 最大连续 1 的个数 给定一个二进制数组 nums ， 计算其中最大连续 1 的个数。 示例 1：输入：nums [1,1,0,1,1,1]输出：3解释：开头的两位和最后的三位都是连续 1 ，所以最大连续…
阅读更多...
el-checkbox实现全选，反选，单选

el-checkbox实现全选，反选，单选

<template><div class"box"><el-checkbox v-model"checkAll" :indeterminate"isIndeterminate" change"onAllSelectChange"> 全选</el-checkbox><div class"item" v-for"(item,index) in l…
阅读更多...
R语言——条形图数据可视化的多种方式

R语言——条形图数据可视化的多种方式

本文章将会介绍如何使用R语言中的ggplot2包使用条形图进行数据可视化。将会使用一个“生产企业原材料的订购与运输”的订单数据&#xff0c;该数据来自2021数学建模国赛C题。 某建筑和装饰板材的生产企业所用原材料主要是木质纤维和其他植物素纤维材料总体可分为 A B C 三种类…
阅读更多...
【C++那些事儿】深入理解C++类与对象：从概念到实践（上）| 揭开this指针的神秘面纱

【C++那些事儿】深入理解C++类与对象：从概念到实践（上）| 揭开this指针的神秘面纱

&#x1f4f7; 江池俊&#xff1a; 个人主页 &#x1f525;个人专栏&#xff1a; ✅数据结构冒险记 ✅C那些事儿 &#x1f305; 有航道的人&#xff0c;再渺小也不会迷途。 文章目录 1. 面向过程和面向对象初步认识2.类的引入3.类的定义4.类的访问限定符及封装4.1 访问限定符…
阅读更多...
最新文章

Copyright @ 2022~2023