任意输入20个互不相等的整数,c语言编写代码实现.求20个数的平均数并输出

时间: 2024-10-13 07:07:02 浏览: 46

在 C 语言中,你可以使用数组来存储这 20 个互不相等的整数,然后通过遍历数组计算它们的总和,最后除以数组长度得到平均数。下面是一个简单的示例代码:

#include <stdio.h>

#define NUM_ITEMS 20

int main() {
    int numbers[NUM_ITEMS];
    float total = 0;

    // 输入 20 个互不相等的整数
    printf("请输入 %d 个互不相等的整数:\n", NUM_ITEMS);
    for (int i = 0; i < NUM_ITEMS; i++) {
        scanf("%d", &amp;numbers[i]);
        total += numbers[i];  // 累加所有数值
    }

    // 计算平均数
    float average = total / NUM_ITEMS;
    
    // 输出平均数
    printf("这 20 个数的平均值是 %.2f\n", average);

    return 0;
}
相关问题

用C语言编写任意输入20个互不相等的整数,编写代码实现以下功能:1.求20个数的平均数并输出;2.将20个数中的奇数全部输出,没有奇数提示“无奇数”;3.将20个数由大到小排序并输出。

在C语言中,可以使用以下代码来实现这个功能:

#include <stdio.h>
#include <stdlib.h>

// 定义函数用于计算平均值
double average(int arr[], int n) {
    double sum = 0;
    for (int i = 0; i < n; i++) {
        sum += arr[i];
    }
    return sum / n;
}

// 定义函数判断是否有奇数,并输出
void print_odd(int arr[], int n) {
    for (int i = 0; i < n; i++) {
        if (arr[i] % 2 != 0) {
            printf("%d ", arr[i]);
        }
    }
    if (n == 0) {
        printf("无奇数");
    }
}

// 定义冒泡排序函数,按降序排列数组
void bubble_sort_descending(int arr[], int n) {
    for (int i = 0; i < n - 1; i++) {
        for (int j = 0; j < n - 1 - i; j++) {
            if (arr[j] < arr[j + 1]) {
                // 交换元素
                int temp = arr[j];
                arr[j] = arr[j + 1];
                arr[j + 1] = temp;
            }
        }
    }
}

int main() {
    int num[20];
    int count = 0;

    // 输入20个互不相等的整数
    printf("请输入20个互不相等的整数:\n");
    for (int i = 0; i < 20; i++) {
        scanf("%d", &amp;num[i]);
        if (num[i] != -1 &amp;&amp; count < 20) { // 防止输入过多数字
            count++;
        }
    }

    // 求平均数并输出
    double avg = average(num, count);
    printf("这20个数的平均数是 %.2f\n", avg);

    // 输出奇数
    print_odd(num, count);

    // 排序并输出
    bubble_sort_descending(num, count);
    printf("\n这20个数按降序排列:\n");
    for (int i = 0; i < count; i++) {
        printf("%d ", num[i]);
    }

    return 0;
}

c语言任意输入20个互不相等的整数,编写代码实现以下功能:1.求20个数的平均数并输出;2.将20个数中的奇数全部输出,没有奇数提示“无奇数”;3.将20个数由大到小排序并输出。

在C语言中,你可以通过以下步骤来实现这个功能:

#include <stdio.h>

int main() {
    int arr[20], i = 0;
    
    // 输入20个互不相等的整数
    printf("请输入20个互不相等的整数:\n");
    for (i = 0; i < 20; i++) {
        scanf("%d", &amp;arr[i]);
        while (i > 0 &amp;&amp; arr[i] < arr[i - 1]) { // 防止重复输入
            printf("已输入过的数值,请重新输入第%d个数:", i);
            scanf("%d", &amp;arr[i]);
        }
    }

    // 计算平均数并输出
    float sum = 0;
    for (i = 0; i < 20; i++) {
        sum += arr[i];
    }
    float avg = sum / 20;
    printf("20个数的平均值为 %.2f\n", avg);

    // 检查奇数并输出
    int has_odd = 0;
    for (i = 0; i < 20; i++) {
        if (arr[i] % 2 != 0) {
            printf("%d ", arr[i]);
            has_odd = 1;
        }
    }
    if (!has_odd) {
        printf("\n无奇数\n");
    }

    // 将数组升序排列
    for (i = 0; i < 19; i++) {
        for (int j = 0; j < 19 - i; j++) {
            if (arr[j] < arr[j + 1]) {
                int temp = arr[j];
                arr[j] = arr[j + 1];
                arr[j + 1] = temp;
            }
        }
    }

    // 输出排序后的数组
    printf("\n排序后的20个数从大到小:");
    for (i = 0; i < 20; i++) {
        printf("%d ", arr[i]);
    }
    printf("\n");

    return 0;
}
向AI提问 loading 发送消息图标

相关推荐

静态链表示意图:2.2 顺序表与链表的比较存储密度比较:顺序表:只存储数据元素、预分配存储空间链表:指针的结构性开销、链表中的元素个数没有限制按位查找:顺序表:O(1),随机存取链表:O(n),顺序存取插入和删除:顺序表:O(n),平均移动表长一半的元素链表:不用移动元素,合适位置的指针——O(1)时间复杂度:顺序表:若线性表频繁查找却很少进行插入和删除操作链表:若线性表需频繁插入和删除时空间复杂度:顺序表:知道线性表的大致长度,空间效率会更高链表:若线性表中元素个数变化较大或者未知2.3 栈        定义:限定仅在一端(栈顶)进行插入和删除操作的线性表,后进先出。栈示意图:        时间复杂度(插入与删除):顺序栈与链栈均为O(1)        空间复杂度:链栈多一个指针域,结构性开销较大,使用过程中元素个数变化较大时,用链栈;反之顺序栈。        出栈元素不同排列的个数:   (卡特兰数)        共享栈: 两个栈共享一片内存空间, 两个栈从两边往中间增长。卡特兰数的应用:存储结构:顺序栈初始化:top=-1链栈初始化:top=NULL栈的应用:        1) 括号匹配        2) 递归        3) 中缀表达式 转 后缀表达式        4) 中缀表达式:设两个栈(数据栈和运算符栈),根据运算符栈的优先级进行运算。2.4 队列        定义: 只允许在一端插入, 在另一端删除。具有先进先出的特点。队列示意图:        时间复杂度:均为O(1)        空间复杂度:链队列多一个指针域,结构性开销较大;循环队列存在浪费空间和溢出问题。使用过程中元素个数变化较大时,用链队列;反之循环队列。        双端队列: 只允许从两端插入、两端删除的线性表。双端队列示意图: 存储结构:        链队列:队头指针指向队头元素的前一个位置,队尾指针指向队尾元素,先进先出。        循环队列:                1)队空:front=rear                2)队满:(rear+1)%QueueSize=front                3)队列元素个数:(队尾-队头+队长)%队长==(rear-front+QueueSize)%QueueSize队列的应用:        1) 树的层次遍历        2) 图的广度优先遍历2.4 数组与特殊矩阵一维数组的存储结构:二维数组的存储结构: 对称矩阵的压缩(行优先):下三角矩阵的压缩(行优先):  上三角(行优先):三对角矩阵的压缩(行优先):稀疏矩阵压缩:十字链表法压缩稀疏矩阵:2.5 串        串,即字符串(String)是由零个或多个字符组成的有限序列。串是一种特殊的线性表,数据元素之间呈线性关系。字符串模式匹配:        1)朴素模式匹配算法        2)KMP算法手算KMP的next数组示意图:next[2] :next[3]: next[4]: next[5]: C语言KMP的next数组代码示例:void Createnext(char *sub, int *next){ assert(sub != NULL && next != NULL); int j = 2; //模式串的next指针 int k = 0; //next数组的回溯值,初始化为next[1]=0 int lenSub = strlen(sub); assert(lenSub != 0); next[0] = -1; next[1] = 0; while (j < lenSub){ if (sub[j-1] == sub[k]){ next[j] = ++k; j++; } else{ k = next[k]; if (k == -1){ k = 0; next[j] = k; j++; } } }}nextValue:void nextValue(char *sub, int *next) { int lenSub = strlen(sub); for(int j=2;j<lensub; j++){ if(sub[j]==sub[next[j]]) next[j]=next[next[j]] }}备注:         1) 实现next有多种不同方式, 对应不同的next数组使用        2) 根据实现方式不同, next数组整体+1不影响KMP算法。第三章 树和二叉树3.1 树和森林        定义(树):n(n≥0)个结点(数据元素)的有限集合,当 n=0 时,称为空树。3.1.1 树的基本术语        结点的度:结点所拥有的子树的个数。        叶子结点:度为 0 的结点,也称为终端结点。        分支结点:度不为 0 的结点,也称为非终端结点。        孩子:树中某结点子树的根结点称为这个结点的孩子结点。        双亲:这个结点称为它孩子结点的双亲结点。        兄弟:具有同一个双亲的孩子结点互称为兄弟。        路径:结点序列 n1, n2, …, nk 称为一条由 n1 至 nk 的路径,当且仅当满足结点 ni 是 ni+1 的双亲(1<=i<k)的关系。        路径长度:路径上经过的边的个数。        祖先、子孙:如果有一条路径从结点 x 到结点 y,则 x 称为 y 的祖先,而 y 称为 x 的子孙。        结点所在层数:根结点的层数为 1;对其余结点,若某结点在第 k 层,则其孩子结点在第 k+1 层。        树的深度(高度):树中所有结点的最大层数。        树的宽度:树中每一层结点个数的最大值。        树的度:树中各结点度的最大值。        树的路径长度:  从根到每个结点的路径长度总和        备注: 在线性结构中,逻辑关系表现为前驱——后继,一对一; 在树结构中,逻辑关系表现为双亲——孩子,一对多。        森林: 森林是m(m≥0)棵互不相交的树的集合, m可为0, 即空森林。3.1.2 树的性质        结点数=总度数+1        度为m的树第 i 层至多有 个结点(i≥1)        高度为h的m叉树至多有 个结点        具有n个结点的m叉树的最小高度为 最小高度推理过程图:3.1.3 树与森林的遍历树的遍历:先根遍历(先根后子树)后根遍历(先子树后根)层序遍历森林的遍历:前序遍历(先根, 后子树)中序遍历(先子树后根, 其实就是后序遍历树)区别与联系:         1) 树的前序遍历等价于其树转化二叉树的前序遍历!        2) 树的后序遍历等价于其树转化二叉树的中序遍历!3.1.4 树的存储结构双亲表示法图:孩子表示法图:孩子兄弟表示法图(树/森林转化为二叉树):3.1.5 树转二叉树在树转为二叉树后, 有以下结论:        1) 树的叶子结点数量 = 二叉树左空指针数量(形象理解为树越宽, 兄弟越多, 越是向右长)        2) 树的非叶子结点数量 = 二叉树右空指针-1(非叶子必有儿子, 右指针由儿子提供, -1是根节点多了一个右空指针)3.2 二叉树3.2.1 二叉树的性质斜树:左斜树:所有结点都只有左子树的二叉树右斜树:所有结点都只有右子树的二叉树        满二叉树:所有分支结点都存在左子树和右子树,且所有叶子都在同一层上的二叉树        完全二叉树:在满二叉树中,从最后一个结点开始,连续去掉任意个结点得到的二叉树完全二叉树特点:叶子结点只能出现在最下两层且最下层的叶子结点都集中在二叉树的左面完全二叉树中如果有度为 1 的结点,只可能有一个,且该结点只有左孩子深度为 k 的完全二叉树在 k-1 层上一定是满二叉树在同样结点个数的二叉树中,完全二叉树的深度最小        性质:在二叉树中,如果叶子结点数为 n0,度为 2 的结点数为 n2,则有: n0=n2+1证明: 设 n 为二叉树的结点总数,n1 为二叉树中度为 1 的结点数,则有: n=n0+n1+n2        在二叉树中,除了根结点外,其余结点都有唯一的一个分枝进入,一个度为 1 的结点射出一个分枝,一个度为 2 的结点射出两个分枝,所以有:n=n1+2n2+1        性质:二叉树的第 i 层上最多有个结点(i≥1)        性质:一棵深度为 k 的二叉树中,最多有 个结点        性质:具有 n 个结点的完全二叉树的深度为 向下取整+1 (或向上取整)证明:设具有 n 个结点的完全二叉树的深度为 k,则:≤n  <对不等式取对数,有:k-1 ≤ <k即:<k ≤ +1由于 k 是整数,故必有k= +1         性质:对一棵具有 n 个结点的完全二叉树中从 1 开始按层序编号,对于任意的序号为 i(1≤i≤n)的结点(简称结点 i),有:如果 i>1,则结点 i 的双亲结点的序号为 i/2,否则结点 i 无双亲结点如果 2i≤n,则结点 i 的左孩子的序号为 2i,否则结点 i 无左孩子如果 2i+1≤n,则结点 i 的右孩子的序号为2i+1,否则结点 i 无右孩子        性质:若已知一棵二叉树的前序序列和中序序列,或者中序序列和后序序列,能唯一确定一颗二叉树。 3.2.2 二叉树的遍历        从根结点出发,按照某种次序访问树中所有结点,并且每个结点仅被访问一次。前序遍历(深度优先遍历)中序遍历后序遍历层序遍历(广度优先遍历)3.2.3 二叉树的存储链式存储图:顺序存储图:3.2.4 线索二叉树        利用二叉树中n+1个空指针, 将指针指向结点的前驱和后继。线索二叉树是加上线索的链表结构,  是一种物理结构存储结构:示例图:三种线索化的对比图: 各自特点:3.3 哈夫曼树和哈夫曼编码        带权路径长度(WPL):从根结点到各个叶子结点的路径长度与相应叶子结点权值的乘积之和        最优二叉树(哈夫曼树):给定一组具有确定权值的叶子结点,带权路径长度最小的二叉树特点:权值越大的叶子结点越靠近根结点只有度为 0 和度为 2 的结点,不存在度为 1 的结点构造过程中共新建了n-1个结点, 因此总结点数为2n-1        前缀编码:在一组编码中,任一编码都不是其它任何编码的前缀, 前缀编码保证了在解码时不会有多种可能。         度为m的哈夫曼树: 通过只有度为m和度为0解非叶子结点 3.4 并查集        存储结构: 双亲表示法        实现功能: 并查(并两个集合, 查根结点)        优化: 小树并到大树, "高树变矮树"(压缩路径)第四章 图        定义:顶点集V和边集E组成,记为G = (V, E)        注意:线性表可以是空表,树可以是空树,但图不可以是空,即V一定是非空集, 边集E可以为空        子图:若图G=(V, E),G'=(V', E'),如果V' 属于 V 且E' 属于E,则称图G'是G的子图4.1 图的基本概念图的分类:        无向边:表示为(vi,vj),顶点vi和vj之间的边没有方向        有向边(弧):表示为<vi,vj>,从vi 到vj 的边有方向, vi为弧尾, vj为弧头        稠密图:边数很多的图        稀疏图:边数很少的图        无向完全图:无向图中,任意两个顶点之间都存在边        有向完全图:有向图中,任意两个顶点之间都存在方向相反的两条弧度、入度和出度:        顶点的度:在无向图中,顶点 v 的度是指依附于该顶点的边数,通常记为TD (v)        顶点的入度:在有向图中,顶点 v 的入度是指以该顶点为弧头的弧的数目,记为ID (v);        顶点的出度:在有向图中,顶点 v 的出度是指以该顶点为弧尾的弧的数目,记为OD (v);        握手定理: 路径:         回路(环):第一个顶点和最后一个顶点相同的路径        简单路径:序列中顶点不重复出现的路径        简单回路(简单环):除第一个和最后一个顶点外,其余顶点不重复出现的回路。        路径长度:非带权图——路径上边的个数        路径长度:带权图——路径上边的权值之和         极大连通子图: 连通的情况下, 包含尽可能多的边和顶点, 也称连通分量        极小连通子图: 删除该子图中任何一条b边, 子图不再连通, 如生成树无向连通图:        连通顶点:在无向图中,如果顶点vi和顶点vj(i≠j)之间有路径,则称顶点vi和vj是连通的        连通图:在无向图中,如果任意两个顶点都是连通的,则称该无向图是连通图        连通分量:非连通图的极大连通子图、连通分量是对无向图的一种划分连通分量示意图:有向强连通图、强连通分量:        强连通顶点:在有向图中,如果从顶点vi到顶点vj和从顶点vj到顶点vi均有路径,则称顶点vi和vj是强连通的        强连通图:在有向图中,如果任意两个顶点都是强连通的,则称该有向图是强连通图        强连通分量:非强连通图的极大连通子图强连通分量示意图: 子图与生成子图:常考点无向图:        所有顶点的度之和=2|E|        若G是连通图,则最少有 n-1 条边(树),若 |E|>n-1,则一定有回路        若G是非连通图,则最多可能有 条边 (n-1个完全图+1个孤点)        无向完全图共有条边有向图:        所有顶点的出度之和=入度之和=|E|        所有顶点的度之和=2|E|        若G是强连通图,则最少有 n 条边(形成回路)        有向完全图共有条边图的遍历:从图中某一顶点出发访问图中所有顶,并且每个结点仅被访问一次。深度优先遍历序列(dfs)广度优先遍历序列(bfs)    备注:  调⽤BFS/DFS函数的次数 = 连通分量数4.2 图的存储结构 邻接矩阵:一维数组:存储图中顶点的信息二维数组(邻接矩阵):存储图中各顶点之间的邻接关系特点:一个图能唯一确定一个邻接矩阵,存储稀疏图时,浪费空间。空间复杂度为: O()。示意图:性质 (行*列) :邻接表:顶点表:所有边表的头指针和存储顶点信息的一维数组边表(邻接表):顶点 v 的所有邻接点链成的单链表示意图:特点:空间复杂度为:O(n+e), 适合存储稀疏图。两者区别:十字链表法图:备注:         1) 十字链表只用于存储有向图        2) 顺着绿色线路找: 找到指定顶点的所有出边        3) 顺着橙色线路找: 找到指定顶点的所有入边        4) 空间复杂度:O(|V|+|E|)邻接多重表图:备注:        1) 邻接多重表只适用于存储无向图        2) 空间复杂度:O(|V|+|E|)四者区别: 4.3 最小生成树        生成树:连通图的生成树是包含全部顶点的一个极小连通子图, 可用DFS和BFS生成。        生成树的代价:在无向连通网中,生成树上各边的权值之和        最小生成树:在无向连通网中,代价最小的生成树        性质: 各边权值互不相等时, 最小生成树是唯一的。边数为顶点数-1生成森林示意图:4.3.1 Prim算法        从某⼀个顶点开始构建⽣成树;每次将代价最⼩的新顶点纳⼊⽣成树,直到所有顶点都纳⼊为⽌。基于贪心算法的策略。        时间复杂度:O(|V|2) 适合⽤于边稠密图。4.3.2 Kruskal 算法(克鲁斯卡尔)        每次选择⼀条权值最⼩的边,使这条边的两头连通(原本已经连通的就不选), 直到所有结点都连通。基于贪心算法的策略。        时间复杂度:O( |E|log2|E| ) 适合⽤于边稀疏图。4.4 最短路径        非带权图: 边数最少的路径(广度优先遍历)        带权图: 边上的权值之和最少的路径4.4.1 Dijkstra算法        时间复杂度:O(n2)        备注: Dijkstra 算法不适⽤于有负权值的带权图4.4.2 Floyd算法核心代码:        时间复杂度:O(n3)        备注: 可以⽤于负权值带权图, 不能解决带有“负权回路”的图三者区别:4.5 有向⽆环图(DAG)描述表达式 (简化前) :描述表达式 (简化后) :4.6 拓扑排序        AOV⽹(Activity On Vertex NetWork,⽤顶点表示活动的⽹): ⽤DAG图(有向⽆环图)表示⼀个⼯程。顶点表示活动,有向边表示活动Vi必须先于活动Vj进⾏如图:拓扑排序的实现:        ① 从AOV⽹中选择⼀个没有前驱(⼊度为0)的顶点并输出。        ② 从⽹中删除该顶点和所有以它为起点的有向边。        ③ 重复①和②直到当前的AOV⽹为空或当前⽹中不存在⽆前驱的顶点为⽌。逆拓扑排序(可用DFS算法实现):        ① 从AOV⽹中选择⼀个没有后继(出度为0)的顶点并输出。        ② 从⽹中删除该顶点和所有以它为终点的有向边。        ③ 重复①和②直到当前的AOV⽹为空备注: 上三角(对角线为0)矩阵, 必不存在环, 拓扑序列必存在, 但拓扑不唯一。(拓扑唯一, 图不唯一)4.7 关键路径        在带权有向图中,以顶点表示事件,以有向边表示活动,以边上的权值表示完成该活动的开销(如完成活动所需的时间),称之为⽤边表示活动的⽹络,简称AOE⽹示意图:        关键活动: 从源点到汇点的有向路径可能有多条,所有路径中,具有最⼤路径⻓度的路径称为 关键路径,⽽把关键路径上的活动称为关键活动。        事件vk的最早发⽣时间: 决定了所有从vk开始的活动能够开⼯的最早时间。        活动ai的最早开始时间: 指该活动弧的起点所表⽰的事件的最早发⽣时间。        事件vk的最迟发⽣时间: 它是指在不推迟整个⼯程完成的前提下,该事件最迟必须发⽣的时间。        活动ai的最迟开始时间: 它是指该活动弧的终点所表示事件的最迟发⽣时间与该活动所需时间之差。        活动ai的时间余量:表⽰在不增加完成整个⼯程所需总时间的情况下,活动ai可以拖延的时间。d(k)=0的活动就是关键活动, 由关键活动可得关键路径。示例图:第五章 查找        静态查找 :不涉及插入和删除操作的查找        动态查找 :涉及插入和删除操作的查找        查找⻓度: 在查找运算中,需要对⽐关键字的次数称为查找⻓度        平均查找长度:衡量查找算法的效率公式:5.1 顺序查找(线性查找):        顺序查找适合于存储结构为顺序存储或链接存储的线性表。  基本思想:从数据结构线形表的一端开始,顺序扫描,依次将扫描到的结点关键字与给定值k相比较,若相等则表示查找成功;若扫描结束仍没有找到关键字等于k的结点,表示查找失败。        时间复杂度: O(n)。有序顺序查找的ASL图:        无序查找失败时的平均查找长度:  n+1次 (带哨兵的情况)5. 2 折半查找:        元素必须是有序的,顺序存储结构。判定树是一颗平衡二叉树, 树高 (由n=-1得来)。        基本思想:用给定值k先与中间结点的关键字比较,中间结点把线形表分成两个子表,若相等则查找成功;若不相等,再根据k与该中间结点关键字的比较结果确定下一步查找哪个子表。        公式:mid=(low+high)/2, 即mid=low+1/2*(high-low);           1)相等,mid位置的元素即为所           2)>,low=mid+1;                3)<,high=mid-1。        时间复杂度: 二叉判定树的构造:         备注:对于静态查找表,一次排序后不再变化,折半查找能得到不错的效率。但对于需要频繁执行插入或删除操作的数据集来说,不建议使用。失败结点的ASL不是方形结点, 而是其父节点。5.3 分块查找        分块查找,⼜称索引顺序查找。        基本思想:将查找表分为若干子块, 块内的元素可以无序, 块间的元素是有序的, 即前一个快的最大元素小于后一个块的最大元素。再建立索引表, 索引表中的每个元素含有各块的最大关键字和第一个元素的地址。索引表按关键字有序排列。示意图:备注:         1) 设索引查找和块内查找的平均查找⻓度分别为LI、LS,则分块查找的平均查找⻓度为ASL=LI + LS        2) 将长度为n的查找表均匀分为b块, 每块s个记录, 在等概率情况下, 若在块内和索引表中均采用顺序查找, 则平均查找长度为:5.4 二叉排序树        又称二叉查找树(BST,Binary Search Tree), 是具有如下性质的二叉树:左子树结点值 < 根结点值 < 右子树结点值        二叉排序树的插入:  新插入的结点 一定是叶子。二叉排序树的删除        1) 情况一, 删除叶结点, 直接删除        2) 情况二, 待删除结点只有一颗子树, 让子树代替待删除结点        3) 情况三, 待删除结点有左, 右子树, 则令待删除的直接前驱(或直接后继(中序遍历))代替待删除结点。示意图: (30为直接前驱, 60为直接后继)平均查找效率: 主要取决于树的高度。时间复杂度: 5.5 平衡二叉树        简称平衡树(AVL树), 树上任一结点的左子树和右子树的 高度之差不超过1。 结点的平衡因子=左子树高-右子树高。平衡二叉树的插: LL型:RR型:RL型:LR型:        平衡二叉树的删除: 同上考点:        假设以表示深度为h的平衡树中含有的最少结点数。 则有 = 0, = 1, = 2,并且有=  +          时间复杂度: 5.6 红黑树        与AVL树相比, 插入/删除 很多时候不会破坏“红黑”特性,无需频繁调整树的形态。因为AVL是高度差严格要不超过1, 红黑树高度差不超过2倍, 较为宽泛。定义:        ①每个结点或是红色,或是黑色的        ②根节点是黑色的        ③叶结点(外部结点、NULL结点、失败结点)均是黑色的        ④不存在两个相邻的红结点(即红结点的父节点和孩子结点均是黑色)        ⑤对每个结点,从该节点到任一叶结点的简单路径上,所含黑结点的数目相同        口诀: 左根右,根叶黑 不红红,黑路同示例图:性质:        性质1:从根节点到叶结点的最长路径不大于最短路径的2倍 (红结点只能穿插 在各个黑结点中间)        性质2:有n个内部节点的红黑树高度          结论: 若根节点黑高为h,内部结点数(关键字)最多有 , 最少有示例图:红黑树的插入操作:红黑树的插入示例图:         红黑树的删除: 和“二叉排序树的删除”一样! 具体还是算了吧, 放过自己。。。        时间复杂度: 5.7 B树        B树,⼜称多路平衡查找树,B树中所被允许的孩⼦个数的最⼤值称为B树的阶,通常⽤m表示。 m阶B树的特性:        1)树中每个结点⾄多有m棵⼦树,即⾄多含有m-1个关键字。        2)若根结点不是终端结点,则⾄少有两棵⼦树。        3)除根结点外的所有⾮叶结点⾄少有 棵⼦树,即⾄少含有个关键字。         4) 所有的叶结点都出现在同⼀层次上,并且不带信息, ( 指向这些结点的指针为空 ) 。        5) 最小高度:    (n为关键字, 注意区分结点)        6) 最大高度:         7) 所有⼦树⾼度要相同        8) 叶结点对应查找失败的情况, 即n个关键字有n+1个叶子结点示例图: B树的插入(5阶为例):B树的删除:        1) 若被删除关键字在终端节点,则直接删除该关键字 (要注意节点关键字个数是否低于下限 ⌈m/2⌉ − 1)        2) 若被删除关键字在⾮终端节点,则⽤直接前驱或直接后继来替代被删除的关键字 删除77:删除38:删除90:        3) 若被删除关键字所在结点删除前的关键字个数低于下限,且此时与该结点相邻的左、右兄弟结 点的关键字个数均=⌈m/2⌉ − 1,则将关键字删除后与左(或右)兄弟结点及双亲结点中的关键字进⾏合并 删除49: 5.8 B+树⼀棵m阶的B+树需满⾜下列条件        1)每个分⽀结点最多有m棵⼦树(孩⼦结点)。        2)⾮叶根结点⾄少有两棵⼦树,其他每个分⽀结点⾄少有 ⌈m/2⌉ 棵⼦树。        3)结点的⼦树个数与关键字个数相等。        4)所有叶结点包含全部关键字及指向相应记录的指针,叶结点中将关键字按⼤⼩顺序排列,并且相邻叶结点按⼤⼩顺序相互链接起来        5)所有分⽀结点中仅包含它的各个⼦结点中关键字的最⼤值及指向其⼦结点的指针。所有⾮叶结点仅起索引作⽤,        6) 所有⼦树⾼度要相同B+树示例图:B+树与B树的对比图:5.9 哈希表(Hash)        根据数据元素的关键字 计算出它在散列表中的存储地址。        哈希函数: 建⽴了“关键字”→“存储地址”的映射关系。        冲突(碰撞):在散列表中插⼊⼀个数据元素时,需要根据关键字的值确定其存储地址,若 该地址已经存储了其他元素,则称这种情况为“冲突(碰撞)”        同义词:若不同的关键字通过散列函数映射到同⼀个存储地址,则称它们为“同义词”        复杂度分析:对于无冲突的Hash表而言,查找复杂度为O(1) 5.9.1 构造哈希函数        1) 除留余数法 —— H(key) = key % p, 取⼀个不⼤于m但最接近或等于m的质数p        适⽤场景:较为通⽤,只要关键字是整数即可        2) 直接定址法 —— H(key) = key 或 H(key) = a*key + b        适⽤场景:关键字分布基本连续        3) 数字分析法 —— 选取数码分布较为均匀的若⼲位作为散列地        适⽤场景:关键字集合已知,且关键字的某⼏个数码位分布均匀        4) 平⽅取中法(二次探测法)——取关键字的平⽅值的中间⼏位作为散列地址        适⽤场景:关键字的每位取值都不够均匀。5.9.2 处理冲突拉链法示意图:开放定址法:        1) 线性探测法        2) 平⽅探测法        3) 双散列法        4) 伪随机序列法示意图:        删除操作: 采用开放定址法时, 只能逻辑删除。        装填因子: 表中记录数 / 散列表长度 。        备注: 平均查找长度的查找失败包含不放元素的情况。(特殊: 根据散列函数来算: 2010真题)        聚集: 处理冲突的方法选取不当,而导致不同关键字的元素对同一散列地址进行争夺的现象第六章 排序        稳定 :如果a原本在b前面,而a=b,排序之后a仍然在b的前面;        内排序 :所有排序操作都在内存中完成;        外排序 :由于数据太大,因此把数据放在磁盘中,而排序通过磁盘和内存的数据传输才能进行。参考博客:超详细十大经典排序算法总结(java代码)c或者cpp的也可以明白_Top_Spirit的博客-CSDN博客6.1 直接插入排序动图演示:         优化: 折半插入排序6.2 希尔排序        又称缩小增量排序, 先将待排序表分割成若⼲形如 L[i, i + d, i + 2d,…, i + kd] 的“特殊”⼦表,对各个⼦表分别进⾏直接插⼊排序。缩⼩增量d,重复上述过程,直到d=1为⽌。建议每次将增量缩⼩⼀半。示例图:6.3 冒泡排序动图演示:6.4 快速排序算法思想:        1) 在待排序表L[1…n]中任取⼀个元素pivot作为枢轴(或基准)        2) 通过⼀趟排序将待排序表划分为独⽴的两部分L[1…k-1]和L[k+1…n],使得L[1…k-1]中的所有元素⼩于pivot,L[k+1…n]中的所有元素⼤于等于 pivot,则pivot放在了其最终位置L(k)上,这个过程称为⼀次“划分”。        3) 然后分别递归地对两个⼦表重复上述过程,直每部分内只有⼀个元素或空为⽌,即所有元素放在了其最终位置上。示例图:  6.5 简单选择排序        算法思想: 每⼀趟在待排序元素中选取关键字最⼩的元素加⼊有序⼦序列。动画演示:6.6 堆排序        ⼤根堆: 若满⾜:L(i)≥L(2i)且L(i)≥L(2i+1) (1 ≤ i ≤n/2 )        ⼩根堆: 若满⾜:L(i)≤L(2i)且L(i)≤L(2i+1) (1 ≤ i ≤n/2 )大根堆示例图:6.6.1 建立大根堆        思路:从开始, 把所有⾮终端结点都检查⼀遍,是否满足大根堆的要,如果不满⾜,则进⾏调整。若元素互换破坏了下⼀级的堆,则采⽤相同的方法继续往下调整(⼩元素不断“下坠”)小元素下坠示例图:          结论: 建堆的过程,关键字对⽐次数不超过4n,建堆时间复杂度=O(n)6.6.2 堆的插入与删除        插入: 将新增元素放到表尾, 而后根据大小根堆进行上升调整。        删除: 被删除的元素⽤堆底元素替代,然后让该 元素不断“下坠”,直到⽆法下坠为⽌排序动图演示:6.7 归并排序        该算法是采用分治法, 把两个或多个已经有序的序列合并成⼀个。2路归并图:        结论:n个元素进⾏k路归并排序,归并趟数= 6.8 基数排序 (低位优先)        基数排序是非比较的排序算法,对每一位进行排序,从最低位开始排序,复杂度为O(kn),为数组长度,k为数组中的数的最大的位数;动图演示:         时间复杂度: ⼀趟分配O(n),⼀趟收集O(r),总共 d 趟分配、收集,总的时间复杂度=O(d(n+r)) , 其中把d为关键字拆 为d个部分, r为每个部分可能 取得 r 个值。基数排序适用场景:        ①数据元素的关键字可以⽅便地拆分为 d 组,且 d 较⼩        ②每组关键字的取值范围不⼤,即 r 较⼩        ③数据元素个数 n 较⼤如:内部排序总结:         基本有序:  直接插入(比较最少), 冒泡(趟数最少)6.9 外部排序        数据元素太多,⽆法⼀次全部读⼊内存进⾏排序, 读写磁盘的频率成为衡量外部排序算法的主要因素。示例图:多路归并:        结论: 采⽤多路归并可以减少归并趟数,从⽽减少磁盘I/O(读写)次数。对 r 个初始归并段,做k路归并,则归并树可⽤ k 叉树表示 若树⾼为h,则归并趟数 = h-1 = 。K越大, r越小, 读写磁盘次数越少。(缺点: k越大, 内部排序时间越大)6.9.1 败者树        使⽤k路平衡归并策略,选出⼀个最小元素需要对⽐关键字 (k-1)次,导致内部归并所需时间增加。因此引入败者树。示例图:        结论: 对于 k 路归并,第⼀次构造败者 树需要对⽐关键字 k-1 次 , 有了败者树,选出最⼩元素,只需对⽐关键字次6.9.2 置换-选择排序        使用置换-选择排序可以减少初始化归并段。示意图: 6.9.3 最佳归并树原理图:        注意:对于k叉归并,若初始归并段的数量⽆法构成严格的 k 叉归并树, 则需要补充⼏个⻓度为 0 的“虚段”,再进⾏ k 叉哈夫曼树的构造。示例图: 添加虚段数目: 难点:结束!  !  !注: 以上部分图片素材来自王道数据结构我要的图文并茂关注

大学生入口

最新推荐

recommend-type

刘嘉怡.中期检查.doc

刘嘉怡.中期检查.doc
recommend-type

Flash翻书效果展示模板使用技巧

从给定的文件信息中,我们可以提炼出关于Flash书翻页效果模板的知识点,这涉及到Flash技术,以及XML在其中的应用。 ### 知识点一:Flash技术概述 Flash是一种矢量图形编辑器,也是一种动画制作软件,广泛应用于网页动画设计、游戏开发以及电子书等领域。Flash支持时间轴动画,允许用户创建逐帧动画和补间动画。它主要以ActionScript作为编程语言,支持脚本实现复杂交互逻辑。Flash动画文件通常以.fla作为项目文件格式,而最终发布则为.swf格式,这种格式的文件体积小,加载快,适合在网络上传播。 ### 知识点二:书翻页效果的实现 书翻页效果是一种常见的视觉效果,尤其是在电子书或杂志展示中,这种效果能够模拟真实翻书体验,提升用户的互动体验。在Flash中实现书翻页效果,设计师需要借助于ActionScript脚本的编程能力,通过计算物理运动模拟翻页动作,以及翻页声音效果等,增强现实感。 ### 知识点三:XML在Flash中的应用 XML(可扩展标记语言)是一种标记语言,用于存储和传输数据。在Flash项目中,XML常被用于数据的存储和加载,它可以在Flash与服务器之间的通信中发挥重要作用。例如,使用Flash ActionScript脚本可以读取和解析XML文件中的数据,并将其动态地应用到Flash动画中,实现更加丰富和动态的内容展示。在书翻页效果模板中,XML可能被用于存储书籍的页面内容、样式定义或者翻页动画的相关参数等。 ### 知识点四:Flash模板的使用 Flash模板是预先设计好的Flash项目文件,它包含了一定的动画场景、设计元素、动作脚本等,用户可以根据需要修改或直接使用这些模板。在本例中,Flash书翻页效果模板可能已经设计好了翻页动画的关键帧,用户只需要更换页面内容,调整动画参数,即可快速得到个性化的效果。这样,不仅提高了制作效率,也使得不具备深入编程技能的设计师可以利用专业效果。 ### 知识点五:Flash动画的优化与部署 发布Flash内容到网站时,需要考虑到用户体验和加载速度。优化Flash动画包括压缩图像、声音,简化动画流程等,确保在不同设备上都能快速加载。对于Flash内容的部署,除了常见的.swf文件,还需要考虑到浏览器兼容性问题,如Adobe Flash Player的版本兼容,以及随着互联网技术的发展,HTML5、CSS3和JavaScript等现代技术正在取代Flash,因此对于Flash内容的长期维护与更新也需纳入考虑。 ### 知识点六:Flash技术的局限与替代 随着互联网技术的发展,HTML5、CSS3和JavaScript等技术逐渐成为主流,它们不仅跨平台性能好,而且更加符合现代Web标准。Adobe公司已经宣布将在2020年停止更新和分发Flash Player。因此,设计师和开发人员需要关注这些新技术,适时将现有的Flash项目迁移到新的技术平台上,以保证内容的可持续访问。 通过上述知识点,我们可以看到Flash书翻页效果模板不仅包含视觉动画设计元素,还涉及到ActionScript脚本编写、XML数据管理以及最终动画的优化和部署。同时,也要注意到Flash技术在当下和未来的趋势,提前做好技术迁移的准备。
recommend-type

【TMS320C6713 DSP快速精通】:全方位入门到精通指南与开发环境搭建

# 摘要 本文详细介绍了TMS320C6713数字信号处理器(DSP)的功能、架构及其在信号处理中的应用。首先,对DSP的基本工作原理和内部结构进行了理论性的阐述,并提供了编程基础,包括汇编语言和C语言的编程及优化方法。随后,本文展示了如何搭建TMS320C6713的开发环境,涵盖了硬件平台准备、软件开发工具链安装与配置以及系统软件配置。实践应用章节中,通过音频和图像处理实例,演示了DSP在实时数据采集、信号分析与处理中的具体应用。最后,探讨了TMS320C6713在无线通信系统、复杂系统集成以及性能优化方面的高级应用。 # 关键字 TMS320C6713 DSP;信号处理;汇编语言;C语言
recommend-type

I2C的上拉电阻应该靠近哪儿

<think>嗯,用户问的是I2C上拉电阻的最佳放置位置。这个问题看起来挺基础的,但实际涉及硬件设计的细节,我得仔细想想怎么回答。首先,I2C总线是开漏结构,所以需要上拉电阻来确保信号能被拉高。那上拉电阻的位置应该怎么放呢?我记得在电路设计中,上拉电阻的位置会影响信号的完整性和抗干扰能力。 可能用户在设计PCB的时候遇到了信号问题,比如上升时间太长,或者有噪声干扰,所以想知道怎么正确放置上拉电阻。他们可能不太清楚该靠近主设备还是从设备,或者有没有什么布局上的讲究。另外,上拉电阻的阻值选择也是关键,但用户这次问的是位置,所以重点放在布局上。 根据之前的经验,上拉电阻应该尽量靠近主控制器,这样
recommend-type

项目集成商的定义、作用及发展趋势

标题:“项目集成商”和描述:“项目集成商”所涉及的知识点较为宽泛,但从中可以提炼出几个关键点进行详细说明。 首先,项目集成商这个术语通常指在项目管理与执行中承担集成角色的个人或企业。他们主要负责将不同领域的技术和资源结合,以实现一个复杂项目或系统整合的目的。项目集成商需要具备跨学科的专业知识和丰富的项目管理经验,才能有效地将各种分散的组件、子系统或服务集成为一个连贯、高效且符合既定目标的整体解决方案。 具体来说,项目集成商在执行职责时,涉及以下几个核心知识领域: 1. 项目管理知识体系(PMBOK):项目集成商需要掌握项目管理专业知识体系,这是为了确保能够以标准化、系统化的方式管理项目生命周期中的各个阶段,包括启动、规划、执行、监控、收尾等。 2. 系统集成(System Integration):在项目集成中,系统集成是核心工作之一。这意味着集成商需要具备将不同系统、平台和技术融合在一起的能力。系统集成的方法论可能包括点对点集成、企业服务总线(ESB)集成或面向服务的架构(SOA)集成等。 3. IT架构与设计:项目集成商往往需要设计和实施IT架构,这包括硬件、软件、网络和数据管理等多个方面。他们需要了解各种IT技术的最新发展,并能够基于组织的业务需求和战略目标,设计出最合适的IT架构解决方案。 4. 数据集成与迁移:在很多项目中,集成商需要处理数据迁移或整合遗留系统中的数据。这要求他们不仅需要具备数据处理能力,还要了解数据仓库、数据湖和大数据技术等相关知识。 5. 软件开发与编程:项目集成商可能需要与软件开发团队紧密合作,或者亲自参与开发某些集成组件。这要求他们对常见的编程语言、开发框架和敏捷开发方法有一定的了解。 6. 沟通与协调:由于项目集成商在项目中起到协调和桥梁的作用,因此出色的沟通和协调能力是必不可少的。他们需要与项目的所有利益相关者(如客户、供应商、团队成员等)进行有效沟通,确保信息的准确传递和任务的顺利执行。 7. 风险管理:在项目集成过程中,可能面临各种潜在风险。项目集成商需要能够识别、评估和控制这些风险,制定相应的风险缓解计划和应对策略。 8. 合同管理与采购:项目集成商还需要处理与供应商的关系管理,包括合同谈判、采购流程以及供应链管理等方面的知识。 在描述中提到的“项目集成商”这一角色,由于没有更具体的信息,无法提供更细致的知识点。但可以确定的是,项目集成商的工作会涉及到多方面的知识和技能,以确保项目的成功交付和运行。 根据提供的“压缩包子文件的文件名称列表”中的"Projeto-integrador-main",我们可以假设这可能是与项目集成商相关的某个具体项目的主文件夹。该文件名称可能暗示该文件夹包含了项目集成的主要内容、设计文档、实施计划、资源分配、测试计划、部署步骤以及其他项目集成过程中关键的参考资料。但由于没有具体文件内容,我们无法进行更详细的知识点提取。
recommend-type

Axis2二进制传输高效秘技:专家案例分析透露性能提升法门

# 摘要 Axis2作为流行的Web服务框架,其二进制传输性能优化对于提升Web服务的响应速度和整体效率具有重大意义。本文首先介绍了Axis2二进制传输的基础架构,详述了其核心组件与消息处理机制,接着讨论了二进制数据传输相对于文本传输的优势以及序列化与反序列化的方法。其次,文章着重探讨了优化二进制传输的策略,包括理解二进制优化的概念、配置参数调整、编码器的选择与实现。然后,通过实
recommend-type

html中引用自定义了class的js文件

在HTML中引用自定义了 `class` 的 JavaScript 文件是一个常见的操作,以下是详细步骤: ### 步骤一:创建并编写JS文件 首先,在你的项目目录下新建一个 `.js` 文件,并在这个文件里定义所需的 `class`。 例如,我们有一个名为 `myClass.js` 的文件: ```javascript // myClass.js class MyClass { constructor(name) { this.name = name; } greet() { return `Hello, ${this.name
recommend-type

FRDM-K64F实时重力加速度数据动态曲线展示

在现代IT技术中,串口数据通信和实时数据可视化是两个重要的应用领域。基于FRDM-K64F板子实现的串口读数实时动态曲线项目涉及到了这两个方面,下面将详细解释这两个知识点。 ### 串口通信 串口通信是一种常见的设备间通信方式,全称为串行通信口(Serial Communication Port)。在计算机与各种外围设备(如打印机、调制解调器、传感器等)以及微控制器之间广泛使用。串口通信的硬件接口通常是RS-232、RS-485等标准,而软件上则依赖于编程语言提供的接口函数。 串口通信的主要特点包括: 1. **异步通信**:数据可以在任意时刻发送,接收端需随时准备接收。 2. **全双工**:在同一时间内既可发送数据也可以接收数据,但通常使用不同的线路。 3. **点对点通信**:通常情况下,一个串口只能与一个外部设备连接。 FRDM-K64F板子是一个基于ARM Cortex-M4处理器的开发板,它具有多个硬件串口,可以在微控制器程序中配置并使用这些串口进行数据收发。 ### 实时曲线绘制 实时曲线绘制是指在软件中将实时采集到的数据以图形的方式展示出来,这种动态的可视化方式对于监控和分析实时变化的数据非常有用。实时曲线可以通过各种编程语言实现,例如VB(Visual Basic),C++,Java等。 实现实时曲线绘制通常需要以下步骤: 1. **数据采集**:通过串口或其他接口从数据源获取实时数据。 2. **数据处理**:对采集到的数据进行必要的处理,如滤波、归一化等。 3. **图形绘制**:根据处理后的数据在画布上绘制点或曲线。 4. **定时更新**:周期性地重复上述过程,以实现实时更新。 在VB中,可以通过调用GDI+(图形设备接口增强)相关函数来绘制动态曲线。通常,会使用Timer控件来设定数据更新的频率,保证曲线可以实时反映数据变化。 ### 项目知识点详解 #### FRDM-K64F板子 FRDM-K64F是NXP公司推出的一款灵活的微控制器开发平台。它集成了强大的Kinetis K64F 120 MHz ARM Cortex-M4微控制器,具备丰富的外设接口和功能强大的图形库。该板子特别适合用于需要执行复杂算法和处理大量数据的应用场景。 #### 上位机软件 上位机软件是指运行在计算机上的软件,用于与下位机(如FRDM-K64F)进行通信。在本项目中,上位机软件需要具备以下几个功能: 1. **串口通信**:能够与FRDM-K64F板子建立稳定的串口连接,并进行数据的发送与接收。 2. **数据解析**:解析从板子传来的重力加速度等数据,并转换成可供处理的格式。 3. **图形显示**:将接收到的数据绘制为动态曲线,以图形化的方式展示重力加速度的变化趋势。 4. **用户交互**:提供操作界面,允许用户设定串口参数、启动/停止数据采集等。 #### VB编程 VB(Visual Basic)是一种面向对象的编程语言,广泛应用于快速应用程序开发。在本项目中,VB用于编写上位机软件,实现以下功能: 1. **串口通信**:通过MSComm控件或其他方式实现与串口的数据通信。 2. **动态曲线绘制**:使用VB的图形用户界面组件,如PictureBox,来绘制实时变化的动态曲线。 3. **定时更新机制**:使用Timer控件或其他方法定时触发数据读取和曲线刷新,以达到实时效果。 #### 动态曲线的绘制方法 在VB中绘制动态曲线,通常会采取以下步骤: 1. **初始化画布**:设置PictureBox控件为绘图面板,并初始化坐标轴。 2. **数据获取**:定时从串口读取数据,可能需要处理数据格式问题。 3. **数据点计算**:根据获取的数据计算曲线的坐标点。 4. **绘制图形**:使用如Line、DrawLine等GDI+图形绘制方法来绘制曲线和坐标轴。 5. **动态刷新**:通过循环调用绘图函数,不断更新曲线,以达到实时显示的效果。 #### 应用参考价值 该项目对于需要串口开发和实时数据可视化的IT专业人员来说,具有一定的参考价值: 1. **串口开发参考**:提供了如何使用VB语言开发串口通信程序的参考,包括如何配置串口、如何实现数据收发等。 2. **实时数据可视化**:展示了如何使用VB实现数据的动态可视化,特别是动态曲线的绘制方法。 3. **硬件接口示例**:通过FRDM-K64F硬件平台,展示了如何与实际的硬件设备进行交互和数据处理。 综上所述,通过这个“串口读数实时动态曲线”项目,我们可以学习到串口通信和实时曲线绘制的基础知识,掌握使用VB语言进行串口开发和图形界面编程的技能,同时也能够了解如何将这些技能应用于实际的硬件开发和数据可视化之中。
recommend-type

Axis2性能提升秘籍:10个关键步骤优化二进制文件传输

# 摘要 随着网络服务的广泛应用,Axis2作为一款流行的Web服务框架,其性能优化显得尤为重要。本文首先概述了Axis2性能优化的重要性,并介绍了相关性能优化的理论基础。随后,深入探讨了二进制文件传输优化策略,包括传输协议的选择、消息序列化与反序列化的优化方法以及数据压缩与编码的技巧。在配置优化实践部分,本文提供了服务器端和客户端的优化方法,包括参数调优、缓存策略、连接管理以及消息处理的优化。最后,本文介绍了性能监控与故障排除的策略,并对未来性能优化的发展趋势进行了展望,总结了性能优化的最佳实践。 # 关键字 性能优化;Axis2架构;消息处理;传输协议;序列化技术;缓存策略;监控工具;故
recommend-type

所谓的python库是如何诞生的

<think>好的,我需要帮助用户了解如何创建和发布一个Python库。首先,我得回忆一下自己知道的步骤,并结合提供的引用内容来确保信息准确。用户的问题是关于创建和发布Python库的,所以需要分步骤解释,结构清晰。 首先,创建Python库的基本步骤可能包括设置项目结构、编写代码、添加必要文件(如setup.py)、打包、测试,最后发布到PyPI。根据引用[1]和[2],用户需要搭建开发环境并开始编写库的结构。引用[4]提到导入自制库的例子,说明模块的导入方式,所以应该指导用户如何组织代码结构,比如使用__init__.py文件。 然后,setup.py文件是关键,它用于配置库的元数据,
手机看
程序员都在用的中文IT技术交流社区

程序员都在用的中文IT技术交流社区

专业的中文 IT 技术社区,与千万技术人共成长

专业的中文 IT 技术社区,与千万技术人共成长

关注【CSDN】视频号,行业资讯、技术分享精彩不断,直播好礼送不停!

关注【CSDN】视频号,行业资讯、技术分享精彩不断,直播好礼送不停!

客服 返回
顶部