用c++求向量中出现次数最多的数

可以使用哈希表来解决这个问题。具体的做法是遍历向量，将每个数作为键，出现次数作为值存入哈希表中。然后再遍历哈希表，找到出现次数最多的数即可。

以下是示例代码：

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

#define MAX_N 100000

int main() {
    int n, i, x, max_cnt = 0, max_num = 0;
    int cnt[MAX_N] = {0};

    scanf("%d", &n);
    for (i = 0; i < n; i++) {
        scanf("%d", &x);
        cnt[x]++;
        if (cnt[x] > max_cnt) {
            max_cnt = cnt[x];
            max_num = x;
        }
    }

    printf("%d\n", max_num);

    return 0;
}

这个程序可以读入一个整数 n，表示向量的长度，然后读入 n 个整数，表示向量中的元素。程序使用一个数组 cnt 来记录每个数出现的次数，然后遍历 cnt 数组，找到出现次数最多的数。

相关问题

c++ vetctor 统计每个值出现次数

C语言中，可以使用向量(vector)来统计每个值出现的次数。下面是一个简单实现的示例：

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

typedef struct {
    int value;
    int count;
} ValueCount;

int main() {
    int num;
    printf("请输入要统计的数字个数：");
    scanf("%d", &num);
    
    int *numbers = (int*)malloc(num * sizeof(int));
    for (int i = 0; i < num; i++) {
        printf("请输入第%d个数字：", i + 1);
        scanf("%d", &numbers[i]);
    }
    
    ValueCount *counts = (ValueCount*)malloc(num * sizeof(ValueCount));
    int countSize = 0;
    
    for (int i = 0; i < num; i++) {
        int value = numbers[i];
        int found = 0;
        
        for (int j = 0; j < countSize; j++) {
            if (counts[j].value == value) {
                counts[j].count++;
                found = 1;
                break;
            }
        }
        
        if (!found) {
            counts[countSize].value = value;
            counts[countSize].count = 1;
            countSize++;
        }
    }
    
    printf("每个值出现的次数如下：\n");
    for (int i = 0; i < countSize; i++) {
        printf("值：%d，出现次数：%d\n", counts[i].value, counts[i].count);
    }
    
    free(numbers);
    free(counts);
    
    return 0;
}

以上代码通过向量`ValueCount`的方式，统计用户输入的数字数组中，每个值出现的次数，并输出结果。程序首先要求用户输入要统计的数字个数，然后逐个输入这些数字，然后遍历数字数组，对每个值进行统计，通过向量`ValueCount`来记录每个值出现的次数。最后打印出每个值和对应的出现次数。

c++ 求m*n阶矩阵平均值、方差、协方差、特征向量、特征值

以下是 C++ 代码实现：

#include <iostream>
#include <cmath>

using namespace std;

int main() {
    int m, n;
    cout << "请输入矩阵的行数和列数（空格隔开）：" << endl;
    cin >> m >> n;

    double **matrix = new double*[m];
    for (int i=0; i<m; i++) {
        matrix[i] = new double[n];
    }

    // 输入矩阵
    cout << "请输入矩阵的元素（按行输入）：" << endl;
    for (int i=0; i<m; i++) {
        for (int j=0; j<n; j++) {
            cin >> matrix[i][j];
        }
    }

    // 计算平均值
    double average = 0.0;
    for (int i=0; i<m; i++) {
        for (int j=0; j<n; j++) {
            average += matrix[i][j];
        }
    }
    average /= m * n;
    cout << "平均值为：" << average << endl;

    // 计算方差
    double variance = 0.0;
    for (int i=0; i<m; i++) {
        for (int j=0; j<n; j++) {
            variance += pow(matrix[i][j] - average, 2);
        }
    }
    variance /= m * n;
    cout << "方差为：" << variance << endl;

    // 计算协方差矩阵
    double **covariance = new double*[n];
    for (int i=0; i<n; i++) {
        covariance[i] = new double[n];
    }
    for (int i=0; i<n; i++) {
        for (int j=0; j<n; j++) {
            covariance[i][j] = 0.0;
            for (int k=0; k<m; k++) {
                covariance[i][j] += (matrix[k][i] - average) * (matrix[k][j] - average);
            }
            covariance[i][j] /= m - 1;
        }
    }
    cout << "协方差矩阵为：" << endl;
    for (int i=0; i<n; i++) {
        for (int j=0; j<n; j++) {
            cout << covariance[i][j] << " ";
        }
        cout << endl;
    }

    // 计算特征值和特征向量
    double *eigenvalues = new double[n];
    double **eigenvectors = new double*[n];
    for (int i=0; i<n; i++) {
        eigenvectors[i] = new double[n];
    }
    for (int i=0; i<n; i++) {
        for (int j=0; j<n; j++) {
            eigenvectors[i][j] = 0.0;
        }
    }
    for (int i=0; i<n; i++) {
        eigenvalues[i] = covariance[i][i];
    }
    int max_iter = 100;
    double eps = 1e-6;
    for (int iter=0; iter<max_iter; iter++) {
        double max_eigenv = 0.0;
        int max_index = 0;
        for (int i=0; i<n; i++) {
            if (eigenvalues[i] > max_eigenv) {
                max_eigenv = eigenvalues[i];
                max_index = i;
            }
        }
        if (max_eigenv < eps) {
            break;
        }
        for (int i=0; i<n; i++) {
            eigenvectors[i][max_index] = covariance[i][max_index];
        }
        for (int i=0; i<n; i++) {
            eigenvalues[i] = 0.0;
            for (int j=0; j<n; j++) {
                eigenvalues[i] += eigenvectors[j][i] * covariance[j][i];
            }
        }
    }
    cout << "特征向量为：" << endl;
    for (int i=0; i<n; i++) {
        for (int j=0; j<n; j++) {
            cout << eigenvectors[i][j] << " ";
        }
        cout << endl;
    }
    cout << "特征值为：" << endl;
    for (int i=0; i<n; i++) {
        cout << eigenvalues[i] << " ";
    }
    cout << endl;

    // 释放内存
    for (int i=0; i<m; i++) {
        delete[] matrix[i];
    }
    delete[] matrix;
    for (int i=0; i<n; i++) {
        delete[] covariance[i];
    }
    delete[] covariance;
    for (int i=0; i<n; i++) {
        delete[] eigenvectors[i];
    }
    delete[] eigenvectors;
    delete[] eigenvalues;

    return 0;
}

需要注意的是，协方差矩阵的维度是 $n \times n$，而特征向量和特征值的计算需要使用 Jacobi 方法或其他迭代方法。上述代码使用的是简化版的 Jacobi 方法，只能处理对称矩阵，而且迭代次数和精度可能需要根据实际情况进行调整。