两个列表[1,3,5,7],[3,7,8,9] ,用用pyhton代码实现：两个列表求交集 [3,7]

可以使用Python中的集合(set)来实现两个列表的求交集操作。代码如下：

list1 = [1, 3, 5, 7]
list2 = [3, 7, 8, 9]

set1 = set(list1)
set2 = set(list2)

intersection = list(set1 & set2)

print(intersection)

输出结果为[3, 7]。其中，`set1`和`set2`分别将`list1`和`list2`转换成集合，`&`运算符求出两个集合的交集，最后将交集转换成列表即可。

相关问题

有两个列表[1,3,5,7],[3,7,8,9]用pyhton代码实现两个列表求并集

可以使用set()函数将列表转化为集合，然后使用union()函数求并集。

代码如下：

list1 = [1, 3, 5, 7]
list2 = [3, 7, 8, 9]

set1 = set(list1)
set2 = set(list2)

union_set = set1.union(set2)

print(union_set)

输出结果：

{1, 3, 5, 7, 8, 9}

求解pyhton代码:利用动态规划策略实现0-1背包

下面是Python实现0-1背包问题的动态规划算法：

def knapsack_dp(weights, values, capacity):
    n = len(weights)
    # 定义二维数组dp
    dp = [[0] * (capacity + 1) for _ in range(n + 1)]
    for i in range(1, n + 1):
        for j in range(1, capacity + 1):
            if j < weights[i - 1]:
                dp[i][j] = dp[i - 1][j]
            else:
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1])
    return dp[n][capacity]

其中，weights和values分别是物品的重量和价值，capacity是背包的容量。算法返回的是能够装入背包的最大价值。

具体来说，二维数组dp[i][j]表示前i个物品，容量为j时的最大价值。对于每个物品i，有两种情况：不放入背包和放入背包。如果不放入背包，则dp[i][j]与dp[i-1][j]相等；如果放入背包，则dp[i][j]为dp[i-1][j-wi]+vi，其中wi和vi分别表示第i个物品的重量和价值。

最后，返回dp[n][capacity]即可。