当前位置: 首页 > article >正文

数组和切片实战

1).检查某个值是否在数组中:如果要检查某个值是否在在数组或切片中.则需要根据相应的类型进行逐个对比.示例:package main import ( encoding/csv fmt math/rand os regexp strings time unicode/utf8 ) func main() { nameList : []string{Barry, Shirdon, Jack} str1 : Barry str2 : Go result : Exist(str1, nameList) fmt.Println(result) result2 : Exist(str2, nameList) fmt.Println(result2) } func Exist(target string, array []string) bool { for _, v : range array { if target v { return true } } return false }执行结果:2).查找一个元素在数组中的位置:如果要查找一个元素在数组中的位置.首先通过reflect包的ValueOf()函数获取数组的值.然后用for循环遍历数组对值进行比较.如果相等.返回元素的索引值.示例:package main import ( encoding/csv fmt math/rand os reflect regexp strings time unicode/utf8 ) func main() { a : make([]int, 6) for i : 0; i 6; i { a[i] i 2 } index : arrayPosition(a, 6) fmt.Println(index) } func arrayPosition(arr interface{}, d interface{}) int { array : reflect.ValueOf(arr) for i : 0; i array.Len(); i { v : array.Index(i) if v.Interface() d { return i } } return -1 }执行结果:3).查找数组中最大值或最小值:在Go语言中.如果要查找数组中最大值或最小值元素.可以通过for循环逐个比较元素的大小.发现更大的数则进行交换.示例:package main import ( encoding/csv fmt math/rand os reflect regexp strings time unicode/utf8 ) func main() { var array [...]int{1, -2, 88, 66, 16, 68} maxValue : array[0] maxValueIndex : 0 for i : 0; i len(array); i { //比较元素大小.如果发现更大的数.则进行交换. if maxValue array[i] { maxValue array[i] maxValueIndex i } } fmt.Println(maxValue% v maxValue%v \n, maxValue, maxValueIndex) }执行结果:4).随机打乱数组:把一个数组随机打乱的实质就是洗牌问题.洗牌问题不仅追求速度.还要求洗的足够开.Fisher-Yates随机置乱算法也称高纳德置乱算法.核心思想是从1~n之间随机出一个数和最后一个数(n)交换.然后从1~n-1之间随机出一个数和倒数第二个数(n-1)交换.这个算法生成的随机排列是等概率的.所以每个排列都有可能.示例:package main import ( encoding/csv errors fmt math/rand os reflect regexp strings time unicode/utf8 ) func init() { rand.Seed(time.Now().Unix()) } func main() { str : []string{ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, } a, _ : RandomInt(str, 5) fmt.Println(a) } func RandomInt(str []string, length int) (string, error) { if len(str) 0 { return , errors.New(字符串长度不能小于0) } if length 0 || len(str) length { return , errors.New(参数长度非法) } for i : len(str) - 1; i 0; i-- { num : rand.Intn(i 1) str[i], str[num] str[num], str[i] } str1 : for i : 0; i length; i { str1 str[i] } return str1, nil }执行结果:5).删除数组中重复的元素:给定一个数组.需要删除重复出现的元素.使得每个元素只出现一次.并返回移除后数组的新长度.不需要额外的数组空间.必须通过直接修改输入数组的方式.并在使用空间复杂度为O(1)的条件下完成.示例:package main import ( encoding/csv errors fmt math/rand os reflect regexp strings time unicode/utf8 ) func main() { array : []int{1, 6, 6, 8} res : removeDuplicates(array) fmt.Println(res) } func removeDuplicates(array []int) []int { //如果空切片.返回nil. if len(array) 0 { return nil } //用两个标记来比较相邻位置的值. //如果一样.则继续. //如果不一样.则把right指向的值赋值给left下一位. left, right : 0, 1 for ; right len(array); right { if array[left] array[right] { continue } left array[left] array[right] } return array[:left1] }执行结果:6).一维数组的排序:在Go语言中.只要实现了sort.Interface接口.即可通过sort包内的函数完成排序 查找等操作.并且sort包已经把[]int []float64 []string三种类型都实现了该接口.sort.Sort()函数是递增排序.如果要实现递减排序.则要用sort.Reverse()函数.7).二维数组排序:对于二维数组排序.可以通过实现sort.Interface接口算法来实现.给定一个二维数组.将这个二维数组按第i列(i从1开始)排序.如果第i列相同.即对相同的行按第i1列的元素排序.如果第i1列的元素也相同.则继续比较第i2列.以此类推.直到最后一列.如果第i列到最后一列都相同.则按原序排列.示例:package main import ( encoding/csv errors fmt math/rand os reflect regexp sort strings time unicode/utf8 ) func main() { //二维数组. nums : [][]int{{1, 9, 5}, {2, 3, 6}, {3, 6, 9}, {1, 8, 3}} firstIndex : 1 result : ArraySort(nums, firstIndex) fmt.Println(result) } func ArraySort(numArray [][]int, firstIndex int) [][]int { //检查. if len(numArray) 1 { return numArray } if firstIndex 0 || firstIndex len(numArray[0])-1 { fmt.Println(Warning:Param firstIndex should between 0 and len(numArray)-1.thr original array is returned.) return numArray } //排序. in : IntArray{numArray, firstIndex} sort.Sort(in) return in.mArr } type IntArray struct { mArr [][]int firstIndex int } // 实现sort.Interface接口. func (in *IntArray) Len() int { return len(in.mArr) } func (in *IntArray) Swap(i, j int) { in.mArr[i], in.mArr[j] in.mArr[j], in.mArr[i] } func (in *IntArray) Less(i, j int) bool { arr1 : in.mArr[i] arr2 : in.mArr[j] // 取两行较短的长度防止越界 minLen : len(arr1) if len(arr2) minLen { minLen len(arr2) } for idx : in.firstIndex; idx minLen; idx { if arr1[idx] ! arr2[idx] { return arr1[idx] arr2[idx] } } return i j }执行结果:8).三维数组生成:创建一个三维数组生成器.需要通过make()函数和for-range循环语句配合实现.示例:package main import ( encoding/csv errors fmt math/rand os reflect regexp sort strings time unicode/utf8 ) func main() { x : make3D(2, 2, 3) x[1][0][2] 9 fmt.Println(x) } func make3D(m, n, p int) [][][]float64 { buf : make([]float64, m*n*p) x : make([][][]float64, m) for i : range x { x[i] make([][]float64, n) for j : range x[i] { x[i][j] buf[:p:p] buf buf[p:] } } return x }执行结果:语雀地址https://www.yuque.com/itbosunmianyi/xg8vfe?《Go.》 密码xbkk 欢迎大家访问.提意见.往事落满了尘埃.

相关文章:

数组和切片实战

1).检查某个值是否在数组中:如果要检查某个值是否在在数组或切片中.则需要根据相应的类型进行逐个对比.示例:package mainimport ("encoding/csv""fmt""math/rand""os""regexp""strings""time""un…...

巴拿马电源在数据中心的应用

巴拿马电源借用巴拿马运河极大缩短大西洋和太平洋之间海上航程的战略意义,其在数据中心供配电系统设计中,可极大地缩短从传统供电中心10kV到AC UPS或HVDC柜间的漫长链路,实现更加高效快捷地供电。系统变化原理框图如下图所示巴拿马系统变化原…...

贪心算法(Greedy Algorithm)详解:从理论到C++实践

目录1. 什么是贪心算法2. 贪心算法的适用条件3. 贪心算法的通用模板4. 经典贪心算法问题详解4.1 活动选择问题4.2 哈夫曼编码4.3 零钱兑换问题4.4 区间调度问题4.5 背包问题(分数背包)5. 贪心算法的证明技术6. 贪心算法的局限性7. 实际应用场景8. 总结与…...

梯度下降算法原理与Python实现详解

1. 梯度下降优化算法基础解析梯度下降是现代机器学习和深度学习中最核心的优化算法之一。我第一次接触这个概念是在研究线性回归模型时,当时被它简洁而强大的迭代优化思想所震撼。本质上,梯度下降是通过不断沿着目标函数梯度(即最陡下降方向&…...

猫狗分类实战:从数据预处理到模型优化的完整指南

1. 项目概述:猫狗照片分类的挑战与价值在计算机视觉领域,猫狗分类一直是个经典的入门项目。别看这个任务听起来简单,要实现97%的准确率可不容易。我花了三个月时间反复调试模型,最终在Kaggle的Dogs vs Cats数据集上达到了这个成绩…...

MyBatis学习(三)

一、SqlMapConfig.xml 配置文件详解1. 使用 properties 标签管理数据库信息为了便于维护&#xff0c;通常将数据库连接信息抽取到独立的 .properties 文件中。方式一&#xff1a;直接在 properties 标签内定义<?xml version"1.0" encoding"UTF-8"?>…...

AI驱动的代码安全审计工具:混合扫描策略与CI/CD集成实践

1. 项目概述&#xff1a;一个为AI Agent设计的智能安全审计工具 在代码安全领域&#xff0c;我们常常面临一个两难困境&#xff1a;传统的静态分析工具&#xff08;如SonarQube、Checkmarx&#xff09;虽然功能强大&#xff0c;但配置复杂、扫描速度慢&#xff0c;且误报率&am…...

MySQL:Fuzzy Checkpoint

一、 为什么需要“模糊&#xff08;Fuzzy&#xff09;”&#xff1f;对比 Sharp Checkpoint Sharp Checkpoint&#xff08;全量检查点&#xff09;&#xff1a; 顾名思义&#xff0c;要求将 Buffer Pool 中所有的脏页一次性全部刷新到磁盘。 触发时机&#xff1a; 通常只在数据…...

雁塔区底盘异响松散推荐哪家

在雁塔区开车的朋友们&#xff0c;是否经常被爱车的底盘问题所困扰&#xff1f;底盘咯吱响、过坎咯噔响、打方向咔咔响、跑起来松散晃悠……这些问题不仅严重影响驾驶体验&#xff0c;还可能埋下安全隐患。别再乱修乱换件了&#xff0c;今天就给大家推荐一家靠谱的汽修店——尚…...

nli-MiniLM2-L6-H768保姆级教程:Windows/Mac/Linux三平台NLI本地化部署

nli-MiniLM2-L6-H768保姆级教程&#xff1a;Windows/Mac/Linux三平台NLI本地化部署 1. 引言 nli-MiniLM2-L6-H768是一个专为自然语言推理(NLI)与零样本分类设计的轻量级交叉编码器(Cross-Encoder)模型。它虽然体积小巧&#xff0c;但在精度上接近BERT-base模型&#xff0c;同…...

XUnity Auto Translator

XUnity Auto Translator 【免费下载链接】XUnity.AutoTranslator 项目地址: https://gitcode.com/gh_mirrors/xu/XUnity.AutoTranslator 项目简介 这是一个高级翻译插件&#xff0c;可用于自动翻译基于Unity的游戏&#xff0c;并提供手动翻译所需的工具。 核心功能 …...

梯度下降的使用-房价预测

一个小小的建议&#xff1a;可以安装JupyterLab来调试练习&#xff0c;真的很方便。 """ 房价预测示例 - 使用梯度下降求解线性回归使用真实数据集&#xff1a;加州房价数据集 (California Housing Dataset) 来源&#xff1a;1990年加州人口普查数据特征说明&am…...

基于Nanobot的智能写作助手:自媒体内容生成系统

基于Nanobot的智能写作助手&#xff1a;自媒体内容生成系统 1. 引言 每天清晨&#xff0c;自媒体创作者小王都要面对同样的挑战&#xff1a;找热点、写大纲、创作内容、排版发布。这个过程往往需要3-4个小时&#xff0c;而且质量参差不齐。直到他发现了一个解决方案——基于N…...

OFA图像描述模型LaTeX科研文档辅助:自动为图表生成Caption

OFA图像描述模型LaTeX科研文档辅助&#xff1a;自动为图表生成Caption 写论文最烦人的步骤是什么&#xff1f;对我而言&#xff0c;除了反复修改格式&#xff0c;就是给那一大堆图表写Caption&#xff08;图注和表注&#xff09;。每张图、每个表&#xff0c;都得绞尽脑汁想一…...

OpenAI Symphony:生产级AI应用开发框架的设计理念与工程实践

1. 项目概述与核心价值最近在AI应用开发圈里&#xff0c;一个名为“Symphony”的项目引起了我的注意。它来自OpenAI&#xff0c;这个标签本身就意味着重量级。但和很多人想象的不同&#xff0c;Symphony并非一个全新的、独立的AI模型&#xff0c;而是一个面向生产环境的AI应用开…...

专业领域嵌入模型微调与高效数据清洗实践

1. 项目概述&#xff1a;定制化嵌入模型提升专业领域检索效果 在构建专业领域的信息检索系统时&#xff0c;通用嵌入模型的表现往往不尽如人意。以法律文书、医疗记录或多轮客户对话这类专业数据为例&#xff0c;标准模型难以捕捉其中的专业术语、上下文关联和领域特定语义。Co…...

VS Code 远程容器环境卡顿、构建失败、端口映射失效(2024最新避坑图谱)

更多请点击&#xff1a; https://intelliparadigm.com 第一章&#xff1a;VS Code 远程容器开发环境卡顿、构建失败、端口映射失效的典型现象与根因定位 常见现象速查表 现象典型表现高频触发场景卡顿文件保存延迟 >2s&#xff0c;终端响应迟滞&#xff0c;自动补全失效挂…...

Open3D 点云播放:连续帧可视化完整实现

文章目录 Open3D 点云播放:连续帧可视化完整实现 一、问题 二、基础结构 2.1 安装 2.2 核心 API 三、实现 3.1 数据准备 3.2 回调方式播放 3.3 播放控制(暂停/恢复) 四、真实 PCD 文件序列 五、延迟加载 + 多线程 六、可视化窗口配置 七、性能优化 复用几何体 八、键盘快捷键…...

TransformerUNet 医学图像分割:牙齿 X 光 + PyTorch 全链路

文章目录 TransformerUNet 医学图像分割:牙齿 X 光 + PyTorch 全链路 一、架构 二、环境 三、数据 3.1 结构 3.2 Dataset 四、模型 4.1 DoubleConv 4.2 TransformerEncoderBlock 4.3 TransformerUNet 五、训练 六、结果 七、对比 八、推理 九、调试 十、总结 代码链接与详细流…...

Java调用AI做智能数据清洗:实战文本纠错与格式化

一、前言 电商、CRM、企业内部系统里,数据质量问题永远是最头疼的问题之一。重复数据、格式混乱、信息缺失……传统规则引擎清洗规则越写越复杂,维护成本极高。 这一期我们换换口味,聊点接地气的:用AI帮Java做数据清洗。 二、痛点:传统规则清洗的困境 看几个典型例子:…...

LangChain4j实战:用Java打造本地知识库问答机器人

一、前言 最近AI应用最火的场景之一就是RAG(检索增强生成)——让AI基于你提供的文档来回答问题,而不是让它"胡编"。比如做一个公司内部知识库问答、产品手册问答等。 Java生态中做这个最成熟的库是LangChain4j。本文手把手教你用Java实现一个本地知识库问答机器…...

GLM-4.1V-9B-Base入门必备:JDK1.8环境下Java客户端调用指南

GLM-4.1V-9B-Base入门必备&#xff1a;JDK1.8环境下Java客户端调用指南 1. 为什么需要这份指南 很多企业还在使用JDK1.8运行关键业务系统&#xff0c;而GLM-4.1V-9B-Base作为新一代大模型&#xff0c;其官方SDK往往要求更高版本的Java环境。这就产生了一个现实问题&#xff1…...

复杂工业管网故障阀门智能定位系统实现【附源码】

✨ 本团队擅长数据搜集与处理、建模仿真、程序设计、仿真代码、EI、SCI写作与指导&#xff0c;毕业论文、期刊论文经验交流。 ✅ 专业定制毕设、代码 ✅ 如需沟通交流&#xff0c;查看文章底部二维码&#xff08;1&#xff09;动态阻力系数修正的阀门网络压降模型&#xff1a;基…...

【VS Code Dev Containers终极优化指南】:20年专家亲授12个生产环境避坑技巧,90%开发者从未用过的性能翻倍配置

更多请点击&#xff1a; https://intelliparadigm.com 第一章&#xff1a;Dev Containers核心原理与架构全景 Dev Containers&#xff08;开发容器&#xff09;并非简单地将代码运行在 Docker 中&#xff0c;而是基于 VS Code Remote-Containers 扩展构建的标准化开发环境抽象…...

Python基础:字典的键值对结构与增删改查操作

Python基础&#xff1a;字典的键值对结构与增删改查操作&#x1f4da; 本章学习目标&#xff1a;深入理解字典的键值对结构与增删改查操作的核心概念与实践方法&#xff0c;掌握关键技术要点&#xff0c;了解实际应用场景与最佳实践。本文属于《Python从入门到精通教程》Python…...

Resource Override深度解析:实现浏览器资源重定向与内容注入的架构设计

Resource Override深度解析&#xff1a;实现浏览器资源重定向与内容注入的架构设计 【免费下载链接】ResourceOverride An extension to help you gain full control of any website by redirecting traffic, replacing, editing, or inserting new content. 项目地址: https…...

LongCat-Image-Editn实战教程:用GitHub Actions实现PR触发自动图像编辑与效果验证

LongCat-Image-Editn实战教程&#xff1a;用GitHub Actions实现PR触发自动图像编辑与效果验证 你是不是也遇到过这样的场景&#xff1f;团队里有人提交了一个新的图像编辑功能&#xff0c;或者修改了某个图像处理的参数&#xff0c;你需要在本地拉取代码、配置环境、运行测试&…...

基于FastAPI的Python CMS GnuBoard6:从架构解析到生产部署实战

1. 项目概述&#xff1a;为什么选择 GnuBoard6 作为你的下一个 Python CMS&#xff1f;如果你正在寻找一个基于 Python 的现代化内容管理系统&#xff08;CMS&#xff09;&#xff0c;并且对 FastAPI 的高性能和简洁语法情有独钟&#xff0c;那么 GnuBoard6&#xff08;简称 G6…...

现代CAD技术在RF/微波混频器设计中的应用与优化

1. 现代CAD技术如何重塑RF/微波混频器设计流程十年前我刚入行时&#xff0c;混频器设计还停留在"手算公式试验板调试"的原始阶段。记得第一次设计2.4GHz下变频器时&#xff0c;为了调出理想的转换损耗&#xff0c;整整烧毁了十七个二极管样品。如今在CAD工具的辅助下…...

LM大模型算法原理浅析:从Transformer到现代预训练架构

LM大模型算法原理浅析&#xff1a;从Transformer到现代预训练架构 1. 引言&#xff1a;为什么需要理解大模型算法 如果你用过ChatGPT或者类似的AI对话工具&#xff0c;可能会好奇这些模型为什么能如此流畅地生成人类语言。背后的核心技术就是大语言模型&#xff08;LM&#x…...