在本教程中，我们将编写一个程序，用于从两个已排序数组的合并数组中找出第 k 个元素。让我们看看解决此问题的步骤。初始化两个已排序数组。初始化一个大小为 m + n 的空数组。将两个数组合并到新数组中。返回合并数组中的第 k - 1 个元素。示例让我们看看代码。 在线示例#include 使用命名空间 std；int findKthElement(int arr_one[], int arr_two[], int m, int n, int k) {   int sorted_arr[m + n];   int i = 0, j = 0, index = 0;   while (i < m && ..... 阅读更多

在此教程中，我们将编写一个程序来从数字 ab 在右侧找到第 k 位数字。这是一个简单的程序。我们来看看解决它的步骤。初始化数字 a、b 和 k。使用 pow 方法找到滥用值。编写一个循环，该循环迭代直到 power 值小于 0 或 count 小于 k。从 power 值中获取最后一位数字。增加计数器。检查 k 和计数器是否相等。如果相等，则返回该数字返回 -1。示例我们来看看代码。 实时演示#include  using namespace std;  int getTheDigit(int a, int b, int ... 了解更多

为了绘制平行坐标，我们可以采取以下步骤:- 使用 Seaborn 加载数据集 iris（需要互联网）。将加载的数据传递到 parallel_coordinates() 方法中，这将有助于并行绘制。使用 show() 方法显示图形。示例import matplotlib.pyplot as plt  from pandas.plotting import parallel_coordinates import seaborn as sns  plt.rcParams["figure.figsize"] = [7.50, 3.50]  plt.rcParams["figure.autolayout"] = True  data = sns.load_dataset('iris')  parallel_coordinates(data, 'species', colormap=plt.get_cmap("Set2"))  plt.show()输出

为了在调用 plot() 方法时隐藏 matplotlib.lines.Line2D 实例，我们可以采取以下步骤:- 导入 NumPy 为 np。从 matplotlib 导入 pyplot 作为 plt。为 x 创建点，即 np.linspace(1, 10, 1000)。现在使用 plot() 方法绘制线条。要隐藏该实例，请使用 plt.plot(x); （加分号）或使用 _ = plt.plot(x)。示例In [1]: import numpy as np  In [2]: from matplotlib import pyplot as plt  In [3]: x = np.linspace(1, 10, 1000)  In [4]: plt.plot(x)  Out[4]: []  In [5]: plt.plot(x);  In [6]: _ = plt.plot(x)  In [7]:输出Out[4]: []

为了使用 Seaborn factorplot 更改图形大小，我们可以采取以下步骤:- 使用 load_dataset() 方法加载练习数据。使用 factorplot() 方法，通过自定义 size 和 aspect 值更改图形大小。使用 show() 方法显示图形。示例import seaborn as sns  from matplotlib import pyplot as plt  plt.rcParams["figure.figsize"] = [7.50, 3.50]  plt.rcParams["figure.autolayout"] = True  exercise = sns.load_dataset("exercise")  sns.factorplot("kind", "pulse", "diet", exercise, kind="point", size=5, aspect=2)  plt.show()输出

为了在子图内部嵌入小图，我们可以采取以下步骤:- 使用 subplots() 方法，创建一个图形和一组子图 (fig, ax1)。在 ax1 上，使用颜色红色、线宽=4、label=”外部图”绘制线条。使用 add_axes()，添加一个带有 l、b、h 和 w 值的轴，即 ax2。使用 plot() 方法绘制相同的点（步骤 2），颜色为绿色、线宽=3、label=”内部图”。使用 legend() 方法在两个图上设置图例。使用 show() 方法显示图形。示例from matplotlib import pyplot as plt  plt.rcParams["figure.figsize"] = [7.50, 3.50]  plt.rcParams["figure.autolayout"] = True  fig, ax1 = plt.subplots()  ax1.plot([1, 4, ... 了解更多

若要设置 Matplotlib 轴图例的字体大小，我们可以按照下列步骤进行操作- 使用 numpy 创建 x 和 y 的点。使用 plot() 方法并带有标签 y=sin(x) 绘制 x 和 y。使用 title() 方法为图表命名。若要设置字体大小，我们可以将 rcParams 图例字体大小覆盖为 20。使用 legend() 方法，然后将图例贴在右上角位置。若要显示图表，请使用 show() 方法。示例导入 numpy 作为 np 从 matplotlib 导入 pyplot 作为 plt 导入 matplotlib plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True x = np.linspace(1, 10, 50) y = np.sin(x) plt.plot(x, y, c="red", lw=7, label="y=sin(x)") ... 阅读更多

在本教程中，我们将编写一个程序，它检查给定的数字是否是 k-粗糙数或 k-锯齿数。最小质因数大于或等于给定 k 的数字称为 k-粗糙数或 k-锯齿数。我们来看看解决此问题的步骤。初始化数字 n 和 k。找出 n 所有质因数，并将其存储在向量中。从向量中获取第一个元素，并将其与 k 比较，以检查 n 是否是 k-粗糙数或 k-锯齿数。示例我们来看看代码。实际演示#include 命名空间使用 ... 阅读更多

若要显示原点，我们可以按照下列步骤进行操作- 使用 numpy 创建 x、y1 和 y2 的点。使用 plot() 方法绘制正弦和余弦曲线。绘制垂直线，即 x=0。绘制水平线，即 y=0。第 3 步和第 4 步的交点可能是原点。若要显示线条的标签，请使用 legend() 方法。若要显示图表，请使用 show() 方法。示例导入 numpy 作为 np 从 matplotlib 导入 pyplot 作为 plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True x = np.linspace(1, 10, 50) y1 = np.sin(x) y2 = np.cos(x) plt.plot(x, y1, c="orange", label="y=sin(x)") plt.plot(x, y2, c="green", label="y=cos(x)") plt.axvline(x=0, c="red", label="x=0") plt.axhline(y=0, c="yellow", ... 阅读更多

若要根据 matplotlib 中某些变量更改数据点的颜色，我们可以按照下列步骤进行操作- 使用 numpy 创建 x、y 和 c 变量。使用 x、y 绘制散点，并为颜色使用 c（步骤 1）。若要显示图像，请使用 show() 方法。示例导入 numpy 作为 np 从 matplotlib 导入 pyplot 作为 plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True x = np.linspace(1, 20, 50) y = np.log(x) c = np.random.randint(x) plt.scatter(x, y, c=c) plt.show() 输出