Python算法100例-3.5 亲密数

2024-03-03 19:36
文章标签 python 算法 100 3.5 亲密

本文主要是介绍Python算法100例-3.5 亲密数,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  • 1.问题描述
  • 2.问题分析
  • 3.算法设计
  • 4.确定程序框架
  • 5.完整的程序
  • 6.问题拓展

1.问题描述

如果整数A的全部因子(包括1,不包括A本身)之和等于B,且整数B的全部因子(包括1,不包括B本身)之和等于A,则将整数A和B称为亲密数。求3000以内的全部亲密数。

2.问题分析

按照亲密数定义,要判断整数a是否有亲密数,只要计算出a的全部因子的累加和,将其存到变量b,再计算b的全部因子的累加和设为n,若n等于a,则可判定a和b是亲密数。

3.算法设计

计算数a的各因子的算法:用a依次对i(i的范围可以是1~a-1或1~a/2-1)进行模(“%”,在编程过程中一定要注意求模符号两边参加运算的数据必须为整数)运算,若结果等于0,则i为a的一个因子;否则i就不是a的因子。将所求得的因子累加到变量b。

接下来求变量b的因子:算法同上,将b的因子之和累加到变量n。根据亲密数的定义判断变量n是否等于变量a(if(n==a)),若相等,则a和b是一对亲密数,反之则不是。

4.确定程序框架

程序的简单流程图如图所示。

在这里插入图片描述

5.完整的程序

# 亲密数if __name__=="__main__":print("3000以内的全部亲密数为:")for a in range(1, 3000):                # 穷举3000以内的全部整数b = 0i = 1while i <= (a//2):               # 计算数 a 的各因子,将各因子之和存放到b中if a % i == 0:b += ii += 1n = 0                                               # 计算b的各因子,将各因子之和存于 nj = 1while j <= (b//2):if b % j == 0:n += jj += 1if n == a and a < b:print("%4d -- %4d \t" %(a, b))
3000以内的全部亲密数为:220 --  284 	
1184 -- 1210 	
2620 -- 2924 	

6.问题拓展

将原程序稍做改动,在最初定义的时候给变量b和n赋初值0。完整的代码如下:

%%time
# 亲密数if __name__=="__main__":print("3000以内的全部亲密数为:")b = 0n = 0for a in range(3000):           # 穷举30000以内的全部整数# 计算数a的各因子,将各因子之和存放到b中i = 1while i <= (a//2):if a % i == 0:b += ii += 1# 计算b的各因子,将各因子之和存于nj = 1while j <= (b//2):if b % j == 0:n += jj += 1if n == a and a < b:print("%4d -- %4d \t" %(a, b))
3000以内的全部亲密数为:---------------------------------------------------------------------------KeyboardInterrupt                         Traceback (most recent call last)File <timed exec>:18, in <module>KeyboardInterrupt: 

可以看出程序并没有输出结果,即在3000这个范围内没有找到亲密数,而实际上亲密数是存在的,这是为什么呢?

后面这个程序看上去似乎没有什么问题,但是仔细分析一下会发现:在最初定义的时候给变量b和n赋初值0,第一次执行循环体时,将a和b的因子分别累加到b和n,得到的b和n的值确实是两个变量的因子之和,但是当再次执行循环体时,b和n的初值已不再是0,当再次把求得的因子累加到其上时,最后b和n存储的值并不是所求当前变量的因子之和(还包括上次判断的变量的因子之和),故最后没有符合条件的a和b。

注意:

对于这类需要多次将某些值存储到一个变量中的情况,一定要注意变量赋初值的位置。

这篇关于Python算法100例-3.5 亲密数的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/770676

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

4B参数秒杀GPT-3.5:MiniCPM 3.0惊艳登场!

​ 面壁智能 在 AI 的世界里,总有那么几个时刻让人惊叹不已。面壁智能推出的 MiniCPM 3.0,这个仅有4B参数的"小钢炮",正在以惊人的实力挑战着 GPT-3.5 这个曾经的AI巨人。 MiniCPM 3.0 MiniCPM 3.0 MiniCPM 3.0 目前的主要功能有: 长上下文功能:原生支持 32k 上下文长度,性能完美。我们引入了