【动画图解】一次理清九大排序算法！面试官问到再也不慌！

排序算法

  • 交换排序
    • 冒泡排序
    • 快速排序
  • 插入排序
    • 直接插入排序
    • 希尔排序
  • 选择排序
    • 简单选择排序
    • 堆排序
  • 归并排序
  • 基数排序
  • 桶排序
    九大排序

一、冒泡排序

冒泡排序是一种简单的交换排序算法，以升序排序为例，其核心思想是：

  1. 从第一个元素开始，比较相邻的两个元素。如果第一个比第二个大，则进行交换。
  2. 轮到下一组相邻元素，执行同样的比较操作，再找下一组，直到没有相邻元素可比较为止，此时最后的元素应是最大的数。
  3. 除了每次排序得到的最后一个元素，对剩余元素重复以上步骤，直到没有任何一对元素需要比较为止。
/**
 * 冒泡排序
 *
 * @param arr
 */
public void bubbleSort(int[] arr) {
    int tmp;
    // 冒泡优化：如果在某一次冒泡过程中，没有发生交换，则证明数组已经是有序的了
    for (int i = 0; i < arr.length; i++) {
        boolean flag = true;
        for (int j = i + 1; j < arr.length; j++) {
            if (arr[j] < arr[i]) {
                flag = false;
                tmp = arr[j];
                arr[j] = arr[i];
                arr[i] = tmp;
            }
        }
        if (flag) {
            break;
        }
    }
}

二、快速排序

快速排序的思想很简单，就是先把待排序的数组拆成左右两个区间，左边都比中间的基准数小，右边都比基准数大。接着左右两边各自再做同样的操作，完成后再拆分再继续，一直到各区间只有一个数为止。

/**
 * 快速排序
 *
 * @param arr
 */
public void quickSort(int[] arr, int low, int high) {
    if (low >= high) {
        return;
    }
    int left = low;
    int right = high;
    int baseIndex = left;
    int base = arr[baseIndex];
    int tmp;
    while (left < right) {
        while (arr[right] >= base && left < right) {
            // 以base为基准，从右往左找到比基准小的数
            right--;
        }
        while (arr[left] <= base && left < right) {
            // 以base为基准，从左往右找到比基准大的数
            left++;
        }
        if (left < right) {
            // 左右还没相交，大小对换位置
            tmp = arr[left];
            arr[left] = arr[right];
            arr[right] = tmp;
        }
    }
    // 这一轮快排结束，交换相遇点与基准点，把基准数放在对应的位置上
    // 因为要把基准数和相遇点交换，由于if判断包含等于，那么从左往右就会找到比基准数小的数，从右往左就会找到比基准数大的数，会越过基准数
    // 因此当基准点小于相遇点时（基准点取第一位数），必须保证从先移动右指针，再移动左指针；当基准点大于相遇点时（基准点取最后一位位数），必须保证从先移动左指针，再移动右指针
    // 如果一定要随机基准数，有个简单的改进方法，就是随机一位数，与首位，或最后一位先做一下交换
    tmp = arr[baseIndex];
    arr[baseIndex] = arr[right];
    arr[right] = tmp;
    //数组“分两半”,再重复上面的操作
    quickSort(arr, low, left - 1);
    quickSort(arr, left + 1, high);
}

三、插入排序

插入排序是一种简单的排序方法，其基本思想是将一个记录插入到已经排好序的有序表中，使得被插入数的序列同样是有序的。按照此法对所有元素进行插入，直到整个序列排为有序的过程。

1. 直接插入排序

直接插入排序就是插入排序的粗暴实现。对于一个序列，选定一个下标，认为在这个下标之前的元素都是有序的。将下标所在的元素插入到其之前的序列中。接着再选取这个下标的后一个元素，继续重复操作。直到最后一个元素完成插入为止。我们一般从序列的第二个元素开始操作。
直接插入排序

/**
 * 插入排序
 *
 * @param arr
 */
public void insertSort(int[] arr) {
    // 从第二个数开始遍历
    for (int i = 1; i < arr.length; i++) {
        // 插入的数
        int insertNum = arr[i];
        // 寻找插入点
        int insertIndex = 0;
        for (int j = 0; j < i; j++, insertIndex++) {
            // 插入点在比插入数大的这一位的前面
            if (insertNum < arr[j]) {
                break;
            }
        }
        // 从插入点往后依次挪动
        for (int j = i; j >= insertIndex; j--) {
            if (j > 0) {
                arr[j] = arr[j - 1];
            }
        }
        // 最后插入数据
        arr[insertIndex] = insertNum;
    }
}

插入排序对已经排好序的数组操作时，效率很高

2. 希尔排序

某些情况下直接插入排序的效率极低。比如一个已经有序的升序数组，这时再插入一个比最小值还要小的数，也就意味着被插入的数要和数组所有元素比较一次。我们需要对直接插入排序进行改进。

我们可以试着先将数组变为一个相对有序的数组，然后再做插入排序。

希尔排序的步骤简述如下：

  1. 把元素按步长gap分组，gap的数值其实就是分组的个数。gap的起始值为数列长度的一半，每循环一轮gap减为原来的一半。
  2. 对每组元素采用直接插入排序算法进行排序。
  3. 随着步长逐渐减小，组就越少，组中包含的元素就越多。
  4. 当步长值减小到1时，整个数据合成一组，最后再对这一组数列用直接插入排序进行最后的调整，最终完成排序。

我们以无序数列[5，8，6，3，9，2，1，7，,4]为例，详细介绍希尔排序的步骤：

(1). 第一轮排序，gap = length/2 = 4，即将数组分成4组。四组元素分别为[5，9，4]、[8，2]、[6，1]、[3，,7]。对四组元素分别进行排序结果为：[4，5，9]、[2，8]、[1，6]、[3，7]。将四组排序结果进行合并，得到第一轮的排序结果为：[4，2，1，3，5，8，6，7，9]。如下图所示。

希尔排序

(2). 第二轮排序，gap = 2，将数列分成2组。两组的元素分别是[4，1，5，6，9]和[2，3，8，,7]。这两个组分别执行直接插入排序后的结果为[1，4，5，6，9]和[2，3，7，8]。将两组合并后的结果为[1，2，4，3，5，7，6，8，9]，如下图所示。

希尔排序

(3). 第三轮排序，gap = 1，数组就变成了一组。该组的元素是[1，2，4，3，5，7，6，8，9]，这个组执行直接插入排序后结果为[1，2，3，4，5，6，7，8，9]，这个结果就是第三轮排序后得到的结果。此时排序完成，如下图所示。
希尔排序

public void shellSort(int[] arr) {
    // gap 为步长，每次减为原来的一半。
    for (int gap = arr.length / 2; gap > 0; gap /= 2) {
        // 对每一组都执行直接插入排序
        for (int i = 0 ;i < gap; i++) {
            // 对本组数据执行直接插入排序
            for (int j = i + gap; j < arr.length; j += gap) {
                // 如果 a[j] < a[j-gap]，则寻找 a[j] 位置，并将后面数据的位置都后移
                if (arr[j] < arr[j - gap]) {
                    int k;
                    int temp = arr[j];
                    for (k = j - gap; k >= 0 && arr[k] > temp; k -= gap) {
                        arr[k + gap] = arr[k];
                    }
                    arr[k + gap] = temp;
                }
            }
        }
    }
}

四、选择排序

1. 简单选择排序

选择排序思想的暴力实现，每一趟从未排序的区间找到一个最小元素，并放到第一位，直到全部区间有序为止。

public void selectSort(int[] arr) {
    for (int i = 0; i < arr.length; i++) {
        // 遍历数据
        int minIndex = i;
        for (int j = i + 1; j < arr.length; j++) {
            // 从当前位置往后遍历，找到最小数的下标
            if (arr[j] < arr[minIndex]) {
                minIndex = j;
            }
        }
        // 最小数的下标不是第一个数，那么就把最小下标和第一个数做交换
        if (i != minIndex) {
            int temp = arr[i];
            arr[i] = arr[minIndex];
            arr[minIndex] = temp;
        }
    }
}

2. 堆排序

对于任何一个数组都可以看成一颗完全二叉树。堆是具有以下性质的完全二叉树

  • 大顶堆：每个结点的值都大于或等于其左右孩子结点的值
  • 小顶堆：每个结点的值都小于或等于其左右孩子结点的值
    堆排序

像上图的大顶堆，映射为数组，就是 [50, 45, 40, 20, 25, 35, 30, 10, 15]。可以发现第一个下标的元素就是最大值，将其与末尾元素交换，则末尾元素就是最大值。所以堆排序的思想可以归纳为以下两步：

  1. 将待排序的数组初始化为大顶堆，该过程即建堆。
  2. 将堆顶元素与最后一个元素进行交换，除去最后一个元素外可以组建为一个新的大顶堆。
  3. 由于第二部堆顶元素跟最后一个元素交换后，新建立的堆不是大顶堆，需要重新建立大顶堆。重复上面的处理流程，直到堆中仅剩下一个元素。

重复以上两个步骤，直到没有元素可操作，就完成排序了。

我们需要把一个普通数组转换为大顶堆，调整的起始点是最后一个非叶子结点，然后从左至右，从下至上，继续调整其他非叶子结点，直到根结点为止。
堆排序

/**
 * 堆排序
 *
 * @param arr
 */
public void heapSort(int[] arr) {
    // 开始位置是最后一个非叶子结点，即最后一个结点的父结点
    int start = (arr.length - 1) / 2;
    // 调整为大顶堆
    for (int i = start; i >= 0; i--) {
        maxHeap(arr, arr.length, i);
    }
    // 先把数组中第 0 个位置的数和堆中最后一个数交换位置，再把前面的处理为大顶堆
    for (int i = arr.length - 1; i > 0; i--) {
        int temp = arr[0];
        arr[0] = arr[i];
        arr[i] = temp;
        maxHeap(arr, i, 0);
    }
}
/**
 * 转化为大顶堆
 *
 * @param arr   待转化的数组
 * @param size  待调整的区间长度
 * @param index 结点下标
 */
public void maxHeap(int[] arr, int size, int index) {
    // 左子结点
    int leftNode = 2 * index + 1;
    // 右子结点
    int rightNode = 2 * index + 2;
    int max = index;
    // 和两个子结点分别对比，找出最大的结点
    if (leftNode < size && arr[leftNode] > arr[max]) {
        max = leftNode;
    }
    if (rightNode < size && arr[rightNode] > arr[max]) {
        max = rightNode;
    }
    // 交换位置
    if (max != index) {
        int temp = arr[index];
        arr[index] = arr[max];
        arr[max] = temp;
        // 因为交换位置后有可能使子树不满足大顶堆条件，所以要对子树进行调整
        maxHeap(arr, size, max);
    }
}

五、归并排序

归并排序是建立在归并操作上的一种有效，稳定的排序算法。该算法采用分治法的思想，是一个非常典型的应用。归并排序的思路如下：

  1. 将 n 个元素分成两个各含 n/2 个元素的子序列
  2. 借助递归，两个子序列分别继续进行第一步操作，直到不可再分为止
  3. 此时每一层递归都有两个子序列，再将其合并，作为一个有序的子序列返回上一层，再继续合并，全部完成之后得到的就是一个有序的序列

关键在于两个子序列应该如何合并。假设两个子序列各自都是有序的，那么合并步骤就是：

  1. 创建一个用于存放结果的临时数组，其长度是两个子序列合并后的长度
  2. 设定两个指针，最初位置分别为两个已经排序序列的起始位置
  3. 比较两个指针所指向的元素，选择相对小的元素放入临时数组，并移动指针到下一位置
  4. 重复步骤 3 直到某一指针达到序列尾
  5. 将另一序列剩下的所有元素直接复制到合并序列尾
    归并排序
/**
 * 合并数组
 */
public void merge(int[] arr, int low, int middle, int high) {
    // 用于存储归并后的临时数组
    int[] temp = new int[high - low + 1];
    // 记录第一个数组中需要遍历的下标
    int i = low;
    // 记录第二个数组中需要遍历的下标
    int j = middle + 1;
    // 记录在临时数组中存放的下标
    int index = 0;
    // 遍历两个数组，取出小的数字，放入临时数组中
    while (i <= middle && j <= high) {
        // 第一个数组的数据更小
        if (arr[i] <= arr[j]) {
            // 把更小的数据放入临时数组中
            temp[index] = arr[i];
            // 下标向后移动一位
            i++;
        } else {
            temp[index] = arr[j];
            j++;
        }
        index++;
    }
    // 处理剩余未比较的数据
    while (i <= middle) {
        temp[index] = arr[i];
        i++;
        index++;
    }
    while (j <= high) {
        temp[index] = arr[j];
        j++;
        index++;
    }
    // 把临时数组中的数据重新放入原数组
    for (int k = 0; k < temp.length; k++) {
        arr[k + low] = temp[k];
    }
}
/**
 * 归并排序
 */
public void mergeSort(int[] arr, int low, int high) {
    int middle = (high + low) / 2;
    if (low < high) {
        // 处理左边数组
        mergeSort(arr, low, middle);
        // 处理右边数组
        mergeSort(arr, middle + 1, high);
        // 归并
        merge(arr, low, middle, high);
    }
}

六、基数排序

基数排序的原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。为此需要将所有待比较的数值统一为同样的数位长度，数位不足的数在高位补零。
基数排序

/**
 * 基数排序
 *
 * @param arr
 */
public void radixSort(int[] arr) {
    // 存放数组中的最大数字
    int max = Integer.MIN_VALUE;
    for (int value : arr) {
        if (value > max) {
            max = value;
        }
    }
    // 计算最大数字是几位数
    int maxLength = (max + "").length();
    // 用于临时存储数据（0-9）
    int[][] temp = new int[10][arr.length];
    // 用于记录在 temp 中相应的下标存放数字的数量（0-9）
    int[] counts = new int[10];
    // 根据最大长度的数决定比较次数（从低位往高位以此比较）
    for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
        // 每一个数字分别计算余数
        for (int value : arr) {
            // 计算余数
            int remainder = value / n % 10;
            // 把当前遍历的数据放到指定的数组中
            temp[remainder][counts[remainder]] = value;
            // 记录数量
            counts[remainder]++;
        }
        // 记录取的元素需要放的位置
        int index = 0;
        // 把数字取出来
        for (int k = 0; k < counts.length; k++) {
            // 记录数量的数组中当前余数记录的数量不为 0
            if (counts[k] != 0) {
                // 循环取出元素
                for (int l = 0; l < counts[k]; l++) {
                    arr[index] = temp[k][l];
                    // 记录下一个位置
                    index++;
                }
                // 把数量置空
                counts[k] = 0;
            }
        }
    }
}

七、桶排序

桶排序（Bucket Sort）又称箱排序，是一种比较常用的排序算法。其算法原理是将数组分到有限数量的桶里，再对每个桶分别排好序（可以是递归使用桶排序，也可以是使用其他排序算法将每个桶分别排好序），最后一次将每个桶中排好序的数输出。

桶排序的思想就是把待排序的数尽量均匀地放到各个桶中，再对各个桶进行局部的排序，最后再按序将各个桶中的数输出，即可得到排好序的数。

  1. 首先确定桶的个数。因为桶排序最好是将数据均匀地分散在各个桶中，那么桶的个数最好是应该根据数据的分散情况来确定。首先找出所有数据中的最大值mx和最小值mn；根据mx和mn确定每个桶所装的数据的范围 size，有size = (mx - mn) / n + 1，n为数据的个数，需要保证至少有一个桶，故而需要加个1；

求得了size即知道了每个桶所装数据的范围，还需要计算出所需的桶的个数cnt，有cnt = (mx - mn) / size + 1，需要保证每个桶至少要能装1个数，故而需要加个1；

  1. 求得了size和cnt后，即可知第一个桶装的数据范围为 [mn, mn + size)，第二个桶为 [mn + size, mn + 2 * size)，…，以此类推因此步骤2中需要再扫描一遍数组，将待排序的各个数放进对应的桶中。
  2. 对各个桶中的数据进行排序，可以使用其他的排序算法排序，例如快速排序；也可以递归使用桶排序进行排序；
  3. 将各个桶中排好序的数据依次输出，最后得到的数据即为最终有序。
/**
 * 桶排序
 *
 * @param arr
 */
public void bucketSort(int[] arr) {
    int n = arr.length;
    int mn = arr[0], mx = arr[0];
    // 找出数组中的最大最小值
    for (int i = 1; i < n; i++) {
        mn = Math.min(mn, arr[i]);
        mx = Math.max(mx, arr[i]);
    }
    // 每个桶存储数的范围大小，使得数尽量均匀地分布在各个桶中，保证最少存储一个
    int size = (mx - mn) / n + 1;
    // 桶的个数，保证桶的个数至少为1
    int cnt = (mx - mn) / size + 1;
    // 声明cnt个桶
    List<Integer>[] buckets = new List[cnt];
    for (int i = 0; i < cnt; i++) {
        buckets[i] = new ArrayList<>();
    }
    // 扫描一遍数组，将数放进桶里
    for (int k : arr) {
        int idx = (k - mn) / size;
        buckets[idx].add(k);
    }
    // 对各个桶中的数进行排序，这里用库函数快速排序
    for (int i = 0; i < cnt; i++) {
        // 默认是按从小打到排序
        // 这里可以用任何的方式排序，这里直接用List的sort方法
        buckets[i].sort(null);
    }
    // 依次将各个桶中的数据放入返回数组中
    int index = 0;
    for (int i = 0; i < cnt; i++) {
        for (int j = 0; j < buckets[i].size(); j++) {
            arr[index++] = buckets[i].get(j);
        }
    }
}

排序算法对比

排序算法时间复杂度(平均)时间复杂度(最坏)时间复杂度(最好)空间复杂度稳定性
冒泡排序O(n2)O(n2)O(n)O(1)稳定
选择排序O(n²)O(n²)O(n²)O(1)不稳定
插入排序O(n²)O(n²)O(n)O(1)稳定
快速排序O(nlogn)O(n²)O(nlogn)O(nlogn)不稳定
堆排序O(nlogn)O(nlogn)O(nlogn)O(1)不稳定
希尔排序O(n^1.3)O(n²)O(n)O(1)不稳定
归并排序O(nlogn)O(nlogn)O(nlogn)O(n)稳定
基数排序O(d(n+k))O(d(n+k))O(d(n+k))O(n+k)稳定
桶排序O(n+k)O(n²)O(n)O(n+k)稳定

参考资料：https://mp.weixin.qq.com/s?__biz=MzAxMjY5NDU2Ng==&mid=2651862169&idx=1&sn=e011e79ff77736dfb389084bb3a20d37&chksm=804971d0b73ef8c649d7c9b08706f3c33b0e10c3935e24982337b05d69f1487ace072fbd48d9&scene=27

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/263142.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

帕累托森林CEO李朝政博士受邀「OSS-Compass」开源年会畅谈：开源框架下的奇异竞争规则

帕累托森林CEO李朝政博士受邀「OSS-Compass」开源年会畅谈：开源框架下的奇异竞争规则

导语 “怎么在别人知道你的代码和战略时&#xff0c;你仍然拥有壁垒&#xff1f;”这是开源框架下&#xff0c;商业必须思考的问题。 软件驱动世界运转。但当基础层代码失去了有深度活力的“动态延伸”潜力&#xff0c;便会遭致市场“零定价”的宿命。动态延伸的效率&#xf…
阅读更多...
Docker概述及介绍

Docker概述及介绍

Docker是近年来新兴的虚拟化工具&#xff0c;它可以和虚拟机一样实现资源和系统环境的隔离。 库&#xff0c;然后再安装应用&#xff1b; Container(Docker容器)&#xff0c;在宿主机器、宿主机器操作系统上创建Docker引擎&#xff0c;在引擎的基础上再安装应用。 Docker三…
阅读更多...
华为设备VRP基础

华为设备VRP基础

交换机可以隔离冲突域&#xff0c;路由器可以隔离广播域&#xff0c;这两种设备在企业网络中应用越来越广泛。随着越来越多的终端接入到网络中&#xff0c;网络设备的负担也越来越重&#xff0c;这时网络设备可以通过华为专有的VRP系统来提升运行效率。通用路由平台VRP&#xf…
阅读更多...
华为Harmony——ArkTs语言

华为Harmony——ArkTs语言

文章目录 一、简单示例二、声明式UI描述创建组件无参有参数 配置属性配置事件配置子组件 三、自定义组件基本用法基本结构成员函数/变量 一、简单示例 我们以一个具体的示例来说明ArkTS的基本组成。如下图所示&#xff0c;当开发者点击按钮时&#xff0c;文本内容从“Hello Wo…
阅读更多...
Python 爬虫之下载视频（二）

Python 爬虫之下载视频（二）

爬取某Y的视频链接和标题 文章目录 爬取某Y的视频链接和标题前言一、基本思路二、程序解析阶段三、程序处理阶段总结 前言 这篇内容就简单给大家写个如何从网页上爬取某B主 主页 页面上所有的视频链接和视频标题。 这篇是基础好好看&#xff0c;下篇会根据这篇的结果做一个批…
阅读更多...
如何在小程序中添加字符

如何在小程序中添加字符

随着移动互联网的普及&#xff0c;微信小程序已经成为众多商家的首选。通过微信小程序&#xff0c;商家可以展示产品、服务和品牌形象。那么如何在微信小程序中添加视频内容呢&#xff1f;本文将详细介绍操作步骤。 首先&#xff0c;商家需要登录乔拓云平台&#xff0c;进入门店…
阅读更多...
什么是密钥扩展？如何确保密码安全？

什么是密钥扩展？如何确保密码安全？

为了访问自己的数字账户&#xff0c;我们通常需要用到密码或口令。不过&#xff0c;正如现实生活中开锁的钥匙可能并不总是牢靠一样&#xff0c;并非所有的密码都是安全的。为了加强在线防御&#xff0c;安全专家开发了一系列技术和方法&#xff0c;来提高密码的安全性。这些方…
阅读更多...
SecGPT：全球首个网络安全开源大模型

SecGPT：全球首个网络安全开源大模型

2023年是人工智能的奇迹年&#xff0c;OpenAI的ChatGPT横空出世&#xff0c;在自然语言的人机对话领域实现了突破性的智能表现。人工智能技术的革命性应用已在各行业引发了热潮&#xff0c;医疗、金融、法律等领域都涌现出了垂类开源大模型&#xff0c;为行业应用带来了无限可能…
阅读更多...
【科学计算语言】实验四 科学计算与可视化

【科学计算语言】实验四 科学计算与可视化

【目的和要求】 &#xff08;1&#xff09;理解科学计算实质并掌握Python语言的科学计算应用 &#xff08;2&#xff09;掌握常用科学计算库 &#xff08;3&#xff09;熟练运用numpy及scipy、matplotlib等计算库资源 【实验准备】 Python核心科学计算库的导入、配置并熟悉相关…
阅读更多...
LangChain入门指南：定义、功能和工作原理

LangChain入门指南：定义、功能和工作原理

LangChain入门指南&#xff1a;定义、功能和工作原理 引言LangChain是什么&#xff1f;LangChain的核心功能LangChain的工作原理LangChain实际应用案例如何开始使用LangChain 引言 在人工智能的浪潮中&#xff0c;语言模型已成为推动技术革新的重要力量。从简单的文本生成到复…
阅读更多...
内皮素-1（Endothelin-1 ）ELISA kit

内皮素-1（Endothelin-1 ）ELISA kit

灵敏、快速的内皮素-1 ELISA试剂盒&#xff0c;适用于心血管和应激相关研究 内皮素&#xff08;Endothelin, ET&#xff09;是由血管内皮细胞产生的异肽&#xff0c;具有强大的血管收缩活性。这种肽由三个独立的基因编码&#xff0c;经过加工产生39个残基的 大ET 分子&#xff…
阅读更多...
【JS】事件循环机制

【JS】事件循环机制

一、JS单线程、异步、同步概念 众所周知&#xff0c;JS是单线程&#xff08;如果一个线程删DOM&#xff0c;一个线程增DOM&#xff0c;浏览器傻逼了&#xff5e;所以只能单着了&#xff09;&#xff0c;虽然有webworker酱紫的多线程出现&#xff0c;但也是在主线程的控制下。we…
阅读更多...
Prompt-to-Prompt：基于 cross-attention 控制的图像编辑技术

Prompt-to-Prompt：基于 cross-attention 控制的图像编辑技术

Hertz A, Mokady R, Tenenbaum J, et al. Prompt-to-prompt image editing with cross attention control[J]. arXiv preprint arXiv:2208.01626, 2022. Prompt-to-Prompt 是 Google 提出的一种全新的图像编辑方法&#xff0c;不同于任何传统方法需要用户指定编辑区域&#xff…
阅读更多...
大一C语言作业题目2

大一C语言作业题目2

目录 字符串&#xff1f; struct&#xff1f; index细节&#xff1f; scanf细节&#xff1f; 7-2 找出总分最高的学生 给定N个学生的基本信息&#xff0c;包括学号&#xff08;由5个数字组成的字符串&#xff09;、姓名&#xff08;长度小于10的不包含空白字符的非空字符…
阅读更多...
转义字符使用详解【C语言】

转义字符使用详解【C语言】

目录 转义字符的概念 转义字符表 转义字符详解 和 实际使用示例 一、\a 二、\b 三、\f 四、\n 五、\r 六、\t 七、\v 八、\\ 九、\ 十、\" 十一、\? 十二、\0 十三、\ddd 十四、\xhh 总结—— 转义字符的概念 所有的 ASCII码都可以用“\加数字” 来表示…
阅读更多...
Shell编程自动化之特殊Shell扩展变量

Shell编程自动化之特殊Shell扩展变量

1.变量的处理 1.1 如果parameter变量值为空&#xff0c;那么返回str字符串。 ${parameter:-str} 1.2 如果parameter变量值为空&#xff0c;那么str替代变量值&#xff0c;且返回其值。 ${parameter:str} 1.3 如果parameter变量值为空&#xff0c;那么str当作stderr输出&am…
阅读更多...
数据库关系图,如何连接mysql,编码集和校验集,创建/删除/选择/修改/备份/恢复数据库,数据库本质,查看数据库连接

数据库关系图,如何连接mysql,编码集和校验集,创建/删除/选择/修改/备份/恢复数据库,数据库本质,查看数据库连接

目录 数据库服务器、数据库和表的关系 连接服务 库的操作 查看数据库 编码格式 编码集 校验集 查看支持的规则 查看系统默认规则 查看默认编码集 查看默认校验集 查看各种服务的默认校验集 创建数据库 if not exists 指定格式创建数据库 设置编码集 设置校验集…
阅读更多...
安装gnvm,nodejs,npm使用方法

安装gnvm,nodejs,npm使用方法

安装gnvm,nodejs,npm使用方法 一、安装gnvm gnvm.exe下载地址&#xff1a; https://download.csdn.net/download/hsg77/88651752 http://ksria.com/gnvm/#download 二、配置gnvm环境变量 新建目录&#xff0c;如&#xff1a;d:/nodejs 并把gnvm.exe存储到此目录 并把d:/node…
阅读更多...
【NI-RIO入门】理解Windows、Real Time与FPGA之间数据通信的原理

【NI-RIO入门】理解Windows、Real Time与FPGA之间数据通信的原理

于NI kb摘录 1.概述 对于NI RIO系列设备&#xff08;CompactRIO、sbRIO、myRIO等&#xff09;进行编程时&#xff0c;需要注意有三个不同的组件。 人机界面 (HMI) 。有时称为“主机”&#xff0c;为用户提供图形用户界面&#xff08;GUI&#xff09;&#xff0c;用于监控系统…
阅读更多...
RabbitMQ笔记(基础篇)

RabbitMQ笔记(基础篇)

RabbitMQ笔记_基础篇 MQ基本概念1. MQ概述2. MQ的优势和劣势2.1 优势☆2.2 劣势2.3 使用 MQ 需要满足什么条件呢&#xff1f; 3. 常见的MQ产品 RabbitMQ基本介绍1. RabbitMQ 基础架构2. RabbitMQ 中的相关概念3. RabbitMQ的6 种工作模式☆4. AMQP 和 JMS4.1 AMQP4.2 JMS4.3 AMQ…
阅读更多...
最新文章

Copyright @ 2022~2023