数据分析 基础定义
一、大数据的定义
数据分析是基于商业等目的,有目的的进行收集、整理、加工和分析数据,提炼有价值信息的过程。
大数据分析即针对海量的、多样化的数据集合的分析
大数据分析是一种利用大规模数据集进行分析和挖掘知识的方法。随着互联网、社交媒体、移动设备等产生庞大的数据,大数据分析成为了当今世界各行业的重要技术。这篇文章将从数据收集、存储、处理、分析、可视化、应用等方面进行全面讲解,以帮助读者更好地理解大数据分析的核心概念、算法原理、实例代码等。
1.大数据的特征
大数据主要有以下4种特征:
1.大数据的特征
大数据主要有以下4种特征:
容量 (Volume)
提到大数据,首先会想到与巨大的容量有关。资料量的大小在决定资料的价值方面起着非常重要的作用。因此,“量”是处理大数据时需要考虑的一个重要特征。
想想Facebook。这个世界上最受欢迎的社交媒体平台现在拥有超过22亿活跃使用者,他们中的许多人每天花数小时释出更新、评论图片、给贴文点赞、点选广告、玩游戏,以及做无数其他产生可以分析的资料的事情。每天产生的资料量是难以计数的。
多样性 (Variety)
大数据的另一个特征是多样性。多样性指的资料来源的多样,包括结构化资料和非结构化资料。在早期,大多数应用程序的资料来源基本上是电子表格和数据库。但随着科技的发展,电子邮件、照片、影片、监控装置、pdf等形式的资料也被考虑在分析应用中。这种非结构化资料给资料的储存、挖掘和分析也带来了一些挑战。
速度 (Velocity)
大量的资料从各种不同的来源以极快的速度涌入,这就给了我们第三个特征——速度。高资料速度意味着在任何一天都比前一天有更多的资料可用——但这也意味着资料分析的速度需要同样高。
如今,资料专业人士不会长期收集资料,然后在周末、月底或季度末进行单一的分析。相反,分析是实时的——资料收集和处理的速度越快,它在长期和短期内就越有价值。Facebook讯息、Twitter贴文、信用卡刷卡和电子商务销售交易都是高速资料的例子。
准确性 (Veracity)
准确性是指所收集资料的质量、准确性和可信度。高准确性的资料是真正有价值的东西,以一种有意义的方式对整体结果作出贡献。而且必须是高质量的。例如,如果您正在分析Twitter资料,那么必须直接从Twitter站点本身提取资料(如果可能的话使用本机API),而不是从可能不可信的第三方系统提取资料。据估计,资料的不准确性或错误导致美国公司每年损失超过3.1万亿美元,原因是基于这些资料做出了错误的决策,以及花费大量资金对资料进行清洗、清理和修复。
2.大数据分析的目标
大数据分析的目标是从大数据中挖掘有价值的信息和知识,以实现以下目标:
提高业务效率:通过分析数据,找出业务瓶颈,提高业务效率。
提高业务盈利:通过分析数据,找出市场机会,提高业务盈利。
降低风险:通过分析数据,预测风险,降低风险。
创新产品:通过分析数据,发现新的产品需求,创新产品。
3.大数据分析的过程
大数据分析的过程包括以下几个阶段:
数据收集:从不同来源获取数据。
数据存储:将收集到的数据存储到适当的存储系统中。
数据处理:对存储的数据进行清洗、转换、整合等操作。
数据分析:对处理后的数据进行统计、模型构建、预测等操作。
数据可视化:将分析结果以图表、图像等形式展示。
数据应用:将分析结果应用到实际业务中。
4.大数据分析的技术
大数据分析的技术包括以下几个方面:
分布式计算:利用分布式系统进行大数据处理和分析。
并行计算:利用多核、多线程、多机等技术进行大数据处理和分析。
数据库技术:利用关系型、非关系型、分布式文件系统等数据库技术进行数据存储和处理。
算法技术:利用机器学习、深度学习、优化等算法技术进行数据分析。
可视化技术:利用综合性、专业、代码可视化工具进行数据可视化。
5.数据收集
数据收集是大数据分析的第一步,涉及到从不同来源获取数据的过程。这些来源包括但不限于:
用户行为数据:如网站访问记录、购物车数据、用户评价等。
传感器数据:如天气传感器、车载传感器、健康传感器等。
社交媒体数据:如微博、微信、Twitter等。
公开数据集:如国家统计数据、地图数据、科学数据等。
数据收集的方法有以下几种:
API调用:通过API获取数据,如Google Maps API、Twitter API等。
Web爬虫:使用爬虫工具抓取网页数据,如Scrapy、BeautifulSoup等。
数据库导出:直接从数据库中导出数据,如MySQL、MongoDB等。
文件导入:通过文件读取函数读取数据,如CSV、Excel、JSON等。
6.数据存储
数据存储是大数据分析的第二步,涉及到将收集到的数据存储到适当的存储系统中。这些存储系统包括:
关系型数据库:如MySQL、Oracle、SQL Server等。
非关系型数据库:如MongoDB、Redis、Cassandra等。
分布式文件系统:如Hadoop HDFS、GlusterFS、Ceph等。
云存储:如Amazon S3、Google Cloud Storage、Azure Blob Storage等。
数据存储的方法有以下几种:
数据库存储:将数据存储到关系型或非关系型数据库中。
文件存储:将数据存储到本地文件系统或分布式文件系统中。
云存储:将数据存储到云端存储服务中。
7.数据处理
数据处理是大数据分析的第三步,涉及到对存储的数据进行清洗、转换、整合等操作。这些操作包括:
数据清洗:去除数据中的噪声、缺失值、重复数据等。
数据转换:将数据从一种格式转换为另一种格式。
数据整合:将来自不同来源的数据整合到一个数据集中。
数据拆分:将数据集划分为多个子集,以便并行处理。
数据处理的方法有以下几种:
编程语言处理:使用Python、R、Java等编程语言进行数据处理。
数据处理框架:使用Hadoop、Spark、Flink等数据处理框架进行数据处理。
8.数据分析
数据分析是大数据分析的第四步,涉及到对处理后的数据进行统计、模型构建、预测等操作。这些操作包括:
统计分析:计算数据中的各种统计量,如平均值、中位数、方差等。
模型构建:根据数据构建各种模型,如线性回归、决策树、支持向量机等。
预测分析:使用模型对未来数据进行预测。
可视化分析:将分析结果以图表、图像等形式展示。
数据分析的方法有以下几种:
手工分析:人工对数据进行分析,通过观察、比较等方法得出结论。
自动分析:使用算法或软件自动对数据进行分析。
9.数据可视化
数据可视化是大数据分析的第五步,涉及到将分析结果以图表、图像等形式展示给用户。这些可视化方法包括:
条形图:用于展示分类数据的统计信息。
折线图:用于展示时间序列数据的变化。
散点图:用于展示两个变量之间的关系。
地图:用于展示地理位置数据的分布。
数据可视化的方法有以下几种:
综合性可视化工具:如Tableau、Power BI、D3.js等。
专业可视化工具:如Matlab、RStudio、Jupyter Notebook等。
代码可视化库:如Matplotlib、Seaborn、Plotly等。
10.数据应用
数据应用是大数据分析的第六步,涉及到将分析结果应用到实际业务中。这些应用包括:
业务决策:根据分析结果作出业务决策。
产品优化:根据分析结果优化产品功能、设计、价格等。
市场营销:根据分析结果进行市场营销活动。
风险管理:根据分析结果进行风险评估、预警、控制等。
数据应用的方法有以下几种:
手工应用:人工根据分析结果进行应用。
自动应用:使用算法或软件自动进行应用。
二 . 热门的大数据分析工具
大资料分析工具的选择有两种,一类是在资料分析步骤中选择相对应的专业的工具,一类是选择功能可以涵盖从资料收集到资料视觉化的每一步的全面的资料分析工具。
各资料应用架构层的大数据分析工具
1、资料处理层
常用的资料储存层有Access,MySQL数据库等。但是这个很难满足大资料分析的需求。一般企业级的大型数据库会选择DB2,Oracle数据库。如果还是不能满足海量的资料储存需求,这个时候就需要上企业级应用的数仓了。
2、资料分析层
资料分析层最常用的是Excel。 更专业的有SPSS软件和SAS软件。SPSS作为资料分析入门是比较好的。对于高阶资料分析师,使用分析工具是核心能力,VBA基本必备,SPSS/SAS/R至少要熟练使用其中之一,其他分析工具(如Matlab)视情况而定。对于资料采撷工程师,可以用R和Python写程序码来解决。
3、表现层
因为大数据的数据量很大,一些在线的图表工具很难支撑大数据的视觉化呈现。所以在表现层常用一些专业的企业级的视觉化工具来实现。比如FineReport,你可以将它连线各种数据库,或是ERP、CRM、OA、MIS在内的各种业务系统资料。
FineReport提供了70多种图表和能强大的复杂报表和战情室功能。你可以将你的数据可视化便捷地发布到多场景的资料大屏上进行视觉化集中管理,比如行动端、TV屏、大屏等。
其他特点:
Excel+绑定资料列的界面,操作容易,简单易学
拥有很多主题的模板,可重复使用
功能强大,除了基础的数据展现外,FineReport还支持数据填报、定时推送,多级上报,打印导出等各种场景
大屏3D特效、15 种动态载入效果,以及联动、离屏控制
相关文章:
数据分析 基础定义
一、大数据的定义 数据分析是基于商业等目的,有目的的进行收集、整理、加工和分析数据,提炼有价值信息的过程。 大数据分析即针对海量的、多样化的数据集合的分析 大数据分析是一种利用大规模数据集进行分析和挖掘知识的方法。随着互联网、社交媒体、移动…...
PyTorch广告点击率预测(CTR)利用深度学习提升广告效果
目录 广告点击率预测问题数据集结构广告点击率预测模型的构建1. 数据集准备2. 构建数据加载器3. 构建深度学习模型4. 训练与评估 总结 广告点击率预测(CTR,Click-Through Rate Prediction)是在线广告领域中的重要任务,它帮助广告平…...
嵌入式入门(二)-STM32CubeMX项目开发
使用STM32CubeMX创建项目 本文使用STM32CubeMX模拟器创建一个嵌入式项目的详细流程。 New Project 根据型号搜索 搜索型号: STM32F103C8T6 启动项目 选择STM32F103C8T6后点击 Start Project 配置时钟 切换到 Clock Configuration 修改HCLK -->72MHZ 修改Input fr…...
MATLAB绘图时线段颜色、数据点形状与颜色等设置,介绍
MATLAB在绘图时,设置线段颜色和数据点的形状与颜色是提高图形可读性与美观性的重要手段。本文将详细介绍如何在 MATLAB 中设置这些属性。 文章目录 线段颜色设置单字母颜色表示法RGB 值表示法 数据点的形状与颜色设置设置数据点颜色和形状示例代码 运行结果小结 线段…...
Java菜鸟养成计划(java基础)--java运算符
java中的运算符 1、java中的运算符1.1 、 、-、 * 、/ 、 %1.2 、、-、 *、/、%1.3 、、--【自增\自减运算符】1.4、>、 <、 > 、< 、 、! 、! 1.5、&&、||、|、&1.6、&、|、~、^1.7、>> 、 <<、>>>位运算1.8、?:三目运算符…...
学习笔记——动态规划
递推 1.递推和动态规划有什么关系? 递推问题包括动态规划,动态规划一定是递推,递推不一定是动态规划。 动态规划是一种决策性的问题,是在状态中做最优决策的一种特殊递推算法,通常的问法包括求最大最小值等ÿ…...
蓝桥杯备考:红黑树与map和set
搜索二叉树 我们三种树只了解原理,不写代码,因为我们竞赛不做要求,只是为了使用set和map做铺垫 原理记不住,没关系,我们只要会各种操作的时间复杂度 二叉搜索树的定义 1若左子树非空,左子树所有结点的权…...
第二届生成式人工智能与信息安全国际学术会议(GAIIS 2025)
在线投稿: 学术会议-学术交流征稿-学术会议在线-艾思科蓝 【征文主题】(包括但不限于) 深度学习 自然语言处理 算法应用 计算机视觉 视觉识别 模式识别 强化学习 生成对抗网络 生成建模技术 语言预训练 视觉预训练 联合预训练…...
后端面试题分享第一弹(状态码、进程线程、TCPUDP)
后端面试题分享第一弹 1. 如何查看状态码,状态码含义 在Web开发和调试过程中,HTTP状态码是了解请求处理情况的重要工具。 查看状态码的步骤 打开开发者工具: 在大多数浏览器中,您可以通过按下 F12 键或右键单击页面并选择“检查…...
Python 常用运维模块之OS模块篇
Python 常用运维模块之OS模块篇 OS 模块获取当前工作目录更改当前工作目录返回当前目录路径返回上一级目录路径递归生成目录路径删除目录创建目录删除目录列出特定目录下文件和子目录删除某个特定文件重命名某个文件获取某个文件/目录的信息输出目录路径分隔符输出文件行终止符…...
前沿技术趋势洞察:2024年技术的崭新篇章与未来走向!
引言 时光飞逝,2024年已经来临,回顾过去一年,科技的迅猛进步简直让人目不暇接。 在人工智能(AI)越来越强大的今天,我们不再停留在幻想阶段,量子计算的雏形开始展示它的无穷潜力,Web …...
HTML语言的数据结构
HTML语言的数据结构 引言 HTML(超文本标记语言)是构建网页的标准语言。尽管HTML本身不是一种编程语言,它为我们提供了一种结构化的信息表示方法,使得网页内容能够有序地展现给用户。HTML的核心在于其标记(标签&#…...
怎么创建一个能在线测试php的html5网页?
代码示例: 一、搭建服务器环境 首先,你需要在服务器上搭建 PHP 运行环境。如果你使用的是 Linux 服务器,可以使用 Apache 或 Nginx 作为 Web 服务器,并安装 PHP 解释器。对于 Windows 服务器,可以使用 WAMP(…...
docker安装elk6.7.1-搜集nginx-json日志
docker安装elk6.7.1-搜集nginx-json日志 如果对运维课程感兴趣,可以在b站上、A站或csdn上搜索我的账号: 运维实战课程,可以关注我,学习更多免费的运维实战技术视频 0.规划 192.168.171.130 nginxfilebeat 192.168.171.131 …...
常见的社交媒体平台有哪些?
社交媒体平台有哪些?在跨境电商和全球营销的过程中,海外社交媒体平台是提高品牌曝光率的重要工具。为了有效管理多个平台的账户,并防止账户之间的关联问题,OKBrow指纹指纹浏览器凭借其强大的多账户管理、防关联技术和隐私保护功能…...
nslookup在内网渗透的使用
1. 什么是 nslookup? nslookup(Name Server Lookup)是一个用于查询 DNS(域名系统)记录的命令行工具。通过该工具,用户可以查询域名的解析结果,例如获取某个域名对应的 IP 地址或查找域名的相关记…...
Linux:修改用户名
Linux:修改用户名 0. 注意事项1.创建并切到临时用户tempuser2.更改用户名3.删除临时用户tempuser 更多内容:XiaoJ的知识星球 在Ubuntu系统中,更改用户名。 0. 注意事项 备份重要数据:在更改用户名之前,建议备份重要数…...
IP协议特性
在网络层中,最重要的协议就是IP协议,IP协议也有两个特性,即地址管理和路由选择。 1、地址管理 由于IPv4地址为4个字节,所以最多可以支持42亿个地址,但在现在,42亿明显不够用了。这就衍生出下面几个机制。…...
开发环境搭建-3:配置 nodejs 开发环境 (fnm+ node + pnpm)
在 WSL 环境中配置:WSL2 (2.3.26.0) Oracle Linux 8.7 官方镜像 node 官网:https://nodejs.org/zh-cn/download 点击【下载】,选择想要的 node 版本、操作系统、node 版本管理器、npm包管理器 根据下面代码提示依次执行对应代码即可 基本概…...
14_音乐播放服务_字典缓存避免重复加载
首先在游戏根入口下创建空节点 F2重命名为BGAudio 作为播放 背景音乐的对象 在BGAudio对象上挂载组件 AudioSource 关掉PlayOnAwake 因为我们需要通过代码来控制音效 音量大小设置为0.5 Ctrl d 再复制一份背景播放对象BGAudio 重命名为UIAudio 作为UI窗口操作的播放对象 创建…...
pgsql中处理数组类型字段
1、代码中存入和读取 需要使用自定义转换器 Slf4j public class ArrayTypeHandler extends BaseTypeHandler<List<String>> {Overridepublic void setNonNullParameter(PreparedStatement ps, int i, List<String> parameter, JdbcType jdbcType)throws SQL…...
新年好(Dijkstra+dfs/全排列)
1135. 新年好 - AcWing题库 思路: 1.先预处理出1,a,b,c,d,e到其他点的单源最短路,也就是进行6次Dijkstra 2.计算以1为起点的这6个数的全排列,哪种排列方式所得距离最小,也可以使用dfs 1.Dijkstradfs #define int long longusing …...
vscode导入模块不显示类型注解
目录结构: utils.py: import random def select_Jrandom(i:int, m:int) -> int:"""随机选择一个不等于 i 的整数"""j iwhile j i:j int(random.uniform(0, m))return jdef clip_alpha(alpha_j:float, H:float, L:f…...
Stable diffusion 都支持哪些模型
Stable Diffusion 支持多种模型,主要包括以下几类: 官方基础模型: SD 1.x 系列(如 Stable Diffusion 1.4、1.5):这是最经典的模型,适合多种通用场景,使用简单且易于上手。SD 2.x 系列…...
C语言操作符(上)
操作符 一,操作符的分类1,算数操作符2,赋值操作符3,逻辑操作符4,条件操作符4,单目操作符5,函数调用和下表访问操作符 二,原码反码补码三,移位操作符1,左移操作…...
Linux TCP 之 RTT 采集与 RTO 计算
我们来看看 Linux TCP 采集 RTT 的函数 tcp_rtt_estimator,看注释,充满了胶着。 但在那个谨慎的年代,这些意味着什么? RTT 最初仅用于 RTO 的计算而不是用于调速,RTO 的计算存在两个问题,如果过估&#x…...
智慧水务管网在线监测平台(Axure高保真原型)
智慧水务管网在线监测平台是一种集成了物联网、大数据、云计算和人工智能等技术的综合管理系统。平台的主要目的是提高水务管理的效率和安全,确保供水系统的稳定运行。 智慧水务管网在线监测平台的主要特点和功能: 综合监测与管理:智慧水务平…...
Kubernetes 架构图和组件
🧑 博主简介:CSDN博客专家,历代文学网(PC端可以访问:历代文学,移动端可微信小程序搜索“历代文学”)总架构师,15年工作经验,精通Java编程,高并发设计…...
不建模,无代码,如何构建一个3D虚拟展厅?
在数字化浪潮的推动下,众多企业正积极探索线上3D虚拟展厅这一新型展示平台,旨在以更加生动、直观的方式呈现其产品、环境与综合实力。然而,构建一个既专业又吸引人的3D虚拟展厅并非易事,它不仅需要深厚的技术支持,还需…...
MMDetection学习系列(5)——Mask R-CNN深度探索与实战指南
目录 实例分割 R-CNN系列 R-CNN Fast R-CNN Faster R-CNN Mask R-CNN Mask R-CNN 头部结构细节 两阶段架构 损失函数 掩码 RoIAlign Faster R-CNN中的RoIPool Mask R-CNN 中的RoIAlign 实例分割实验 消融研究 定性结果 SOTA 方法比较 Coovally AI模型训练与…...
Oracle SQL: TRANSLATE 和 REGEXP_LIKE 的知识点详细分析
目录 前言1. TRANSLATE2. REGEXP_LIKE3. 实战 前言 🤟 找工作,来万码优才:👉 #小程序://万码优才/r6rqmzDaXpYkJZF 1. TRANSLATE TRANSLATE 用于替换字符串中指定字符集的每个字符,返回替换后的字符串 逐一映射输入字…...
PHP语言的软件工程
PHP语言的软件工程 引言 软件工程是计算机科学中的一个重要分支,它涉及软件的规划、开发、测试和维护。在现代开发中,PHP作为一种流行的服务器端脚本语言,广泛应用于网页开发和各种企业应用中。本文将深入探讨PHP语言在软件工程中的应用&am…...
量变引起质变
量变引起质变,这个是最本质的规律,重复进行一件事情,这件事情就会越来越完善,越来越完美,哪怕是菜鸟,重复多了就是大佬。 我从说话结结巴巴,到说话流畅,只是用了15天直播写代码&…...
【专题】为2025制定可付诸实践的IT战略规划报告汇总PDF洞察(附原数据表)
原文链接:https://tecdat.cn/?p39055 在当今瞬息万变的商业环境中,制定有效的 IT 战略规划对于企业的成功与可持续发展至关重要。本报告深入探讨了制定 IT 战略规划的关键活动,旨在为企业和决策者提供全面且实用的指导。 Gartner的《为202…...
Linux内核 -- Linux 的 BIO框架
深入理解 Linux 的 BIO 在 Linux 内核中,BIO(Block I/O)是块层(block layer)用于描述块设备 I/O 请求的核心数据结构。它在文件系统与块设备驱动程序之间充当“载体”,负责把数据页及相关元数据从上层提交…...
Spring WebFlux 和 Spring MVC 的主要区别是什么?
Spring WebFlux 和 Spring MVC 都是 Spring 框架中用于构建 Web 应用的模块,但它们在设计理念、编程模型、性能特性等方面存在显著区别。以下是它们的主要区别: ### 1. **编程模型** - **Spring MVC**: - **同步和阻塞**:Spri…...
卸载和安装Git小乌龟、git基本命令
卸载 Git 打开控制面板: 按 Win R 打开运行对话框,输入 control 并按回车键。或直接在功能搜索里搜索“控制面板”。在控制面板中,选择“程序”或“程序和功能”。 查找并卸载 Git: 在程序列表中找到“Git”或“Git for Windows…...
正向代理与反向代理的主要区别
正向代理与反向代理的主要区别 正向代理与反向代理都是中间服务器 特性正向代理反向代理位置客户端和目标服务器之间客户端和后端服务器之间客户端感知客户端知道代理的存在,并主动连接代理客户端不知道代理的存在,认为直接连接目标服务器主要用途隐藏…...
vue组件学习三(插槽)
目录 1、匿名插槽2、渲染作用域3、默认内容4、具名插槽5、条件插槽6、作用域插槽7、具名作用域插槽最后 1、匿名插槽 父组件调用Mycomponet1组件 <Mycomponet1>click me </Mycomponet1>子组件为 <button><slot></slot> </button>最后结…...
Django 的 `Meta` 类和外键的使用
Django 的 Meta 类和外键的使用 1. Meta 类的常用选项2. 外键(ForeignKey)字段的使用2.1 基本用法2.2 ForeignKey 参数2.3 外键删除选项(on_delete) 3. 外键和查询3.1 获取作者的所有书籍3.2 通过书籍查找作者3.3 使用 select_rel…...
DP动态规划字典版递归
https://blog.csdn.net/m0_74408723/article/details/145303575?spm1001.2014.3001.5501 一只青蛙,可以一次跳上1级台阶,也可以一次跳上2级台阶。求这只青蛙跳10级台阶有多少种跳法? 优化上一篇青蛙跳台阶问题。可以采用Map字典存放f(n-1)f(…...
图论 八字码
我们可能惊异于某些技巧。我们认为这个技巧真是巧妙啊。或者有人认为我依靠自己的直觉想出了这个表示方法。非常自豪。我认为假设是很小的时候,比如说小学初中,还是不错的。到高中大学,就有一些不成熟了。因为这实际上是一个竞技。很多东西前…...
Vscode:问题解决办法 及 Tips 总结
Visual Studio Code(简称VSCode)是一个功能强大的开源代码编辑器,广泛用于各种编程语言和开发场景,本博客主要记录在使用 VSCode 进行verilog开发时遇到的问题及解决办法,使用过程中的技巧 文章目录 扩展安装失败调试配…...
Excel 技巧15 - 在Excel中抠图头像,换背景色(★★)
本文讲了如何在Excel中抠图头像,换背景色。 1,如何在Excel中抠图头像,换背景色 大家都知道在PS中可以很容易抠图头像,换背景色,其实Excel中也可以抠简单的图,换背景色。 ※所用头像图片为百度搜索&#x…...
vue项目动态div滚动条滑动到指定位置效果
标题首先我们得明确几个知识点 element.scrollIntoView this.$el.querySelector 文档对象模型Document引用的 querySelector() 方法返回文档中与指定选择器或选择器组匹配的第一个 Element对象。如果找不到匹配项,则返回null。 用来匹配动态document 代码 // t…...
2K高刷电竞显示器怎么选?
2K高刷电竞显示器怎么选?哪个价格适合你?哪个配置适合你呢? 1.HKC G27H2Pro - 2K高刷电竞显示器怎么选 外观设计 - HKC G27H2Pro 2K高刷电竞显示器 电竞风拉满:作为猎鹰系列的一员,背部 “鹰翼图腾” 切割线搭配炎红…...
Codeforces Round 1000 (Div. 2)-C题(树上两个节点不同边数最大值)
https://codeforces.com/contest/2063/problem/C 牢记一棵树上两个节点如果相邻,它们有一条边会重叠,两个节点延伸出去的所有不同边是两个节点入度之和-1而不是入度之和,那么如果这棵树上有三个节点它们的入度都相同,那么优先选择非相邻的两个节点才能使所有不同边的数量最大!!…...
【2024年华为OD机试】 (E卷,200分) - 寻找符合要求的最长子串(JavaScriptJava PythonC/C++)
一、问题描述 给定一个字符串 s,找出满足以下条件的最长子串: 任意一个字符最多出现2次:子串中的每个字符在子串中出现的次数不能超过2次。子串不包含指定字符:子串不能包含输入的指定字符。 请找出满足该条件的最长子串的长度…...
c++常见设计模式之装饰器模式
基础介绍 装饰器模式是结构型设计模式,从字面意思看装饰器设计模式就是用来解决在原有的实现基础上添加一些额外的实现的问题。那么正统的概念是什么呢?装饰器模式允许我们动态的向对象添加新的 行为,同时不改变其原有的结构。它是一种比继承…...
如何在Python中进行数据分析?
数据分析是现代数据科学中的核心环节之一,它能够帮助我们从数据中提取有价值的信息,并为决策提供依据。在Python中,进行数据分析非常方便,因为Python有着丰富的库和工具,能够帮助处理和分析各种类型的数据。本篇文章将…...