重庆分公司,新征程启航
为企业提供网站建设、域名注册、服务器等服务
def recursion(n):
成都创新互联专注于中卫企业网站建设,响应式网站开发,商城网站开发。中卫网站建设公司,为中卫等地区提供建站服务。全流程按需制作网站,专业设计,全程项目跟踪,成都创新互联专业和态度为您提供的服务
if n==1:
return 1
else:
return n*recursion(n-1)
list=[]
#定义一个空的列表,将调用递归函数生成的阶乘值追加到列表
print("将1-10的阶乘写入列表,使用sum函数求和") #显示效果明显
for i in range(1,11):
list.append(recursion(i))# 将调用递归函数生成的阶乘值追加到列表
print(sum(list)) #列表求和
sum_0=0
#显示效果明显,center(80,"*")标题放置位置
print("for循环直接调用递归函数求和".center(80,"*"))
for i in range(1,11):
sum_0 +=recursion(i)
print(sum_0)
这是1-10的阶乘求和,你可以参考下!
输出的结果
解法1
数组解法牛。
首先定义一个ns数组用来存储n!的各个位数上的数值,利用for循环给ns加入10000个0值,以方便后面直接根据index对数组进行操作。
然后定义length作为 “数组的长度”(有真实数值的而非自动添加的0) 也即n!的结果的位数。
之后也必须用到for循环进行累乘,但跟解法一的直接累乘不同,这里是乘数(即i)跟各个位上的数分别相乘,若结果大于等于10则carry0即向前进一位数值为carry,若j循环结束后carry0则说明需要在当前ns的“长度”上进一位,所以length+1即位数+1,这里carry起的就是判断是否进位的作用,而length则代表着结果的位数。
n= int(input())
ns = [0 for i in range(10000) ]
n= int(input())
ns = [0 for i in range(10000) ]
length = 1
ns[0] = length = 1
if n=2:
#for i in range(2,n+1):
##carry = 0
##for j in range(length):
###temp = ns[j] * i + carry
###carry = int(temp/10)
###ns[j] = temp % 10
##while carry0:
###ns[length] += carry%10
###length+=1
###carry = int(carry/10)
while length0:
#length -=1
#print(ns[length],end='')
把# 替换为空格就可以运行。
如输入1000,计算1000!
解法2
print()
m=int(input("计算m!,请输入整数m:"))
import math
a=sum([math.log10(i) for i in range(1,m+1)])
b=int(a)
c=a-b
print(f'{m}!={10**c}*10^{b}')
有阶乘函数:
improt numpy
print numpy.math.factorial(3)
python 自带的标准库也有阶乘函数
import math
print math.factorial(3)
l利用递归来实现。1、当n=0时,n!=1; 当n不等于0时,n!=n*(n-1)!
2、定义一个函数f(n)来实现递归:
3、例如求5的阶乘,m= f(5),print(m),运行结果为120。
具体代码如图:
求n的阶乘
有阶乘函数,Numpy中,mat必须是2维的,但是array可以是多维的(1D,2D,3D····ND). Matrix是Array的一个小的分支,包含于Array。所以matrix 拥有array的所有特性。
在numpy中matrix的主要优势是:相对简单的乘法运算符号。例如,a和b是两个matrices,那么a*b,就是矩阵积。
若a=mat([1,2,3]) 是矩阵,则 a.A 则转换成了数组,反之,a.M则转换成了矩阵。
扩展资料:
常用的Numpy运算:
取矩阵中的某一行 ss[1,:] 或该行的某两列 ss[1,0:2]
将数组转换成矩阵 randMat=mat(random.rand(4,4))
矩阵求逆 randMat.I
单位阵 eye(4)
零矩阵 zeros((x,y)) 建立x行y列的零矩阵。
最大值和最小值 a.max(),a.min() ,而a.max(0) 表示按列选取每列的最大值。最大/小元素的下标 a.argmax(),a.argmin()
#作为方法x.sum() #所有元素相加x.sum(axis=0) #按列相加x.sum(axis=1) #按行相加#作为函数sum(a,axis=0)ss.mean()
mean(a,axis=0(或1)) #按列或行求均值var(a)var(a,axis=0(或1)) #按列或行求方差。
std(a)std(a,axis=0(或1)) #按列或行求标准差ss.T或ss.transpose() #转置。