col

目的 1.常见文本处理命令 2.如何简单处理文本 学习目录 tr col join paste 1.tr命令 将字符进行替换压缩和删除 tr命令 可以对来自标准输入的字符进行替换、压缩和删除。它可以将一组字符变成另一组字符，经常用来编写优美的单行命令，作用很强大。 实例： echo 'hello world' | tr -d 'ol' 意义：删除 hello world 中所有的 ol 实例： echo 'hello world' | tr -s "l" 将 hello world 中的 l 去重为一个 l 实例： echo 'hello' | tr '[a-z]' '[A-Z]' ： echo 'HELLO | tr '[A-Z] '[a-z]' 意义：将hello转换成HELLO 将HELLO转换成hello 大小写转换 参考网址 2.col命令 过滤控制字符， col 命令可以将Tab换成对等数量的空格键，或反转这个操作。 col命令 是一个标准输入文本过滤器，它从标注输入设备读取文本内容，并把内容显示到标注输出设备。在许多UNIX说明文件里，都有RLF控制字符。当我们运用shell特殊字符>和>>，把说明文件的内容输出成纯文本文件时，控制字符会变成乱码，col命令则能有效滤除这些控制字符。 实例： cat [目录/文件] | col -x | cat -A : 意义：使用

【sqlserver】： sqlserver 认为 null 最小。 升序排列 ：null 值默认排在最前。 要想排后面，则：order by case when col is null then 1 else 0 end ,col 降序排列 ：null 值默认排在最后。 要想排在前面，则：order by case when col is null then 0 else 1 end , col desc 注：红色标记别忘了 【oracle】： oracle认为 null 最大。 升序排列， 默认情况下，null值排后面。 降序排序， 默认情况下，null值排前面。 有几种办法改变这种情况： （1）用 nvl 函数或decode 函数 将null转换为一特定值 （2）用case语法将null转换为一特定值（oracle9i以后版本支持。和sqlserver类似）： order by (case mycol when null then ’北京漂客’ else mycol end) （3）使用nulls first 或者nulls last 语法。 这是oracle专门用来null值排序的语法。 nulls first ：将null排在最前面。如：select * from mytb order by mycol nulls first null last ：将null排在最后面

前面我们已经学会了如何创建几种不同类型的图。散点图和折线图是对数据集中观测 值直接作图，柱状图和饼状图通常用于对不同类别的数据进行粗略总结。 上述这几种图形有以下两方面的局限性：散点图和折线图表达的信息过多，以至于很 难刻画出重点特征；饼状图和柱状图则丢弃过多信息，因此也难以做出可信判断。 直方图能够展示数值向量的分布特征，并且能够在不丢失太多信息的情况下做出总结， 因此更方便使用。下面的例子将演示如何使用 hist( )生成一个服从正态分布的随机数值 向量的直方图，然后添加正态分布的密度函数曲线，如图 7-23 所示。 random_normal <- rnorm(10000) hist(random_normal) 默认情况下，直方图的 y 轴是数据出现的频数。我们可以验证，这个直方图与由 random_normal 生成的随机向量所代表的标准正态分布非常接近。为了在图上叠加标准 正态分布的概率密度函数曲线 dnorm( )，需要确保直方图的 y 轴表示的是概率，并且曲 线是叠加到该直方图上面的，如图 7-24 所示。 hist(random_normal, probability = TRUE, col = "lightgray") curve(dnorm, add = TRUE, lwd = 2, col = "blue") 图 7-23 图 7-24 现在

1. 解析 题目大意，找出能同时流向太平洋和印度洋的区域，太平洋区域为左边和上边，印度洋区域为右边和下边。只有当前区域高度大于或等于相邻区域高度才能流向该区域 2. 分析 刚开始看到这题，我第一反映就是 Surrounded Regions ，但这里最大的不同在于有两个区域，而不是仅仅只有一个区域，最初我以为要设计两个递归函数，一个检测是否能流向太平洋，另外一个检测是否能流向印度洋，但感觉不是很合理。参考 @Grandyang 博主的思路，感觉他的解法也很巧妙。实际上无需设计两个递归，我们只需从边缘向中间检测即可，然后分别用两个不同的数组分别表示流向太平洋和印度洋的点，最后根据这两个数组即可判断是否能同时流向太平洋和印度洋。思路和 Surrounded Regions 差不多，只需利用两个数组存储两种不同状态即可。 class Solution { public: vector<vector<int>> pacificAtlantic(vector<vector<int>>& matrix){ if (matrix.empty() || matrix[0].empty()) return {}; int m = matrix.size(), n = matrix[0].size(); vector<vector<bool>> atlantic(m, vector<bool>(n,

用R包画韦恩图： install.packages(" VennDiagram ") ------------------------------------------- library( VennDiagram ) A = 1:150 B = c(121:170,300:320) C = c(20:40,141:200) Length_A<-length(A) Length_B<-length(B) Length_C<-length(C) Length_AB<-length(intersect(A,B)) Length_BC<-length(intersect(B,C)) Length_AC<-length(intersect(A,C)) Length_ABC<-length(intersect(intersect(A,B),C)) T<-venn.diagram(list(A=A,B=B),filename=NULL ,lwd=1,lty=2 ,col=c('red','green'),fill=c('red','green') ,cat.col=c('red','green') ,rotation.degree=90) grid.draw(T) ------------------------------------------- library( VennDiagram

距离相关系数： 线性关系可以通过pearson相关系数来描述，单调关系可以通过spearman或者kendall来描述，非线性如何描述，距离相关系数可以非线性相关性。 我们都知道，皮尔森关联系数只能描述数据键的线性相关性程度，对于非线性相关数据，皮尔森关联系数显然不适合的， 距离相关系数 恰恰能在很大程度上客服皮尔森相关系数的弱点。 比如：Pearson相关系数等于0，这两个变量并不一定就是独立的（有可能是非线性相关）；但如果距离相关系数为0的话，那么就可以说这两个变量是独立的了。 距离相关系数的计算依赖于距离协方差和距离方差，首先我们先了解下距离协方差的定义，假设有n维（X，Y）统计样本。 首先计算包含的所有成对距离（即：数组间每行数据之间的范数距离） 为了防止我没有描述清楚，直接上代码： #生成一个3行2列的数组 X = np.random.randint(-100,100,(3,2)) 0.1 out：array([[ 4.8, 7.7], [-2.6, 6.8], [ 5.9, 9. ]]) Y = X**2 #取数据集的行 col = X.shape[0] #做成n n的零矩阵,用于盛放数据 a = np.zeros((col,col)) b = np.zeros((col,col)) A = np.zeros((col,col)) B = np.zeros((col

题目大意：多组询问，问每组，要买n种零件，每种零件都有各自的m种选择，每种零件有两种属性：带宽b和价格p，求一种方案，有max（min（all_b）/sum(p)） 解：discuss各种奇葩，无聊回去研究一下。我的做法是按b值排序，看b最大可以选多少（用多少b以上的能把n种零件买齐），如果fin点价格相同，则需要特殊处理，交换那些key点（使零件都有的点），再贪心，min[i] = 从i买到n的最小价格，然后枚举价格，从1 to fin即可，其实挺乱的，还是见程序吧。 View Code 1 //Communication system 2 const 3 maxlen=10001; 4 inf='1.txt'; 5 type 6 data=record 7 b, p, col: longint; 8 end; 9 var 10 a: array[0..maxlen]of data; 11 min: array[0..maxlen]of longint; 12 tmp: array[0..100]of longint; 13 fin, tot, test, wugu, m, n: longint; 14 ans: extended; 15 procedure qsort(b, e: longint); 16 var 17 i, j, x: longint; 18 k: data;