Wild Dogs 直線 count 有效數字

思路: 方程 y = k * x + b 距離

def wild_dogs(coords):

# 所有點 22 得到 (k, b) 
list_1=
for x_1, y_1 in coords:
for x_2, y_2 in coords:
if x_1!= x_2:
k=(y_2- y_1)/(x_2- x_1)
b=y_1-k* x_1
# 統計出現次數
from collections import counter
k_b_count =(counter(list_1).most_common())
# 如果最多出現次數相同, 比較距離
list_2=
for x in k_b_count:
if x[1]==k_b_count[0][1]:
k, b=x[0]
return min(list_2)
if __name__ == '__main__':
print("example:")
print(wild_dogs([(7, 122), (8, 139), (9, 156), 
(10, 173), (11, 190), (-100, 1)]))
#these "asserts" using only for self-checking and not necessary for auto-testing
assert wild_dogs([(7, 122), (8, 139), (9, 156), 
(10, 173), (11, 190), (-100, 1)]) == 0.18
assert wild_dogs([(6, -0.5), (3, -5), (1, -20)]) == 3.63
assert wild_dogs([(10, 10), (13, 13), (21, 18)]) == 0
print("coding complete? click 'check' to earn cool rewards!")

# 2.1

words = [
'look', 'into', 'my', 'eyes', 'look', 'into', 'my', 'eyes',
'the', 'eyes', 'the', 'eyes', 'the', 'eyes', 'not', 'around', 'the',
'eyes', "don't", 'look', 'around', 'the', 'eyes', 'look', 'into',
'my', 'eyes', "you're", 'under'
]from collections import counter
word_counts = counter(words)
# 出現頻率最高的3個單詞
top_three = word_counts.most_common(3)
print(top_three)
# outputs [('eyes', 8), ('the', 5), ('look', 4)]

#保留2 位有效數字

a=13.949999999999999
round(a, 2)
13.95

count 列名 與count 說明

1 count 會統計值為null的行，而count 列名 不會統計此列為null值的行 2 不要使用count 列名 或者count 常量 來代替count count 就是sql92定義的標準統計行數的語法，跟資料庫無關，跟null和非null無關 3 count 列 對應的列欄位如果建了索引，...

count 1 和count 哪個高效？

當表的資料量大些時，對錶作分析之後，使用count 1 還要比使用count 用時多了！從執行計畫來看，count 1 和count 的效果是一樣的。但是在表做過分析之後，count 1 會比count 的用時少些 1w以內資料量 不過差不了多少。如果count 1 是聚索引,id,那肯定是coun...

count 和count 1 的區別

create table test1 id number,name varchar2 50 create time date 插入1000000條資料。begin for i in 1 10000000 loop insert into test1 values i,dba fashion測試 i,...