遍历

#-*-coding:UTF-8 -*- num=[]; #输入三个数值，使用空格隔开 num=input("请输入三个数值:").split(' ');#此时的数值全部属于字符串形式，如果需要可以进行类型的强转 a=num[0]; b=num[1]; c=num[2]; print(a,b,c) #-*-coding:UTF-8 -*- num=int(input());#此时表示属于了一个int 类型的数值 print(type(num));#输出他所表示的类型 #类型转化的例子 a="1"; b=int(a)+1; print(b)#结果输出2（int类型） #eval()函数将字符串表达式转化成表达式进行计算得到数值 a1="1+2"; print(eval(a1));#输出的结果为3 #str()函数将数值转化成字符串 x=1;#int类型的数值 print(type(str(x)));#<class 'str'> #repr()函数将对象转化为可打印字符串 #chr()将一个整数转化为可对应的ASCII码的字符 a2=65; print(chr(a2));#A #ord()函数将一个字符串转化为对应ASCII码值 a3='A'; print(ord(a3));#65 ''' 使用hex()函数将一个整数转化为一个十六进制字符串 使用oct(

程序设计过程中，我们常常用树形结构来表征某些数据的关联关系，如企业上下级部门、栏目结构、商品分类等等，通常而言，这些树状结构需要借助于数据库完成持久化。然而目前的各种基于关系的数据库，都是以二维表的形式记录存储数据信息，因此是不能直接将Tree存入DBMS，设计合适的Schema及其对应的CRUD算法是实现关系型数据库中存储树形结构的关键。 理想中树形结构应该具备如下特征：数据存储冗余度小、直观性强；检索遍历过程简单高效；节点增删改查CRUD操作高效。无意中在网上搜索到一种很巧妙的设计，原文是英文，看过后感觉有点意思，于是便整理了一下。本文将介绍两种树形结构的Schema设计方案：一种是直观而简单的设计思路，另一种是基于左右值编码的改进方案。 一、基本数据 本文列举了一个食品族谱的例子进行讲解，通过类别、颜色和品种组织食品，树形结构图如下： 二、继承关系驱动的Schema设计 对树形结构最直观的分析莫过于节点之间的继承关系上，通过显示地描述某一节点的父节点，从而能够建立二维的关系表，则这种方案的Tree表结构通常设计为：{Node_id,Parent_id}，上述数据可以描述为如下图所示： 这种方案的优点很明显：设计和实现自然而然，非常直观和方便。缺点当然也是非常的突出：由于直接地记录了节点之间的继承关系，因此对Tree的任何CRUD操作都将是低效的，这主要归根于频繁的“递归”操作

For ii = 0 To cboTCAT.Items.Count - 1 MessageBox.Show(CType(cboTCAT.DataSource, DataTable).Rows(ii).Item(0).ToString) Next 来源： https://www.cnblogs.com/gaoleionline/p/11947636.html

https://www.cnblogs.com/msymm/p/9873551.html 1 vector介绍 Vector简介 Vector 是 矢量队列 ，它是JDK1.0版本添加的类。继承于AbstractList，实现了List, RandomAccess, Cloneable这些接口。 Vector 继承了AbstractList，实现了List；所以， 它是一个队列，支持相关的添加、删除、修改、遍历等功能 。 Vector 实现了RandmoAccess接口，即 提供了随机访问功能 。RandmoAccess是java中用来被List实现，为List提供快速访问功能的。在Vector中，我们即可以通过元素的序号快速获取元素对象；这就是快速随机访问。 Vector 实现了Cloneable接口，即实现clone()函数。它能被克隆。 和ArrayList不同， Vector中的操作是线程安全的 。 Vector的构造函数 Vector共有4个构造函数 // 默认构造函数 Vector() // capacity是Vector的默认容量大小。当由于增加数据导致容量增加时，每次容量会增加一倍。 Vector(int capacity) // capacity是Vector的默认容量大小，capacityIncrement是每次Vector容量增加时的增量值。 Vector

输入一个整数数组，判断该数组是不是某二元查找树的后序遍历的结果。如果是返回true，否则返回false。 思路一： 中序遍历为增长数组，判断是否矛盾 思路二： 如5、7、6、9、11、10、8 代码编写具体思路： 1.找到第一个大于根节点的数，即9，所以9之后的为右子树 2.如果右子树的值都大于根节点8，则符合 3.递归法分别判断是否左子树和右子树都符合这种特点。 package com.lifeibigdata.algorithms.blog; import java.util.Arrays; /** * * 5、7、6、9、11、10、8 * 8 / \ 6 10 / \ / \ 5 7 9 11 */ public class SearchTree { public static void main(String[] args) { // int[] a = {5,7,6,9,11,10,8}; //true int a[] = {7, 4, 6, 5} ; //false System.out.println(searchTree(a,a.length)) ; } static boolean searchTree(int[] a,int length){ if (a == null || length <= 0){ return false; } boolean flag

20182316胡泊 2019-2020-1 《数据结构与面向对象程序设计》第10周学习总结 教材学习内容总结 第十九章 图 什么是图 1.图的概念 概念：我理解的图就是由内容和相互关系组成的非线性的存储数据的形式，具体来说就是由结点来存储元素，连线代表关系。 树中的每个结点都只有一个父结点，如果我们允许一个结点连通多个其他结点，树就变成了图。 术语： 顶点(Vertex)：图中的数据元素。 边(Edge)：图中各个顶点之间的连接。 邻接/邻居：两个顶点之间有一条边，则称这两个顶点是邻接的。 路径：连接两个顶点之间的一系列边称为两个顶点间的路径，边的条数称为路径长度（路径长度=顶点数-1）。 环路：首顶点与末顶点相同且路径中没有边重复的路径。 分类： 【是否有方向】无向图和有向图 【每条边带有权重或代价】加权图/网络（加权图可以是有向的也可以是无向的） 1.无向图 无向图 :是一种边为无序结点对的图。在无向图中，(A,B)(B,A)指的是一条边，表示A与B之间有一条两个方向都连通的边。 完全 ：一个无向图是完全的，说明对于有n个顶点的无向图，图中有n(n-1)/2条边。 连通 ：如果无向图中的任何两个顶点之间都存在一条路径，则认为该无向图是连通的。 同时连通还分为强连通和弱连通（非强连通），强连通图中，任何两个顶点之间都是连通的，就是说任何两个顶点之间都至少有一条路径。

教材学习内容总结 树的定义是，除根结点之外，树的每个结点都恰好有一个父结点。 而如果违背了这一个前提，即允许树的每个结点连通多个其它结点，不再有父亲、孩子之说，即得到孩子的概念 一、无向图 图与树类似，也由结点和这些结点之间的连接构成（这些结点就是图的顶点，而结点之间的连接就是图的边） 无向图是一种边为无序结点对的图 如果图中的两个顶点之间有一条连通边，则称这两个顶点是邻接的（也互称邻居） 连通一个顶点及其自身的边称为自循环或环 如果无向图拥有最大数目的连通顶点的边，则认为这个无向图是完全的 对有n个顶点的无向图，要使该图为完全的，要求有n(n-1)/2条边（这里假设其中没有边是自循环的） 路径是图中的一系列边，每条边连通两个顶点（无向图中的路径是双向的） 如果无向图中的任意两个顶点之间都存在一条路径，则认为这个无向图是连通的 环路是一种首顶点和末顶点相同且没有重边的路径 没有环路的图称为无环的 无向树是一种连通的无环无向图，其中一个元素被指定为树根 二、有向图 有向图（双向图），它是一种边为有序顶点对的图 有向图的路径是图中连通两个顶点的有向边序列（有向图中的路径不是双向的） 如果有向图中没有环路，且有一条从A到B的边，则可以把顶点A安排在顶点B之前。这种排列得到的顶点次序称为拓扑序 三、网络（加权图） 网络：一种每条边都带有权重的或代价的图 根据需要，网络可以是无向的

20182333 2019-2020-1 《数据结构与面向对象程序设计》第十周学习总结 教材学习内容总结 图 与树类似，图由结点和这些结点之间的连接构成。 顶点（vertice）:就是结点。 边（edge）:就是这些结点连接起来的线段。 路径（path）：图中的一系列边，每条边连通两个顶点。 路径的长度（length）：是该路径中边的条数（或者是顶点数减去1）。 环路（cycle）：一种首结点和末结点相同且没有重边的路径。没有环路的图称为无环的（acyclic）。 完全图（complete graph）：含有最多条边的无向图 无向图 边没有方向的图称为无向图。 无向图中，表示边的顶点对是无序的，例如，标记顶点A，B，C，D，一条边可以表示为（A，B）。无向图表示顶点对是无序的，所以边（A,B）意味着A和B之间的连接是双向的，在一个无向图中，（A，B）和（B，A）所代表的边的含义完全一样。 含有最多条边的无向图称为完全图：Edges=(n-1)*n/2. 如果无向图中任意两个顶点间都有路径，则无向图称为连通的。 路径是连接图中两个顶点的边的序列，路径长度为路径所含边的数目（顶点个数减一） 第一个顶点和最后一个顶点是同一个顶点且没有重复边的路径，称为一个环。 如果图中两个顶点之间有边连接，则称这两个顶点是邻接的（邻居），自己连接到自己的边称为自循环或悬挂。 有向图

.Net 中HashTable，HashMap 和 Dictionary<key,value> 和List 和DataTable的比较 转载自http://www.cnblogs.com/jilodream/p/4219840.html (一)HashTable 和Dic 数据结构 Hashtable和Dictionary从数据结构上来说都属于Hashtable（哈希表），都是对关键字（键值）进行散列操作，将关键字散列到Hashtable的某一个槽位中去，不同的是处理碰撞的方法。散列函数有可能将不同的关键字散列到Hashtable中的同一个槽中去，这个时候我们称发生了碰撞，为了将数据插入进去，我们需要另外的方法来解决这个问题。 采用链表法的是Dic 而采用开放寻址法(open addressing)-中 双重散列的方法的是 HashTable 至于这两种数据结构的使用方法 请自行阅读算法导论 或者参照网上博客 但从底层的数据结构可以发现 如果增删的动作很多的话 推荐使用Dic 因为解决碰撞的方式 是List.Add 如果改动的动作很少 查询的动作很多的话 则推荐 使用HashTable 因为映射查找之后 只需要跳跃查找到 碰撞后移动数据即可，另外当增加数据太多时，开放寻址的扩容很耗费性能（请阅读<算法导论>） Dic 和HashTable使用比较 1：单线程程序中推荐使用

1、遍历元素下所有子元素 （不包括孙子级） $("#taskPropertyForm").children().each(function (i, item) { var $this = $(item); var _this = item; console.log(i); console.log(item.tagName); }); 2、遍历元素下所有的子元素（包括所有子级，孙子及。。。） $("#taskPropertyForm").find("*").each(function (i, item) { var $this = $(item); var _this = item; console.log(i); console.log(item.tagName); }); 3、遍历对象 var b = new Object; b.property = [{ "id": "f_p_id", "text": "span", "value": "1111" }, { "id": "f_p_name", "text": "input", "value": "222222" }, { "id": "f_p_info", "text": "textarea", "value": "333333" }]; $.each(b.property, function (i, item) {