已知数组a中有十个元素，分别是5.8.9.6.2.7.6.5.2.8，输入任意一个数x，在a中查找，若a不在x中，输入“无此数”，否则输出该数的个数，求大神编程-CSDN社区

晚风s 2021-11-19 14:19:32

已知数组a中有十个元素，分别是5.8.9.6.2.7.6.5.2.8，输入任意一个数x，在a中查找，若a不在x中，输入“无此数”，否则输出该数的个数，求大神编程

...全文

677 6 打赏收藏转发到动态举报

写回复

用AI写文章

6 条回复

切换为时间正序

请发表友善的回复…

发表回复

青稞564 2021-11-20

打赏
举报

也不说什么语言

可乐不可口688 2021-11-19

打赏
举报

这太简单了吧

雷509 2021-12-17

@可乐不可口688

啥也不会渣渣 2021-11-19

打赏
举报

a = [5,8,9,6,2,7,6,5,2,8]
x = int(input())
i = [y for y in range(len(a)) if a[y] = x]
if len(i) == 0:
    print("查无此数")
else:
    print(len(i))

Serensais 2021-11-19

打赏
举报

char a[]={ 5,8,9,6,2,7,6,5,2,8} ; int x,i,cnt=0; scanf("%d",&x); for(i=0;i<10;i++) if(a[i]==x) cnt++; if(cnt==0) printf("无此数"); else printf("%d",cnt);

Domi~ 2021-12-08

@Serensais 第二个if不能用else if吗？为什么要用if呢？

内容概要：本文围绕基于Basisformer模型的时间序列锂离子电池SOC（State of Charge，荷电状态）预测展开研究，利用PyTorch框架实现深度学习模型的构建与训练。通过将历史充放电数据作为输入，Basisformer能够有效捕捉电池状态的动态变化特征，提升SOC预测精度。文中详细介绍了模型结构设计、数据预处理流程、训练策略及实验结果分析，并与传统方法进行对比，验证了该方法在复杂工况下的优越性与鲁棒性。该研究不仅展示了Basisformer在时序建模中的潜力，也为电池管理系统提供了高精度的状态估计解决方案。; 适合人群：具备一定Python编程基础和深度学习理论知识，熟悉PyTorch框架，从事电池管理系统、新能源汽车或智能预测方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标：①应用于电动汽车、储能系统等领域的电池SOC高精度实时估算；②为电池健康管理（BMS）提供可靠的状态输入；③推动深度学习在时间序列预测中的实际落地，提升现有预测模型的泛化能力与稳定性；阅读建议：建议读者结合标题为【锂电池SOC估计】【PyTorch】基于Basisformer时间序列锂离子电池SOC预测研究（python代码实现）的资源，重点研读所提供的Python代码，深入理解数据处理方式与模型网络结构的设计思路，尝试调整超参数以观察对预测性能的影响，从而全面掌握Basisformer在时序建模中的优势、适用边界及工程化实现路径。

1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

2.5立方钛反应釜.rar

pip-numpy-1.22.0-cp38-cp38-macosx_11_0_arm64.whl.zip

pip-numpy-1.21.6-cp37-cp37m-manylinux_2_12_i686.manylinux2010_i686.whl.zip

每日一练

11,870

社区成员

1,362

社区内容

发帖

与我相关

我的任务

其他企业社区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章