其实连按部就班也比想象中难

# 关系模型的数据结构 # 关系 关系模型的数据结构是规范化的二维表，亦称关系 每个表（关系）有唯一的名字。 关系数据库是表的集合，即关系的集合 # 关系代数 # 域 一组具有相同数据类型的值的集合 空值是所有可能的域的一个取值 # 笛卡尔积 例如：D1={′A′,′B′},D2={′a′,′b′}D_1= \{ 'A', 'B' \},D_2= \{ 'a','b'...

# 数据 描述事物的符号记录 无结构的文本形式 表格形式（结构化数据） # 数据管理技术的发展 # 人工管理阶段 数据面向应用程序，一个数据集只能对应于一个应用程序，无法共享利用，存在大量冗余 # 文件系统阶段 # 特点 文件系统实现了文件内的数据结构化，但整体上是无结构的，即多个文件之间是相互独立的 程序和数据之间由文件系统提供的存取方法进行转换，无需考虑过多的存储细节 应用程序和数据的物理存储结构有了一定独立性 #...

# 实体 实体是可区别于其他事务的 “事物” 或 “对象” 实体集是相同类型的实体的集合 # 实体的特征 独立存在 可区别于其他实体 # 属性 实体是通过一组属性来描述的，属性是实体集中的每个实体都具有的特征描述 对于一个属性来说，每个实体都拥有自己的属性值 # 属性的分类 简单属性和复合属性 简单属性：不能再分为更小部分的属性（原子属性） 复合属性：可以进一步划分的属性 单值属性和多值属性 单值属性：只有一个值的属性 多值属性：可能有不同数目的值的属性（每个人可以有若干个号码） 多值属性可以转换为多个单值属性（电话 →\to→...

# C 也是大水题，给你一个无向图，问你要删多少条边，才能把这个图删成没有重边和自环的图。 开始时总想成搜索，搜出一条路之后看边数，想太复杂了，开个 map<PII, bool> mp 用作标记就行 c++123456789101112131415161718void solve () { cin >> n >> m; int t = 0; map<PII, bool> mp; for (int i = 1, a, b; i <= m; i++)...

# 题目背景 在一条数轴上有 NNN 家商店，它们的坐标分别为 A1−ANA_1 - A_NA1​−AN​ 现在需要在数轴上建立一家货仓，每天清晨，从货仓到每家商店都要运送一车商品 为了提高效率，求把货仓建在何处，可以使得货仓到每家商店的距离之和最小 # 算法思路 --- 绝对值不等式 # 衍生出代码 c++123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051#include <iostream>#include...

描述较抽象，以题目为例展示邻接表存图的用法，题目传送门 # 题目背景 # 题目大意 给定一颗树，树中包含 nnn 个结点（编号 1→n1 \to n1→n）和 n−1n−1n−1 条无向边。 请你找到树的重心，并输出将重心删除后，剩余各个连通块中点数的最大值。 重心定义： 重心是指树中的一个结点，如果将这个点删除后，剩余各个连通块中点数的最大值最小，那么这个节点被称为树的重心。 # 输入格式 第一行包含整数 nnn，表示树的结点数。 接下来 n−1n−1n−1 行，每行包含两个整数 aaa 和 bbb，表示点 aaa 和点 bbb 之间存在一条边。 #...

# 一些前置知识 与：∧\wedge∧ 或：∨\vee∨ 非：⌝\urcorner┐ # 传统的集合运算 # 并 关系 rrr 和关系 sss 的并记作 # 差 关系 rrr 和关系 sss 的差记作： # 交 关系 rrr 和关系 sss 的交记作： # 笛卡尔积 两个分别为 nnn 目和 mmm 目的关系 rrr 和 sss 的笛卡尔积是一个 n+mn+mn+m 目元组的集合。若关系 rrr 有 krk_rkr​ 个元组，关系 sss 有 ksk_sks​ 个元组，则关系 rrr 和关系 sss 的笛卡尔积有 kr∗ksk_r * k_skr​∗ks​...

# # Matplotlib Pyplot # 导入库 导入库1import matplotlib.pyplot as plt plot() ：用于绘制线图和散点图 scatter() ：用于绘制散点图 bar() ：用于绘制垂直条形图和水平条形图 hist() ：用于绘制直方图 pie() ：用于绘制饼图 imshow() ：用于绘制图像 subplots() ：用于创建子图 例如，绘制一条线 折线图12345678import matplotlib.pyplot as plt import numpy as np x = np.array([0, 3, 6]) y =...

# 创建数组 # 一维数组 一维数组123import numpy as np data = np.array([1, 2, 3, 4]) print(data) 输出 [1 2 3 4] # 二维数组（矩阵） 二维数组123import numpy as np data = np.array([[1, 2, 3, 4], [4, 5, 6, 7]]) print(data) 输出： 12[[1 2 3 4] [4 5 6 7]] # 全 0 数组 shapeshapeshape 属性代表形状， shape(2, 5) 就代表创建 222 行 555 列的全零数组 全0数组123import...