ARTS第五十九周(2020年11月2日~8日)
Algorithm
编号 | 难度 | 题目 | 我的解答 | 执行用时 | 内存消耗 | 用时排名 | 内存排名 | 查看结果 |
---|---|---|---|---|---|---|---|---|
383 | 简单 | 赎金信 | 201108-1.cpp | 40 ms | 9.2 MB | 55.84% | 5.04% | 查看结果 |
384 | 中等 | 打乱数组 | 201108-1.cpp | 228 ms | 88.8 MB | 19.48% | 5.23% | 查看结果 |
Review
1. CSV格式的优劣
分享链接:CSVs: The good, the bad, and the ugly
在日常工作中,CSV是我常用的格式之一(当然,相比而言,我个人更喜欢TSV些)。然而,不管哪种格式,都难免存在一些需要“特殊处理”的地方,产生又爱又恨的感觉。这篇文章列举了CSV格式的各种优缺点,并总结“其他任何格式都没能在保持CSV相应优点的同时解决了它的缺点”。也因此,这些格式势必会较长时间存在于我们的日常工作中。
Tip
1. 使用R包future
延迟计算
分享链接:[GitHub] future: Unified Parallel and Distributed Processing in R for Everyone
在R语言中,大括号包含的语句块,通常是被直接执行的,如:
|
|
然而,通过引入future
包的使用,可以将该计算延迟到真正需要时才执行,如(将<-
替换为%<-%
):
|
|
R语言具备的如此灵活性,给R语言带来了极强的扩展性和强大的生命力。
Share
1. 快速学习PCA的教程资料
分享链接:All you need to know on PCA …
在高维数据处理中,主成分分析(PCA)是最常用的数据降维方法。在这篇文章中,推荐了一个名为“Factoshiny”的R包,并且通过三段视频,对PCA相关的理论知识和实践进行了介绍。