摘要：
import cv2 import numpy as np import math # 原始图像路径 image_path = "path_to_image.jpg" # 读取原始图像 image = cv2.imread(image_path) # polygons 坐标 (左上、右上、右下、左下 阅读全文
摘要：
与上篇的合并区间类似，插入区间的描述是： 给你一个 无重叠的 ，按照区间起始端点排序的区间列表 intervals，其中 intervals[i] = [starti, endi] 表示第 i 个区间的开始和结束，并且 intervals 按照 starti 升序排列。同样给定一个区间 newInt 阅读全文
摘要：
对下面的区间进行合并， 实例如下： 输入：intervals = [[1,3],[2,6],[8,10],[15,18]] 输出：[[1,6],[8,10],[15,18]] 解释：区间 [1,3] 和 [2,6] 重叠, 将它们合并为 [1,6]. 解决问题的思路： （1）先将区间进行排序（按左区 阅读全文
摘要：
给定一个有序的list, 需要根据数据的连续性进行区间的汇总 实例如下： 解决方法： 设置左右指针，固定左指针，当右指针对应的数+1=右指针+1对应的数 and 右指针不要越界，就移动右指针，直到跳出while，并更新左指针=右指针+1 class Solution(object): def sum 阅读全文
摘要：
中英文关键词抽取 欢迎使用中英文关键词抽取工具，本工具支持多种关键词抽取算法，帮助用户从文本中快速提取重要信息。下图展示了我们所支持的关键词抽取算法： 介绍 本工具提供多种关键词抽取算法，满足不同需求。支持的算法如下： TF-IDF：通过词频和逆文档频率来衡量词汇的重要性。 TextRank：基于图 阅读全文
摘要：
解决这个问题的关键在于，判断结束遍历的条件，即当n!=1 或者 在循环过程中，没有出现过重复的数。 class Solution: def isHappy(self, n: int) -> bool: def get_score(n): sum_ = 0 while n > 0: end_ = n 阅读全文
摘要：
TF-IDF（Term Frequency-Inverse Document Frequency），是用来衡量一个词在文档中的重要性，下面看一下TDF-IDF的公式： 首先是TF，也就是词频，用来衡量一个词在文档中出现频率的指标。假设某词在文档中出现了( n )次，而文档总共包含( N )个词，则该 阅读全文
摘要：
力扣的简单题目，来找单词的规律，下面我们用python的dict来解决，思路：同时遍历pattern和s，因为s是用空格进行分割的，因此用python的split() 函数进行拆分即可。 Step1:统计pattern和s的长度是否一致，不一致返回False Step2: 遍历pattern 和 s 阅读全文
摘要：
要想解答这个算法，得明白一个概念，什么是同构字符串，来看一下定义： 也就是说，s可以转化为t，对应的t也可以转化为s。 解决思路： 我们进行一次的遍历，然后定义了两个dict，来记录s->t，t->s的映射，然后在后面校验一下，这两个dict的value 是否是相同的，来上代码。 class Sol 阅读全文
摘要：
这个题目属于简单的类型，使用字典来进行词频统计，如果ransomNote 中key的个数大于magazine，或者ransomNote的key在magazine中找不到，就返回False。 class Solution: def canConstruct(self, ransomNote: str, 阅读全文