新闻详情

新闻详情

首页 / 资讯中心 / 详情

一维二维数组、数组作为函数参数

发布时间:2026/11/17 0:19:25来源:尧图网络
一维二维数组、数组作为函数参数
C语言学习记录日期 9.15今日知识点 ——一维数组的创建和初始化数组 —— 就是一组数数组 —— 一组相同类型元素的集合练习代码#includestdio.h//一维数组的创建和初始化int main(){int arr[8]; char ch[5]; //错误写法【】内必须是常量表达式有些编译器可以// int n 8;// int arr[n];int a 10;//初始化 //int arr[10] {1,2,3,4,5,6,7,8,9,10};//完全初始化 int arr[10] {1,2,3,4,5};//不完全初始化 return 0;}今日知识点 ——一维数组的使用数组是使用下标来访问的下标是从0开始。数组的大小可以通过计算得到。int i 0;int sz sizeof(arr) / sizeof(arr[0]);//数组总大小/第一个数组元素大小 即40/410个元素// 情况一只写一个 1int arr3[10] { 1 };// 解释只有第一个元素 arr3[0] 被赋值为 1。// 剩下的 9 个元素依然是默认值 0不会变成 1。// 最终结果[1, 0, 0, 0, 0, 0, 0, 0, 0, 0]// 情况二把 10 个 1 都写出来int arr4[10] {1,1,1,1,1,1,1,1,1,1};// 解释所有元素都被显式赋值为 1。// 最终结果[1, 1, 1, 1, 1, 1, 1, 1, 1, 1]如果我想让数组全是1怎么写最方便如果不写font stylecolor:rgb(249, 250, 251);background-color:rgb(44, 44, 46);{1,1,1...}/font你可以用循环int arr[10];for(int i 0; i 10; i) {arr[i] 1;}练习代码今日知识点 ——一维数组在内存中的存储一维数组在内存中是连续存放的随着数组下标的增长地址是由低到高的练习代码今日知识点 ——二维数组练习代码二维数组在内存中的存储也是连续的每个地址差4行和行、列和列都是连续的数组地址加1和数组首元素加1不一样数组地址加 1是指针运算操作的是地址。数组首元素加 1是数值运算操作的是元素的值。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉