GESP-Python五级 题库
下面的Python代码,用于求一系列数据中的最大值。有关其算法说法错误的是( )

本题 find_max() 函数的实现是递推(迭代)算法
本题 find_max() 函数的时间复杂度为 O(n)
和前面题的 find_max() 相比,因为没有递归,所以也就没有栈的创建和销毁开销,因此不会有与递归相关的栈溢出错误
本题的 find_max() 函数支持 dict 类型,因为 dict 也支持for-in 循环
下面的代码用于列出求1到N之间的所有质数,错误的说法是( )。

埃氏筛算法相对于上面的代码效率更高
线性筛算法相对于上面的代码效率更高
上面的代码,有很多重复计算,因为不是判断单个数是否为质数,故而导致筛选出连续数中质数的效率不高
相对而言,埃氏筛算法比上面代码以及线性筛算法效率都高
硬币找零,要求找给客户最少的硬币。第一行输入硬币规格且空格间隔,单位为角,规格假设都小于10角,且一定有1角规格。硬币规格不一定是标准的货币系统,可能出现4角、2角等规格。第二行输入找零金额,约定必须为1角的整数倍。输出为每种规格及其数量,按规格从大到小输出,如果某种规格不必要,则输出为0。下面是 其实现代码,相关说法正确的是( )。

上述代码采用贪心算法实现
上述代码总能找到本题目要求的最优解
上述代码采用枚举算法实现
上述代码采用分治算法
下面Python代码用于在升序lst(list类型)中查找目标值target最后一次出现的位置。相关说法,正确的是( )。

当lst中存在重复的target时,该函数总能返回最后一个target的位置,即便lst全由相同元素组成
当target小于lst中所有元素时,该函数会返回0
循环条件改为 while low <= high 程序执行效果相同,且能提高准确性
将代码中 (low + high + 1) // 2 修改为 (low + high) // 2 效果相同
有关下面Python代码的说法,错误的是( )。


“阶段1”的目标是寻找正整数n可能的正完全平方根
“阶段2”的目标是如果正整数n没有正完全平方根,则在可能产生完全平方根附近寻找带小数点的平方根
代码 check_int = int(result + 0.5) 是检查因浮点误差是否为正完全平方根
对巨大数求平方根,本算法同样适用。
链表不具备的特点是( )。
双向链表中每个结点有两个指针域 prev 和 next ,分别指向该结点的前驱及后继结点。设 p 指向链表中的一个结点,它的前驱结点和后继结点均非空。现要求删除结点 p ,则下述语句中错误的是( )。
假设双向循环链表包含头尾哨兵结点(不存储实际内容),分别为 head 和 tail ,链表中每个结点有两个指针域 prev 和 next ,分别指向该结点的前驱及后继结点。下面代码实现了一个空的双向循环链表,横线上应填的最佳代码是( )。
用以下辗转相除法(欧几里得算法)求gcd(84, 60)的步骤中,第二次调用gcd()函数计算的数是( )。
根据唯一分解定理,下面整数的唯一分解是正确的( )。
下述代码实现素数表的线性筛法,筛选出所有小于等于 的素数,横线上应填的最佳代码是( )。
在程序运行过程中,如果递归调用的层数过多,会因为( )引发错误。(2025.3五级)
对下面两个函数,说法错误的是( )。
下面的python代码实现了二分查找算法,在数组 arr 找到目标元素 target 的位置,则横线上能填写的最佳代码是( )。
函数 def find_max(arr, low, high): 计算数组中最大元素,其中数组 arr 从索引 low 到 high ,()正确实现了分治逻辑。
小杨编写了一个如下的高精度乘法函数,则横线上应填写的代码为( )。