求出0～999999之间的所有“水仙花数”并输出。-白红宇

求出0～999999之间的所有“水仙花数”并输出。

阅读量：802 次

发布时间：2019-03-25

本文共 183 字，大约阅读时间需要 1 分钟。

0到999999之间的“水仙花数”（自恋数）是：

153

370

371

407

这些数各自的数字立方和等于其本身，即153 = 1³ + 5³ + 3³，370 = 3³ + 7³ + 0³，371 = 3³ + 7³ + 1³，407 = 4³ + 0³ + 7³。通过编写程序检查每个数是否符合条件，确认这些是唯一满足条件的水仙花数。没有四位及以上的水仙花数。

转载地址：http://tocyk.baihongyu.com/

你可能感兴趣的文章

OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦

OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果

OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测

OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别（数据集 + 源码）

OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割

OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测（有源码，建议收藏！）

OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)

OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数

OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测

OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别

OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌

OpenCV与AI深度学习 | 基于图像处理的火焰检测算法（颜色+边缘）

OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合（步骤 + 代码）

OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案

OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统

OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象

OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标

OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU

OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示（详细步骤 + 代码）

OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)