有关下列Python代码的说法，错误的是( )
执行 SORTED({1:1,2:4,3:9}) 不会报错
执行 SORTED(range(10)) 不会报错
执行 SORTED([1,20,3], Reverse = True)[::-1] 不会报错
执行 SORTED([1,None,'123']) 不会报错
下列Python代码用于判断一个正整数是否是质数（素数），相关说法中正确的是( )。
代码存在错误，比如5是质数，但因为 5 % 5 余数是0返回了False
finish_number 的值应该是 N // 2 ，当前写法将导致错误
当前while循环正确的前提是：所有大于3的质数都符合 6k±1 形式
while循环修改如下，其执行效果与执行时间相同
下列Python代码用于求解两个正整数的最大公约数，相关说法中错误的是( )
gcd0()函数的时间复杂度为 O(logN)
gcd1()函数的时间复杂度为 O(N)
一般说来， gcd0() 的效率高于 gcd1()
gcd1() 中的代码 range(small, 0, -1) 应该修改为range(small, 1, -1)
在Python中，可以用字典模拟单向或双向链表的实现。下面的代码模拟单向链表，和链表对象相比，有关其 缺点的说法，错误的是( )。
类型安全差，易出错。比如： node1["NEXT"] = node2 不会报错，导致逻辑错误
内存开销大。字典需要保存键名称以及哈希表
无法封装方法，如 insert() 插入函数较为常用，但其代码需要分散在外部
重复存储，难以保证一致性。如在 node1['next'] = node2 代码中， node1['next'] 的值为 node2 ，而 node2 自身也将保存一份
基于上题代码，模拟单向链表实现插入新节点函数insertNode()的代码如下，横线处应填入的代码是( )。
下面的Python代码用于实现双向链表。is_empty()函数用于判断链表是否为空，如为空返回True，否则False。 横线处不能填入的代码是( )。
self.tail is None
self._size == 0
self == None
self.head is None
基于上题代码正确的前提下，填入相应代码完善append()函数，用于在尾部增加新节点( )。
self.tail.next = new_node
new_node.prev = self.tail
self.tail.next = new_node
self.tail = new_node
new_node.prev = self.tail
self.tail.next = new_node
new_node.prev = self.tail
self.tail.next = new_node
self.tail = new_node
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（ ）。
该算法采用分治算法
该算法是递归实现
该算法采用贪心算法
该算法不是递推算法
基于上题的find_max()实现，下面的说法错误的是（ ）。
find_max() 适用于 str
find_max() 适用于 list
find_max() 适用于 tuple
find_max() 适用于 dict
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（ ）。
本题的 find_max() 函数采用分治算法
和上上题的 find_max() 函数相比，本题 find_max() 运行效率相对较低，因为需要分配额外的内存空间，用以存储nums的切片结果
和上上题的 find_max() 函数相比，本题 find_max() 的空间复杂度与之相同，不需要额外的存储资源
本题的 find_max() 的时间复杂度为 O(n log n)
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。
下面Python代码是用欧几里得算法（辗转相除法）求两个大于0的正整数的最大公约数，a大于b还是小于b都适用。（ ）
对
错
假设函数 gcd() 函数能正确求两个正整数的最大公约数，则下面的 lcm() 函数能求相应两数的最小公倍数。 ( )
对
错
在下面的Python代码中，for-in每次循环都将执行 n ** 0.5 ，并取整后加上1。( )
对
错
下面的Python代码用于输出每个数对应的质因数列表，输出形如： {5: [5], 6: [2, 3], 7: [7], 8: [2, 2, 2]} 。 ( )
对
错
下面Python代码执行后输出是15。（ ）
对
错
求解下图中A点到D点最短路径，其中A到B之间的12可以理解为距离。求解这样的问题，常用Dijkstra算法，其思路是通过逐步选择当前距离起点最近的节点来求解非负权重图（如距离不能为负值）单源最短路径的算法。从该算法的描述可以看出，Dijkstra算法是贪心算法。（ ）
对
错
下面的Python代码用于归并排序（merge sort）,已测试执行正确。假如整体交换 merge() 和 merge_sort() 两个函数的先后位置，则程序执行将触发异常。（ ）
对
错
基于上一题的Python代码。上题代码在执行时，将输出一次 HERE 字符串，因为merge_sort()递归调用在print("HERE") 之前，因此merge()函数仅被调用一次。（ ）
对
错
基于上上题的Python代码。代码片段 left_arr = merge_sort(arr[:mid]) 和 right_arr = merge_sort(arr[mid:]) 因为切片，将产生的新的list，对于大容量list的排序，将需要大量额外存储空间，可以优化为就地（implace）排序。（ ）
对
错
下面的Python代码实现如果对一维list【形如：[32,12,32,13,42,1],而不是[(1,3),(3,1),(321,321),(32,13)]】进行快速排序，该排序是稳定排序。（ ）
对
错
