### 如何用 Python 计算组合数 C(n, k) 计算组合数 \( C(n, k) \) 的方法可以通过多种方式实现。以下是几种常见的方法： #### 方法一：通过阶乘公式手动计算 组合数的定义为： \[ C(n, k) = \frac{n!}{k!(n-k)!} \] 下面是一个基于此公式的函数实现[^1]： ```python def combination(a, b): # a >= b if b == 0 or b == a: return 1 else: m = n = x = 1 for j in range(1, a + 1): n *= j # n 为 a! for i in range(1, b + 1): m *= i # m 为 b! for k in range(1, a - b + 1): x *= k # x 为 (a-b)! return n // (m * x) if __name__ == "__main__": n = 5 # 总元素数量 m = 1 # 被选中的元素数量 print(f"C({n}, {m}) = {combination(n, m)}") # 输出结果应为 5 ``` 这种方法虽然简单易懂，但在处理大数值时效率较低。 --- #### 方法二：利用 `scipy` 库中的 `binom` 函数 如果允许使用第三方库，则可以直接调用 SciPy 提供的功能来快速计算组合数[^4]： ```python from scipy.special import binom print("【执行】binom(3, 2)") print(binom(3, 2)) # 结果为 3.0 print("【执行】binom(5, 1)") print(binom(5, 1)) # 结果为 5.0 ``` 注意：该函数返回的结果可能是浮点型数据，因此在实际应用中可能需要将其转换为整数形式。 --- #### 方法三：动态规划法优化性能 为了提高效率并减少冗余运算，可以采用动态规划的方式存储中间结果[^3]: ```python def comb_dp(n, k): dp = [[0]*(k+1) for _ in range(n+1)] for i in range(n+1): for j in range(min(i, k)+1): if j == 0 or j == i: dp[i][j] = 1 else: dp[i][j] = dp[i-1][j-1] + dp[i-1][j] return dp[n][k] if __name__ == "__main__": n = 5 m = 1 print(f"C({n}, {m}) = {comb_dp(n, m)}") # 输出结果应为 5 ``` 这种方式适合于多次查询相同范围内的组合数场景。 --- #### 方法四：模运算下的高效算法 当涉及较大规模的数据或者特定条件下（如取模操作），可考虑更高效的算法。例如，在素数 \( p \) 下求解 \( C(n, m) \% p \)，可通过卢卡斯定理分解成若干子问题解决。 --- 对于题目给定的例子 \( C(5, 1) \)，上述任意一种方法均能得出正确答案 \( 5 \).