Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

万年历

Posted on 2024-12-17

上一篇文章解释了为什么公历是这样的,并且它由整数周组成。由此可见,公历每 400 年重演一次。例如,2025 年的日历将与 1625 年和 2425 年的日历完全相同。

如果不在日历上打印年份,则只有 14 种可能的打印日历。元旦是星期几有七种可能,该年是否闰年有两种可能。

万年历是一组 14 种可能的日历,以及一些指示在给定年份适合哪种可能的日历的索引。

14 个日历中的每一个的出现频率都相同吗?不可以,因为日历中只有 400 年中的 97 年才会包含闰日。

每个非闰年日历的出现频率是否相同?不,因为有 303 个非闰年,而 303 不能被 7 整除。那么闰年日历呢?还是不能,因为 97 也不能被 7 整除。

现在我们可能期望在平年或闰年中,每个潜在日历的使用次数大约相同。但这是真的吗?下面是一些回答这个问题的 Python 代码。

 
  
普通计数 = [0]*7 
  
跳跃计数 = [0]*7 
  
 
  
y = 0 # 年模 400 
  
跳跃计数[0] = 1 
  
 
  
d = 0 自 1 月 1 日周期开始以来的 # 天 
  
 
  
定义跳跃(y): 
  
    返回 y % 4 == 0 和 (y % 100 != 0 或 y % 400 == 0) 
  
 
  
对于范围 (1, 400) 中的 y: 
  
    d += y*365 
  
    # 上一年是否是闰年 
  
    如果跳跃(y - 1): 
  
        d+=1 
  
    如果跳跃(y): 
  
        跳跃计数[d % 7] += 1 
  
    别的: 
  
        普通计数[d % 7] += 1 
  
     
  
打印(普通计数) 
  
打印(跳跃计数) 
  

这是输出:

 
  
[45, 43, 44, 40, 45, 34, 52] 
  
[10, 11, 17, 16, 23, 13, 7] 
  

日历类型的频率分布并不均匀。在闰年中,最常见的日历类型是最不常见类型的三倍多。

这是频率的条形图。图表从星期六开始,因为 2000 年 1 月 1 日是星期六。
一、平年:

普通年1.png

然后,闰年:

leap_years1.png

相关帖子

  • 立方日历
  • 心算一周中的哪一天
  • 年份额

《万年历》一文首次出现在约翰·D·库克 (John D. Cook)上。

原文: https://www.johndcook.com/blog/2024/12/16/perpetual-calendars/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • Elad Gil
  • Ellie Huxtable
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mostly metrics
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme