输入一个正整数从小到大输出他的所有因子

这我写的代码有问题我输入56只出现1 2 各位帮我看看改一下。不知道哪错了

不知道你是怎么操作的，按这个代码，我在Python自带的IDLE运行是没问题的。

这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7591148
这篇博客你也可以参考下：查看无法通过右键查看源码的网页源代码
除此之外, 这篇博客: 向量的几种距离计算方法中的 4.把距离归一化，然后画出来 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:

g1=ou1/max(ou1)
print("欧氏距离归一化：",g1)

g2=man/max(man)
print("曼哈顿距离归一化：",g2)

g3=qie/max(qie)
print("切比雪夫距离归一化：",g3)

g4=cos/max(cos)
print("余弦距离归一化：",g4)

# 1.欧氏距离：蓝色线
plot(power, g1, 'b.')
plot(power[:5], g1[:5],color='b')


# 2.曼哈顿距离：红色线
plot(power, g2, 'r.')
plot(power[:5],g2[:5],color='r')

# 3.切比雪夫距离：黄色线
plot(power, g3, 'y.')
plot(power[:5], g3[:5],color='y')

# 4.夹角余弦距离：黑色线
plot(power, g4, 'k.')
plot(power[:5], g4[:5],color='k')

title('Vector distance')
plt.show()

完整代码：

import numpy as np
import numpy
from numpy import *
from PIL import Image
from pylab import *
from sklearn import preprocessing
from scipy.spatial.distance import pdist
from itertools import chain

a=numpy.random.randint(-20,high=160,size=(1,30))   #随机均匀分布
a=a/1000
A=[]
for i in range(30):
    for b in a:
        c='%.3f' %b[i]
        A.append(float(c))
print(A)

ou1=[]
man = []
qie=[]
cos=[]
power=[0.005,0.006,0.007,0.008,0.009]
for n in range(5):
    B = []
    for i in A:
        random2 = numpy.random.randn()  #随机正态分布
        a = i+random2/1000*power[n]
        a='%.6f' %a
        B.append(float(a))
    # print(B)

    vector1 = mat(A)
    vector2 = mat(B)

    print("第" + str(n+1) + "次距离计算")
    # 1.欧式距离
    ou = numpy.sqrt(numpy.sum(numpy.square(vector1 - vector2)))
    ou1.append(ou)
    print('欧氏距离：', ou)

    # 2.曼哈顿距离
    manhadun = sum(abs(vector1 - vector2))
    man.append(manhadun)
    print("曼哈顿距离：", manhadun)

    # 3.切比雪夫距离
    qbxf = abs(vector1 - vector2).max()
    qie.append(qbxf)
    print("切比雪夫距离：", qbxf)

    # 4.夹角余弦距离
    n1 = np.squeeze(np.asarray(vector1))
    n2 = np.squeeze(np.asarray(vector2))
    cos1 = dot(n1, n2) / (linalg.norm(n1) * linalg.norm(n2))
    cos.append(cos1)
    print("夹角余弦距离：", cos1)
    print("-----------------------------")

g1=ou1/max(ou1)
print("欧氏距离归一化：",g1)

g2=man/max(man)
print("曼哈顿距离归一化：",g2)

g3=qie/max(qie)
print("切比雪夫距离归一化：",g3)

g4=cos/max(cos)
print("余弦距离归一化：",g4)

# 1.欧氏距离：蓝色线
plot(power, g1, 'b.')
plot(power[:5], g1[:5],color='b')


# 2.曼哈顿距离：红色线
plot(power, g2, 'r.')
plot(power[:5],g2[:5],color='r')

# 3.切比雪夫距离：黄色线
plot(power, g3, 'y.')
plot(power[:5], g3[:5],color='y')

# 4.夹角余弦距离：黑色线
plot(power, g4, 'k.')
plot(power[:5], g4[:5],color='k')

title('Vector distance')
plt.show()

结果显示：
在这里插入图片描述

由于获取的向量为随机值，所以每次运行得到的图都是不一样的

您还可以看一下张长志老师的大白话学懂机器学习与推荐系统实战课程中的 016_机器学习模型和算法_线性回归（下）小节, 巩固相关知识点

输入一个正整数 从小到大输出他的所有因子

输入一个正整数从小到大输出他的所有因子