当前位置: 首页 > news >正文

python 基础知识点(蓝桥杯python科目个人复习计划59)

今日复习内容:做题

例题1:建造房屋

问题描述:

小蓝和小桥是两位年轻的建筑师,他们正在设计一座新的城市。

在这个城市中,有N条街道,每条街道上有M个位置可以建造房屋(一个位置只能建造一个房屋),建造一个房屋的费用是1元,小蓝和小桥共有k元的建造预算。

现在,他们想知道,一共有多少种建造方案,满足以下要求:

在每条街道上,至少建造一座房屋;

建造的总成本不能超过k元。

由于方案数可能很大,他们只需要输出答案对10^9 + 7取模的结果。

输入格式:

一行3个整数N,M(1 = N,M <= 30)和K(1 <= K <= N * M),分别表示街道数,街道位置数和预算。

输出格式:

一个整数,表示满足条件的方案数对10^9 + 7取模的结果。

参考答案:

mod = int(1e9) + 7
n,m,k = map(int,input().split())
f = [[0] * (k + 1) for i in range(n + 1)]
for i in range(k + 1):f[0][i] = 1
for i in range(1,n + 1):for j in range(k + 1):for z in range(1,m + 1):if j >= z:f[i][j] = (f[i][j] + f[i - 1][j - z]) % mod
print(f[n][k])

运行结果:

 

以下是我对此题的理解:

这道题涉及动态规划,目标的计算在给定预算下,满足建造要求的方案数。

1.定义了一个二维数组f,其中f[i][j]表示在前i条街道上,总成本为j的方案数。

2.初始化数组f[0][i],表示在0条街道上,总成本为i的方案数,初始化为1,因为无论预算多少,都有一种方案(不建造任何房屋)。

3.使用3层循环,其中第一层循环遍历街道,第二层循环遍历总成本,第3层循环遍历每个街道上可建造的位置。

4.在内层循环中,检查当前总成本j是否大于街道上可建造的位置数z。如果满足条件,则需要更新f[i][j],加上之前街道i - 1上总成本为j - z的方案数。

5.最终输出结果为f[n][k],表示在前n条街道上,总成本为k的方案数。

n,m,k = map(int,input().split()):从标准输入读取三个整数,分别表示街道数n,街道位置数m和预算k

f = [[0] * (k + 1) for i in range(n + 1):这一行代码创建了一个二维列表f,其中包含n + 1行,每行包含k + 1个元素,初始值都为0,这个列表用于存储动态规划过程中的中间结果。

for i in range(k + 1):这个循环遍历了k + 1个预算值,用于初始化第0条街道上的方案数。

f[0][i] = 1:这一行将第0条街道上总成本为i的方案数记为1,因为无论预算多少,都要一个方案,不建造任何房屋。

for i in range(1,n + 1):这个循环遍历了1到n条街道

for j in range(k + 1):这个循环遍历了k + 1个总成本值,,用于计算每条街道上的方案数

for z in range(1,m + 1):这个循环遍历了每个街道上可建造的位置数,从1到m

if j >= z:这个条件判断语句检查当前总成本j是否大于等于当前街道上可建造的位置数z

f[i][j] = (f[i][j] + f[i - 1][j - z]) % mod:这一行更新了当前街道上总成本为j的方案数。它将之前街道i - 1上总成本为j - z的方案数加到当前街道上,并对结果取模。

print(f[n][k]):最后输出结果,表示前n条街道上,总成本为k的方案数。


例题2:破损的楼梯

问题描述:

小蓝来到了一座高耸的楼梯前,楼梯共有N级台阶,从第0级台阶出发。小蓝可以迈上1或2级台阶。但是,楼梯上的第a1级,第a2级,第a3级,以此类推,共M级台阶的台阶面坏掉了,不能踩上去。

现在,小蓝想要到达楼梯的顶端,也就是第N级台阶,但他不能踩到坏了的台阶上,请问他有多少种不能踩到坏了的楼梯但是能到达第N级台阶的方案数?

由于方案数很大,请输出其对10^9 + 7的结果。

输入格式:

第一行包含两个正整数N(1 <= N <= 10^5)和M(0 <= M <= N),表示台阶总数和坏了的台阶级数。

接下来来N行,包含N个整数a1,a2,...,aM,(1 <= a1 < a2 <... < aM <= N),表示坏掉的台阶编号。

输出格式:

输出一个整数,表示小蓝到达楼梯顶层的方案数,对10^9 + 7取模。

参考答案:

mod = int(1e9) + 7
n,m = map(int,input().split())
mm = list(map(int,input().split()))
vis = [0] * (n + 1)
for i in mm:vis[i] = 1
f = [0] * (n + 1)
f[0] = 1
f[1] = 1 - vis[1]
for i in range(2,n + 1):if not vis[i]:f[i] = (f[i - 1] + f[i - 2]) % mod
print(f[n])

运行结果:

 

以下是我对此题的理解:

这个题是一个很经典的冬天规划问题,以下是我的思路:

n,m = map(int,input().split()):从标准输入中读取两个整数,分别表示台阶总数和坏了的台阶数。

mm = list(map(int,input().split())):从输入中读取坏了的台阶的编号,并将它们储存在列表mm中

vis = [0] * (n + 1):创建了一个长度为n + 1的列表,用于标记每个台阶是否坏掉。如果台阶i坏了,则vis[i]的值为1,否则为0.

for i in mm:vis[i] = 1:这个循环将坏掉的台阶编号所对应的vis列表中的值记为1,表示这些台阶坏了。

f = [0] * (n + 1):用于存储动态规划过程中的中间结果,f[i]表示到达第i级台阶的方案数

f[0] = 1:初始第0级 台阶的方案数为0,因为小蓝从第0级台阶出发。

f[1] = 1 - vis[1]:初始化第一级台阶的方案数,如果第一级台阶坏了,则方案数为0,否则为1.

for i in range(2,n + 1):遍历剩下的台阶

if not vis[i]:用于判断此台阶是否坏了,如果没有,就继续执行下面的代码

f[i] = (f[i - 1] + f[i - 2]) % mod:这一行更新了到达第i级台阶的方案数,如果第i - 1级台阶坏了,只能通过第i - 2级台阶才能到达第i级台阶,这里需要考虑台阶的可行性。

print(f[n]):最终输出结果


例题3:拍照

问题描述:

小椒是个摄影爱好者。恰逢班级合照,他受邀帮忙拍照(站成一排)。这本是一件简单的事,但由于啾啾是个完美主义者,他希望拍的照片必须符合美学,即存在一个身高较大值,使得较大值无论往左还是往右身高都是递减的,数学上可以表示为:a[1] <= ... <= a[i] >= a[i + 1] >= ...>= a[n]。同学们已经站好了,但是不符合美学,你需要找出尽可能少的同学出列重新进行排列。请问最少需要出列几个同学?

输入格式:

第一行输入n,表示有n个同学,接下来的n行,输入校友身高,其中第i行输入a[i]( 1 <= i  <= n),输入编号为i的校友的身高(单位是毫米)。

(1 <= n <= 100,1500 <= a[i] <= 1900)

输出格式:

输出一个整数,表示最少需要出队多少个同学。

参考答案:

n = int(input())
a = list(map(int, input().split()))
dp1 = [0] * (n + 1)
dp2 = [0] * (n + 1)for i in range(1, n + 1):dp1[i] = 1for j in range(1, i):if a[i - 1] >= a[j - 1]:dp1[i] = max(dp1[i], dp1[j] + 1)for i in range(n, 0, -1):dp2[i] = 1for j in range(n, i, -1):if a[i - 1] >= a[j - 1]:dp2[i] = max(dp2[i], dp2[j] + 1)ans = 0
for i in range(1, n + 1):ans = max(ans, dp1[i] + dp2[i] - 1)print(n - ans)

运行结果:

 

以下是我对此题的理解:

n = int(input()):从标准输入读取同学的数量n

a = list(map(int,input().split())):从标准输入读取每个同学的身高,并将它们存储在列表a中

dp1和dp2分别代表从左到右和从右到左的动态规划数组。它们的长度都是n + 1,用于存储每个位置的最长符合美学要求的子序列长度。

对于dp1数组,dp1[i]表示以同学i为结束的最长符合美学要求的子序列长度,初始化所有值为1,因为每个同学本身就是一个符合美学要求的子序列

对于dp2数组,dp2[i]表示以同学i为开始的最长符合美学要求的子序列长度,初始化所有值为1,因为每个同学本身就是一个符合美学要求的子序列。

对于每个同学i,在dp1中遍历所有在i之前的同学j,之后就是比较,再输出答案就可以了。


OK,前几天写比赛论文去了,没时间复习,从今天开始,必须挤时间了。

那这篇就这样了,下一篇继续!

相关文章:

python 基础知识点(蓝桥杯python科目个人复习计划59)

今日复习内容&#xff1a;做题 例题1&#xff1a;建造房屋 问题描述&#xff1a; 小蓝和小桥是两位年轻的建筑师&#xff0c;他们正在设计一座新的城市。 在这个城市中&#xff0c;有N条街道&#xff0c;每条街道上有M个位置可以建造房屋&#xff08;一个位置只能建造一个房…...

LCR 179. 查找总价格为目标值的两个商品 - 力扣

1. 题目 购物车内的商品价格按照升序记录于数组 price。请在购物车中找到两个商品的价格总和刚好是 target。若存在多种情况&#xff0c;返回任一结果即可。 2. 示例 3. 分析 题目有说明为递增数组&#xff0c;所以可以利用单调性双指针解决。跟611. 有效的三角形个数为一类题…...

《汇编语言》- 读书笔记 - 第16章-直接定址表

《汇编语言》- 读书笔记 - 第16章-直接定址表 16.1 描述了单元长度的标号&#xff08;数据标号&#xff09;检测点 16.1 16.2 在其他段中使用数据标号assume通过标号取地址检测点 16.2 16.3 直接定址表&#xff08;Direct Addressing Table&#xff09;例1分析代码效果 例2分析…...

ChatGPT 新增朗读功能,支持 37 种语言

3 月 5 日消息&#xff0c;OpenAI 为其广受欢迎的聊天机器人 ChatGPT 推出了名为「朗读」(Read Aloud) 的新功能。该功能可以让 ChatGPT 用五种不同的声音朗读其回复&#xff0c;旨在为用户提供更加便捷的交互体验。目前&#xff0c;「朗读」功能已上线 ChatGPT 的网页端、iOS …...

洛谷 P8816 [CSP-J 2022] 上升点列(T4)

目录 题目传送门 算法解析 最终代码 提交结果 尾声 题目传送门 [CSP-J 2022] 上升点列 - 洛谷https://www.luogu.com.cn/problem/P8816 算法解析 k 0 且 xi, yi 值域不大时&#xff0c;这题是非常简单的 DP&#xff0c;类似「数字三角形」。 记 dp(x,y) 为「以 (x,y) …...

python爬虫(2)

继上节 查看数组维数 可以使用数组的ndim属性 代码示例如下&#xff1a; import numpy as np c np.random.randint(1,9,5) print(c.ndim) 结果如下&#xff1a; 当然这些也可以结合前面的各种用法来使用 1、选取数组元素 &#xff08;1&#xff09;一维数组的元素…...

外包干了8天,技术退步明显。。。。。

先说一下自己的情况&#xff0c;本科生&#xff0c;19年通过校招进入杭州某软件公司&#xff0c;干了接近3年的功能测试&#xff0c;今年年初&#xff0c;感觉自己不能够在这样下去了&#xff0c;长时间呆在一个舒适的环境会让一个人堕落!而我已经在一个企业干了四年的功能测试…...

浅谈去耦电容的作用、选择、布局及其它电容的区别!

在一些文章资料中&#xff0c;去耦电容器被认为是旁路电容器。在其他资料中&#xff0c;去耦电容和旁路电容的区别在于&#xff1a;“旁路电容以输入信号中的干扰为滤波对象&#xff0c;而去耦电容以输出信号的干扰为滤波对象&#xff0c;防止干扰信号返回到输出端。”力量。”…...

抖音视频评论批量采集软件|视频下载工具

《轻松搞定&#xff01;视频评论批量采集软件&#xff0c;助您高效工作》 在短视频这个充满活力和创意的平台上&#xff0c;了解用户评论是了解市场和观众心声的重要途径之一。为了帮助您快速获取大量视频评论数据&#xff0c;我们推出了一款操作便捷、功能强大的软件&#xff…...

javaSE-----继承和多态

目录 一.初识继承&#xff1a; 1.1什么是继承&#xff0c;为什么需要继承&#xff1a; 1.2继承的概念与语法&#xff1a; 二.成员的访问&#xff1a; 2.1super关键字 2.2this和super的区别&#xff1a; 三.再谈初始化: 小结&#xff1a; 四.初识多态&#xff1a; 4.1多…...

数据库之Oracle数据导入导出

目录 一、单表导出和导入1、单表导出数据2、单表导入数据二、全表导出和导入1、远程导出全表数据2、导入本地数据三、密码带特殊字符的写法1、Windows OS写法2、Linux/Unix OS写法 四、总结 一、单表导出和导入 1、单表导出数据 --导出远程服务上的表数据 exp 用户名/密码IP…...

nRF52832——GPIOTE与外部中断

这里写目录标题 GPIOTE 原理分析GPIOTE 输入事件应用GPIOTE 事件寄存器应用GPIOTE 事件组件的应用&#xff08;库函数&#xff09;GPIOTE PORT 事件应用 GPIOTE 任务应用GPIOTE 任务触发 LED 寄存器操作组件方式进行任务配置 GPIOTE 原理分析 GPIO 任务和时间&#xff08;GPIO…...

根据用户名称实现单点登录

一、参数格式 二、后端实现 Controller层 public class IAccessTokenLoginController extends BaseController {Autowiredprivate ISysUserService sysUserService;Autowiredprivate ISingleTokenServiceImpl tokenService;/*** 登录方法** return 结果*/PostMapping("/l…...

【设计】855. 考场就座

855. 考场就座 这段代码实现了一个考场安排座位的算法。在这个算法中&#xff0c;考场被模拟成一个从0到n-1的数轴&#xff0c;其中每个位置代表一个座位。目的是在每次学生入座时&#xff0c;找到一个使得所有学生之间距离最大化的座位&#xff0c;并在学生离开时更新座位信息…...

Android中的传感器类型和接口名称

本文将介绍传感器坐标轴、基础传感器和复合传感器&#xff08;动作传感器、姿势传感器、未校准传感器和互动传感器&#xff09;。 1. 传感器坐标轴 许多传感器的传感器事件值在相对于设备静止的特定坐标系中表示。 1.1 移动设备坐标轴 Sensor API 仅与屏幕的自然方向相关&a…...

解析进程 /proc/pid/maps 和 /proc/pid/smaps

目录 /proc//maps 背景 具体描述 代码实现 实践 /proc/pid/smaps smaps各子项详解 代码实现 代码调用的路径如下&#xff1a; 小结 /proc/<pid>/maps 背景 相对于/proc/meminfo和dumpsys meminfo可以看到系统整体的内存信息&#xff0c;我们还需要能够具体到…...

【MQ】消息队列概述

&#x1f4dd;个人主页&#xff1a;五敷有你 &#x1f525;系列专栏&#xff1a;MQ ⛺️稳中求进&#xff0c;晒太阳 定义 消息队列&#xff1a;一般我们简称为MQ(Message Queue) Message Queue :消息队列中间件&#xff0c;很多初学者认为&#xff0c;MQ通过消息的发送…...

交友盲盒系统PHP开源的盲盒源码

源码介绍&#xff1a; 交友盲盒系统是一款基于PHP开发的开源免费盲盒系统&#xff0c;旨在为用户提供一个充满乐趣和惊喜的社交体验。该系统具有丰富的功能和灵活的扩展性&#xff0c;可以轻松地满足各种线上交友、抽奖活动等场景的需求。 安装说明&#xff1a; PHP版本&…...

【Flutter 面试题】什么是异步编程 Flutter中如何处理异步操作?

【Flutter 面试题】什么是异步编程 Flutter中如何处理异步操作&#xff1f; 文章目录 写在前面解答补充说明从网络API异步获取数据并解析 写在前面 关于我 &#xff0c;小雨青年 &#x1f449; CSDN博客专家&#xff0c;GitChat专栏作者&#xff0c;阿里云社区专家博主&#x…...

处理error: remote origin already exists.及其Gitee文件上传保姆级教程

解决error: remote origin already exists.&#xff1a; 删除远程 Git 仓库 git remote rm origin 再添加远程 Git 仓库 git remote add origin &#xff08;HTTPS&#xff09; 比如这样&#xff1a; 然后再push过去就ok了 好多人可能还是不熟悉怎么将文件上传 Gitee:我…...

业务系统对接大模型的基础方案:架构设计与关键步骤

业务系统对接大模型&#xff1a;架构设计与关键步骤 在当今数字化转型的浪潮中&#xff0c;大语言模型&#xff08;LLM&#xff09;已成为企业提升业务效率和创新能力的关键技术之一。将大模型集成到业务系统中&#xff0c;不仅可以优化用户体验&#xff0c;还能为业务决策提供…...

日语学习-日语知识点小记-构建基础-JLPT-N4阶段(33):にする

日语学习-日语知识点小记-构建基础-JLPT-N4阶段(33):にする 1、前言(1)情况说明(2)工程师的信仰2、知识点(1) にする1,接续:名词+にする2,接续:疑问词+にする3,(A)は(B)にする。(2)復習:(1)复习句子(2)ために & ように(3)そう(4)にする3、…...

8k长序列建模,蛋白质语言模型Prot42仅利用目标蛋白序列即可生成高亲和力结合剂

蛋白质结合剂&#xff08;如抗体、抑制肽&#xff09;在疾病诊断、成像分析及靶向药物递送等关键场景中发挥着不可替代的作用。传统上&#xff0c;高特异性蛋白质结合剂的开发高度依赖噬菌体展示、定向进化等实验技术&#xff0c;但这类方法普遍面临资源消耗巨大、研发周期冗长…...

Qt Widget类解析与代码注释

#include "widget.h" #include "ui_widget.h"Widget::Widget(QWidget *parent): QWidget(parent), ui(new Ui::Widget) {ui->setupUi(this); }Widget::~Widget() {delete ui; }//解释这串代码&#xff0c;写上注释 当然可以&#xff01;这段代码是 Qt …...

Python爬虫实战:研究feedparser库相关技术

1. 引言 1.1 研究背景与意义 在当今信息爆炸的时代,互联网上存在着海量的信息资源。RSS(Really Simple Syndication)作为一种标准化的信息聚合技术,被广泛用于网站内容的发布和订阅。通过 RSS,用户可以方便地获取网站更新的内容,而无需频繁访问各个网站。 然而,互联网…...

【解密LSTM、GRU如何解决传统RNN梯度消失问题】

解密LSTM与GRU&#xff1a;如何让RNN变得更聪明&#xff1f; 在深度学习的世界里&#xff0c;循环神经网络&#xff08;RNN&#xff09;以其卓越的序列数据处理能力广泛应用于自然语言处理、时间序列预测等领域。然而&#xff0c;传统RNN存在的一个严重问题——梯度消失&#…...

大语言模型(LLM)中的KV缓存压缩与动态稀疏注意力机制设计

随着大语言模型&#xff08;LLM&#xff09;参数规模的增长&#xff0c;推理阶段的内存占用和计算复杂度成为核心挑战。传统注意力机制的计算复杂度随序列长度呈二次方增长&#xff0c;而KV缓存的内存消耗可能高达数十GB&#xff08;例如Llama2-7B处理100K token时需50GB内存&a…...

HashMap中的put方法执行流程(流程图)

1 put操作整体流程 HashMap 的 put 操作是其最核心的功能之一。在 JDK 1.8 及以后版本中&#xff0c;其主要逻辑封装在 putVal 这个内部方法中。整个过程大致如下&#xff1a; 初始判断与哈希计算&#xff1a; 首先&#xff0c;putVal 方法会检查当前的 table&#xff08;也就…...

Java毕业设计:WML信息查询与后端信息发布系统开发

JAVAWML信息查询与后端信息发布系统实现 一、系统概述 本系统基于Java和WML(无线标记语言)技术开发&#xff0c;实现了移动设备上的信息查询与后端信息发布功能。系统采用B/S架构&#xff0c;服务器端使用Java Servlet处理请求&#xff0c;数据库采用MySQL存储信息&#xff0…...

iview框架主题色的应用

1.下载 less要使用3.0.0以下的版本 npm install less2.7.3 npm install less-loader4.0.52./src/config/theme.js文件 module.exports {yellow: {theme-color: #FDCE04},blue: {theme-color: #547CE7} }在sass中使用theme配置的颜色主题&#xff0c;无需引入&#xff0c;直接可…...