兒童python練習實例
實例一:
題目:有四個數(shù)字:1、2、3、4,能組成多少個互不相同且無重復數(shù)字的三位數(shù)?各是多少?
程序分析:可填在百位、十位、個位的數(shù)字都是1、2、3、4。組成所有的排列后再去 掉不滿足條件的排列(只要百不等于十位并且不等于個位)。
實例(Python 2.0+)
#!/usr/bin/python # -*- coding: UTF-8 -*- for i in range(1,5):#百位 for j in range(1,5):#十位 for k in range(1,5):#個位 if( i != k ) and (i != j) and (j != k):#百位十位個位的數(shù)字不相等 print i,j,k #3.0+ print (i,j,k)
實例二:
題目:企業(yè)發(fā)放的獎金根據(jù)利潤提成。利潤(I)低于或等于10萬元時,獎金可提10%;利潤高于10萬元,低于20萬元時,低于10萬元的部分按10%提成,高于10萬元的部分,可提成7.5%;20萬到40萬之間時,高于20萬元的部分,可提成5%;40萬到60萬之間時高于40萬元的部分,可提成3%;60萬到100萬之間時,高于60萬元的部分,可提成1.5%,高于100萬元時,超過100萬元的部分按1%提成,從鍵盤輸入當月利潤I,求應發(fā)放獎金總數(shù)?
具備知識基礎:數(shù)組遍歷
程序分析:請利用數(shù)組來分界(兩個數(shù)組,一個數(shù)組利潤空間,一個數(shù)組是提成比例),定位,判斷利潤區(qū)間。比如:利潤是120000,通過數(shù)組定位120000大于100000,那么獎金就由兩部分組成:
1、(120000-100000)*0.75
2、100000*0.1
實例(Python 2.0+)
# !/usr/bin/python # -*- coding: UTF-8 -*- i = int(raw_input('凈利潤:')) arr = [1000000, 600000, 400000, 200000, 100000, 0] rat = [0.01, 0.015, 0.03, 0.05, 0.075, 0.1] r = 0 for idx in range(0, 6): if i > arr[idx]: r += (i - arr[idx]) * rat[idx] #高于基數(shù)部分提成,例如利潤120000,就是20000部分提成 print (i - arr[idx]) * rat[idx] i = arr[idx] print r
相關文章
Python2和Python3讀取文本文件的區(qū)別及說明
這篇文章主要介紹了Python2和Python3讀取文本文件的區(qū)別及說明,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-02-02初步介紹Python中的pydoc模塊和distutils模塊
這篇文章主要介紹了Python中的pydoc模塊和distutils模塊,本文來自于IBM官方開發(fā)者技術文檔,需要的朋友可以參考下2015-04-04對Python Class之間函數(shù)的調(diào)用關系詳解
今天小編就為大家分享一篇對Python Class之間函數(shù)的調(diào)用關系詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01Python graphlib庫輕松創(chuàng)建操作分析圖形對象
Python中的graphlib庫是一個功能強大且易于使用的工具,graphlib提供了許多功能,可以幫助您創(chuàng)建、操作和分析圖形對象,本文將介紹graphlib庫的主要用法,并提供一些示例代碼和輸出來幫助您入門2024-01-01在VSCode中搭建Python開發(fā)環(huán)境并進行調(diào)試
這篇文章介紹了在VSCode中搭建Python開發(fā)環(huán)境并進行調(diào)試的方法,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2022-06-06詳解django的serializer序列化model幾種方法
序列化是將對象狀態(tài)轉換為可保持或傳輸?shù)母袷降倪^程。這篇文章主要介紹了詳解django的serializer序列化model幾種方法。具有一定的參考價值,感興趣的小伙伴們可以參考一下2018-10-10pytorch中model.train()和model.eval()用法及說明
在PyTorch中,model.train()用于啟用BatchNormalization和Dropout,保證模型在訓練階段能夠有效地利用這些層的特性,而model.eval()則是用于測試階段,確保BatchNormalization和Dropout不會影響測試結果,保持模型的穩(wěn)定性2024-09-09