Python: 1027 打印沙漏_分析题干为主要目的+测试点2原因

简介: Python: 1027 打印沙漏_分析题干为主要目的+测试点2原因

测试点二我遇到的问题是输入1 *不正确 ,订正后就好了。

首先,题目告诉我们格式是:

输入在一行给出1个正整数N(≤1000)和一个符号,中间以空格分隔

所以input()接收它,再用字符串中的split()

(注意,这里括号内什么也不写,默认以空白字符作为分隔符,如果想要以其它字符或字符串分隔,请在括号内以str形式输入它们即可)

方法以空格键分隔它们并用两个变量接收它们。

代码如下:

1. m, n = input().split()
2. m = int(m)

接着,告诉的我们是总的字符数,所以我们需要观察字符的排列找出规律。

看图



我们将其分隔成两部分,上半部分看右图,它是等差数列,差值为2,那么由等差数列

an = a1 + (n - 1) * d, sn = n * (a1 + an) / 2

得sn =  n ** 2 ;(注意这里的n指的是上半部分的行数)

这是上半部分,下半部分和它相差1,

所以总的式子就是sn = 2 * n ** 2 - 1

在就是题目中给的字符数并不是恰好完整的,所以需要找比它小一点或者等于的Sn

代码如下:

i = 1  # 首先从n = 1开始慢慢大的去
while 2 * i ** 2 - 1 <= m:
# 注意这里一定要小于等于,这里就是测试点2不过的原因,不信你代m = 1试一下,
    i += 1  # 只要小于,我们就不确定下一次会不会还是小于,所以加一
i  -= 1  # 当然要在剪一下,因为i - 1是小于等于m,现在i是大于m跳出循环。

最后就是输出,对于python这个输出可能没有C语言那么繁琐了。

我想的是分段输出,先上半部分,在下半部分

上半部分从第0行(这里因为首行空字符为0,以0行开始当然好一点)开始,到第i - 1行结束(总共i行)

第0行有0个空字符,2 * i - 1个 *

第1行有1个空字符,2 * (i - 1) - 1个 *

....

第i行有i个空字符,2 * (i - i) - 1 == 1 个 *

所以上半部分代码如下:

1. for j in range(i):
2. print(' ' * j + n * ((i - j) * 2 - 1))

这里插一嘴,' ' * j表示对前面字符串输出j遍,譬如:



下半部分同样这样子分析:

本来下半部分这个样子就更好:



第1行 2 * 1 - 1 == 1个*字符,有i个空字符

第2行2 * 2 - 1 == 3个*字符 ,有i - 1个空字符

...

第i行2 * i - 1 个*字符,有i - i == 0个空字符

那么我们是不是多输出了第一行啊,不要紧,我们只是要规律,到时候从第2行开始循环就好了

所以代码如下:

for j in range(2, i + 1):  # 从2 到i行(包括i行)所以是i + 1
    print(' ' * (i - j) + n * (j * 2 - 1))  # 这里的n是输出的字符*(当然也可能是其他)

最最后,不要忘记输出多出来的没用的字符剩下几个:

print(m - (2 * i ** 2 - 1))

完整代码如下:

m, n = input().split()
m = int(m)
i = 1
while 2 * i ** 2 - 1 <= m:
    i += 1
i  -= 1
for j in range(i):
    print(' ' * j + n * ((i - j) * 2 - 1))
for j in range(2, i + 1):
    print(' ' * (i - j) + n * (j * 2 - 1))
print(m - 2 * i ** 2 + 1)
目录
相关文章
|
1月前
|
缓存 Rust 算法
从混沌到秩序:Python的依赖管理工具分析
Python 的依赖管理工具一直没有标准化,主要原因包括历史发展的随意性、社区的分散性、多样化的使用场景、向后兼容性的挑战、缺乏统一治理以及生态系统的快速变化。依赖管理工具用于处理项目中的依赖关系,确保不同环境下的依赖项一致性,避免软件故障和兼容性问题。常用的 Python 依赖管理工具如 pip、venv、pip-tools、Pipenv、Poetry 等各有优缺点,选择时需根据项目需求权衡。新工具如 uv 和 Pixi 在性能和功能上有所改进,值得考虑。
91 35
|
2月前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费模式分析的深度学习模型
使用Python实现智能食品消费模式分析的深度学习模型
157 70
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python实现基于矩阵分解的长期事件(MFLEs)时间序列分析
在现代数据分析中,高维时间序列数据的处理和预测极具挑战性。基于矩阵分解的长期事件(MFLEs)分析技术应运而生,通过降维和时间序列特性结合,有效应对大规模数据。MFLE利用矩阵分解提取潜在特征,降低计算复杂度,过滤噪声,并发现主要模式。相比传统方法如ARIMA和深度学习模型如LSTM,MFLE在多变量处理、计算效率和可解释性上更具优势。通过合理应用MFLE,可在物联网、金融等领域获得良好分析效果。
71 0
使用Python实现基于矩阵分解的长期事件(MFLEs)时间序列分析
|
1月前
|
数据采集 数据可视化 数据挖掘
金融波动率的多模型建模研究:GARCH族与HAR模型的Python实现与对比分析
本文探讨了金融资产波动率建模中的三种主流方法:GARCH、GJR-GARCH和HAR模型,基于SPY的实际交易数据进行实证分析。GARCH模型捕捉波动率聚类特征,GJR-GARCH引入杠杆效应,HAR整合多时间尺度波动率信息。通过Python实现模型估计与性能比较,展示了各模型在风险管理、衍生品定价等领域的应用优势。
300 66
金融波动率的多模型建模研究:GARCH族与HAR模型的Python实现与对比分析
|
27天前
|
并行计算 安全 Java
Python GIL(全局解释器锁)机制对多线程性能影响的深度分析
在Python开发中,GIL(全局解释器锁)一直备受关注。本文基于CPython解释器,探讨GIL的技术本质及其对程序性能的影响。GIL确保同一时刻只有一个线程执行代码,以保护内存管理的安全性,但也限制了多线程并行计算的效率。文章分析了GIL的必要性、局限性,并介绍了多进程、异步编程等替代方案。尽管Python 3.13计划移除GIL,但该特性至少要到2028年才会默认禁用,因此理解GIL仍至关重要。
125 16
Python GIL(全局解释器锁)机制对多线程性能影响的深度分析
|
1月前
|
数据可视化 算法 数据挖掘
Python时间序列分析工具Aeon使用指南
**Aeon** 是一个遵循 scikit-learn API 风格的开源 Python 库,专注于时间序列处理。它提供了分类、回归、聚类、预测建模和数据预处理等功能模块,支持多种算法和自定义距离度量。Aeon 活跃开发并持续更新至2024年,与 pandas 1.4.0 版本兼容,内置可视化工具,适合数据探索和基础分析任务。尽管在高级功能和性能优化方面有提升空间,但其简洁的 API 和完整的基础功能使其成为时间序列分析的有效工具。
86 37
Python时间序列分析工具Aeon使用指南
|
1月前
|
机器学习/深度学习 运维 数据可视化
Python时间序列分析:使用TSFresh进行自动化特征提取
TSFresh 是一个专门用于时间序列数据特征自动提取的框架,支持分类、回归和异常检测等机器学习任务。它通过自动化特征工程流程,处理数百个统计特征(如均值、方差、自相关性等),并通过假设检验筛选显著特征,提升分析效率。TSFresh 支持单变量和多变量时间序列数据,能够与 scikit-learn 等库无缝集成,适用于大规模时间序列数据的特征提取与模型训练。其工作流程包括数据格式转换、特征提取和选择,并提供可视化工具帮助理解特征分布及与目标变量的关系。
83 16
Python时间序列分析:使用TSFresh进行自动化特征提取
|
2月前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费习惯分析的深度学习模型
使用Python实现智能食品消费习惯分析的深度学习模型
190 68
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
MarS:微软开源金融市场模拟预测引擎,支持策略测试、风险管理和市场分析
MarS 是微软亚洲研究院推出的金融市场模拟预测引擎,基于生成型基础模型 LMM,支持无风险环境下的交易策略测试、风险管理和市场分析。
93 8
MarS:微软开源金融市场模拟预测引擎,支持策略测试、风险管理和市场分析
|
2月前
|
IDE 测试技术 开发工具
10个必备Python调试技巧:从pdb到单元测试的开发效率提升指南
在Python开发中,调试是提升效率的关键技能。本文总结了10个实用的调试方法,涵盖内置调试器pdb、breakpoint()函数、断言机制、logging模块、列表推导式优化、IPython调试、警告机制、IDE调试工具、inspect模块和单元测试框架的应用。通过这些技巧,开发者可以更高效地定位和解决问题,提高代码质量。
373 8
10个必备Python调试技巧:从pdb到单元测试的开发效率提升指南

热门文章

最新文章