Python基础练习三超市存包柜模拟(优化)

简介: 题目描述 模拟超市存包柜的存放物品和取出物品操作,存放物品时选择空储物格,然后分配密码即为存放完成;取出物品时,输入对应的密码,打开对应的箱门即为取出物品 题目分析 1.增加私有变量,练习私有变量的使用2.

题目描述

模拟超市存包柜的存放物品和取出物品操作,存放物品时选择空储物格,然后分配密码即为存放完成;取出物品时,输入对应的密码,打开对应的箱门即为取出物品

题目分析

1.增加私有变量,练习私有变量的使用
2.多处需要进行数据类型转换,如int(),str()等
3.字符串的拼接和截取,截取使用的是切片的方式
4.密码采用了随机密码+位置码的方式,这样既能直接根据密码定位箱子位置,同时避免了随机生成的重复密码问题

代码

本次主要优化了check_cell()方法、save_goods()方法、get_goods_out()方法,其中get_goods_out()方法改动最大,取消了for循环,提高了查找性能。

#!/usr/bin/python3
#-*- coding:UTF-8 -*-

import random

'''
模拟超市存包柜程序,设置100个箱子,存满即止
每次存放物品之前从第一个箱子检测是否为空,遇到第一个为空的即可存入物品
'''
class Locker(object):
    def __init__(self):
        self._cell_num = 100
        self._use = 0
        self._surplus = self._cell_num
        self.cell = [0]*100
    
    def show_cell_detail(self):
        print(f"\n####################################\n总存包格数:总{self._cell_num}格,已用{self._use}格,剩余{self._surplus}格")
    
    def get_surplus(self):
        return self._surplus
        

    def check_cell(self):
        for i in range(0,100):
            position = "%02d"%(i)  #将箱子位置统一格式化成2位数,不足的补0
            if self.cell[i] == 0:
                return position
        return -1

#存放物品方法,先使用检查方法检查是否有空箱子,有空箱子即开门存物
    def save_goods(self):
        self.passwd = random.randint(10000,99999)
        self.cell_save = self.check_cell()
        self.passwd = str(self.passwd) + self.cell_save #将箱子位置加入密码中,密码最后两位数代表箱子位置,同时能够避免重复密码的问题
        self.cell_save = int(self.cell_save)
        self.cell[self.cell_save] = self.passwd
        print(self.cell[self.cell_save])
        self._use += 1
        self._surplus = self._cell_num - self._use
        print(f"{self.cell_save+1}号箱门已打开,您的密码是{self.cell[self.cell_save]}")

#取出物品方法,输入密码,取出物品    
    def get_goods_out(self,password):
        password = str(password)
        i = int(password[5:7])          #直接取密码最后两位定位箱子位置,避免循环查找消耗时间
        if self.cell[i] == password:
            print(password)
            self.cell[i] = 0
            self._surplus += 1
            self._use = self._cell_num - self._surplus
            return i
        return -1

lock = Locker()
#lock.check_cell()
while True:
    lock.show_cell_detail()
    surplus = lock.get_surplus()
    operation = input("1-存放\n2-取出\n0-退出\n请输入对应操作:")
    if operation == "1":
        if surplus != 0:
            lock.save_goods()
        else:
            print("箱已存满,谢谢使用")
            break
    elif operation == "2":
        while True:
            password = input("请输入取件密码:")
            password = int(password)
            out_result = lock.get_goods_out(password)
            if out_result != -1:
                print(f"{out_result+1}号箱门已打开,密码已失效,请取出物品,关好箱门")
                break
            else:
                print("密码错误,请核对后再输入!")
    elif operation == "0":
        print("欢迎再次光临!")
        break
    else:
        print("请输入正确的操作!")
        continue

目录
相关文章
|
20天前
|
Web App开发 前端开发 JavaScript
探索Python科学计算的边界:利用Selenium进行Web应用性能测试与优化
【10月更文挑战第6天】随着互联网技术的发展,Web应用程序已经成为人们日常生活和工作中不可或缺的一部分。这些应用不仅需要提供丰富的功能,还必须具备良好的性能表现以保证用户体验。性能测试是确保Web应用能够快速响应用户请求并处理大量并发访问的关键步骤之一。本文将探讨如何使用Python结合Selenium来进行Web应用的性能测试,并通过实际代码示例展示如何识别瓶颈及优化应用。
70 5
|
2月前
|
Python
下载python所有的包 国内地址
下载python所有的包 国内地址
|
25天前
|
机器学习/深度学习 数据采集 TensorFlow
智能市场营销策略优化:使用Python实现深度学习模型
【10月更文挑战第1天】 智能市场营销策略优化:使用Python实现深度学习模型
149 63
|
2月前
|
机器学习/深度学习 人工智能 算法框架/工具
使用Python实现深度学习模型:智能家电控制与优化
使用Python实现深度学习模型:智能家电控制与优化
82 22
使用Python实现深度学习模型:智能家电控制与优化
|
22天前
|
SQL 关系型数据库 数据库
优化Web开发流程:Python ORM的优势与实现细节
【10月更文挑战第4天】在Web开发中,数据库操作至关重要,但直接编写SQL语句既繁琐又易错。对象关系映射(ORM)技术应运而生,让开发者以面向对象的方式操作数据库,显著提升了开发效率和代码可维护性。本文探讨Python ORM的优势及其实现细节,并通过Django ORM的示例展示其应用。ORM提供高级抽象层,简化数据库操作,提高代码可读性,并支持多种数据库后端,防止SQL注入。Django内置强大的ORM系统,通过定义模型、生成数据库表、插入和查询数据等步骤,展示了如何利用ORM简化复杂的数据库操作。
53 6
|
21天前
|
机器学习/深度学习 供应链 Python
使用Python实现深度学习模型:智能供应链管理与优化
使用Python实现深度学习模型:智能供应链管理与优化 【10月更文挑战第4天】
74 0
使用Python实现深度学习模型:智能供应链管理与优化
|
28天前
|
安全 数据安全/隐私保护 UED
优化用户体验:前后端分离架构下Python WebSocket实时通信的性能考量
在当今互联网技术的迅猛发展中,前后端分离架构已然成为主流趋势,它不仅提升了开发效率,也优化了用户体验。然而,在这种架构模式下,如何实现高效的实时通信,特别是利用WebSocket协议,成为了提升用户体验的关键。本文将探讨在前后端分离架构中,使用Python进行WebSocket实时通信时的性能考量,以及与传统轮询方式的比较。
55 2
|
2月前
|
机器学习/深度学习 搜索推荐 数据可视化
Python量化炒股常用的Matplotlib包
Python量化炒股常用的Matplotlib包
28 7
|
2月前
|
数据采集 数据可视化 数据挖掘
Python量化炒股常用的Pandas包
Python量化炒股常用的Pandas包
47 7
|
2月前
|
人工智能 算法 数据处理
Python常用的Numpy包
Python常用的Numpy包
42 7