【Python】基础算法小练

简介: 文章目录题目1:编写程序,用户输入一个四位整数,输出其百位千位和个位数字之和。题目2:生成包括1000个0到100之间的随机整数,统计每个元素的出现次数,输出重复次数最多的元素。(提示:可能存在重复数据。)题目3:请输入一个字符串,再输入要删除的某个字符 ,大小写不用区分

题目1:编写程序,用户输入一个四位整数,输出其百位千位和个位数字之和。

【题目描述】 编写程序,用户输入一个四位整数,输出其百位千位和个位数字之和。

【思路分析】

将输入的四位整数转成列表,并计算对应位置的和即可。

【实现代码】

# 编写程序,用户输入一个四位整数,输出其百位千位和个位数字之和。
number = input("请输入一个四位整数: ")  # 字符串形式获取数字
mylist = list(map(int, number))  # 将字符串中每个元素以int类型的形式生成列表
print("其百位千位和个位数字之和: " + str(mylist[0] + mylist[2] + mylist[3]))

【实现结果】

题目2:生成包括1000个0到100之间的随机整数,统计每个元素的出现次数,输出重复次数最多的元素。(提示:可能存在重复数据。)

【题目描述】 生成包括1000个0到100之间的随机整数,统计每个元素的出现次数,输出重复次数最多的元素。(提示:可能存在重复数据。)

【思路分析】

使用random生成随机数存储到一个列表里,这个列表会有重复元素,为了便于我们统计次数,我们可以存储一个set副本,只包含该列表的不重复元素,并以此为关键字求原列表中该元素出现的次数,并将出现最多次的元素与最大次数记录下来。

【注意】这里需要注意的是,出现最多次的可能不止一个数字,因此,结果用列表存储。详细见代码注释。

【实现代码】

# 2、生成包括1000个0到100之间的随机整数,统计每个元素的出现次数,输出重复次数最多的元素。(提示:可能存在重复数据。)

import random

# 首先生成随机整数列表
mylist = [random.randint(0, 100) for i in range(1000)]
non_repetitive_list = set(mylist)  # 存储mylist的所有不重复元素
max_count = 0  # 记录最大次数
max_number = []  # 记录最大次数对应的数字(用列表来存储,来解决有重复元素的情况)
for i in non_repetitive_list:
    counts = mylist.count(i)
    # 最大则替换
    if counts > max_count:
        max_number = []  # 滞空
        max_number.append(i)  # 添加
        max_count = counts
    # 相同则添加
    if counts == max_count:
        max_number.append(i)
        max_count = counts
# 输出
numbers = set(max_number)
print(str(numbers) + "出现次数为: " + str(max_count) + "次")

【实现结果】

出现次数最多的是97、44,都出现了20次。

出现次数最多的是14,出现了18次。

题目3:请输入一个字符串,再输入要删除的某个字符 ,大小写不用区分,将字符串中出现的指定字符全部删除。

【题目描述】 请输入一个字符串,再输入要删除的某个字符 ,大小写不用区分,将字符串中出现的指定字符全部删除。

【思路分析】

此题只需要使用python的内置函数将string中的响应元素替换成空字符即可达到删除的目的。

【注意】由于不区分大小写,则需要进行两次替换操作,一次替换要替换字符的大写形式;一次替换要删除字符的小写形式。

【实现代码】

# 3、请输入一个字符串,再输入要删除的某个字符 ,大小写不用区分,将字符串中出现的指定字符全部删除。

string = input("请输入一个字符串:")
wantremove = input("请输入要删除的值:")
print("删除前: " + string)
up = wantremove.upper()  # 存储要删除值的大写
low = wantremove.lower()  # 存储要删除值的小写
# 字符串处理,先把大写的符合条件替换删除,再把小写的替换删除
string = string.replace(up, "")
string = string.replace(low, "")
# 输出结果
print("删除后: " + string)

【实现结果】

相关文章
|
2月前
|
算法 前端开发 数据处理
小白学python-深入解析一位字符判定算法
小白学python-深入解析一位字符判定算法
50 0
|
2月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
67 4
|
2月前
|
机器学习/深度学习 缓存 算法
Python算法设计中的时间复杂度与空间复杂度,你真的理解对了吗?
【10月更文挑战第4天】在Python编程中,算法的设计与优化至关重要,尤其在数据处理、科学计算及机器学习领域。本文探讨了评估算法性能的核心指标——时间复杂度和空间复杂度。通过详细解释两者的概念,并提供快速排序和字符串反转的示例代码,帮助读者深入理解这些概念。同时,文章还讨论了如何在实际应用中平衡时间和空间复杂度,以实现最优性能。
72 6
|
14天前
|
搜索推荐 Python
利用Python内置函数实现的冒泡排序算法
在上述代码中,`bubble_sort` 函数接受一个列表 `arr` 作为输入。通过两层循环,外层循环控制排序的轮数,内层循环用于比较相邻的元素并进行交换。如果前一个元素大于后一个元素,就将它们交换位置。
118 67
|
14天前
|
存储 搜索推荐 Python
用 Python 实现快速排序算法。
快速排序的平均时间复杂度为$O(nlogn)$,空间复杂度为$O(logn)$。它在大多数情况下表现良好,但在某些特殊情况下可能会退化为最坏情况,时间复杂度为$O(n^2)$。你可以根据实际需求对代码进行调整和修改,或者尝试使用其他优化策略来提高快速排序的性能
112 61
|
8天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
68 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
14天前
|
存储 算法 搜索推荐
Python 中数据结构和算法的关系
数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
|
14天前
|
数据采集 存储 算法
Python 中的数据结构和算法优化策略
Python中的数据结构和算法如何进行优化?
|
26天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
75 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
26天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
70 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型