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
|
8天前
|
存储 分布式计算 大数据
基于Python大数据的的电商用户行为分析系统
本系统基于Django、Scrapy与Hadoop技术,构建电商用户行为分析平台。通过爬取与处理海量用户数据,实现行为追踪、偏好分析与个性化推荐,助力企业提升营销精准度与用户体验,推动电商智能化发展。
|
2月前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
213 1
|
2月前
|
缓存 供应链 监控
1688item_search_factory - 按关键字搜索工厂数据接口深度分析及 Python 实现
item_search_factory接口专为B2B电商供应链优化设计,支持通过关键词精准检索工厂信息,涵盖资质、产能、地理位置等核心数据,助力企业高效开发货源、分析产业集群与评估供应商。
|
2月前
|
缓存 监控 算法
item_get - Lazada 商品详情详情接口深度分析及 Python 实现
Lazada商品详情接口item_get可获取商品全维度数据,包括价格、库存、SKU、促销及卖家信息,支持东南亚六国站点,适用于竞品监控、定价策略与市场分析,助力跨境卖家精准决策。
|
2月前
|
JSON 监控 数据格式
1688 item_search_app 关键字搜索商品接口深度分析及 Python 实现
1688开放平台item_search_app接口专为移动端优化,支持关键词搜索、多维度筛选与排序,可获取商品详情及供应商信息,适用于货源采集、价格监控与竞品分析,助力采购决策。
|
2月前
|
缓存 监控 算法
唯品会item_search - 按关键字搜索 VIP 商品接口深度分析及 Python 实现
唯品会item_search接口支持通过关键词、分类、价格等条件检索商品,广泛应用于电商数据分析、竞品监控与市场调研。结合Python可实现搜索、分析、可视化及数据导出,助力精准决策。
|
7天前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的台风灾害分析及预测系统
针对台风灾害预警滞后、精度不足等问题,本研究基于Python与大数据技术,构建多源数据融合的台风预测系统。利用机器学习提升路径与强度预测准确率,结合Django框架实现动态可视化与实时预警,为防灾决策提供科学支持,显著提高应急响应效率,具有重要社会经济价值。
|
7天前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的青少年网络使用情况分析及预测系统
本研究基于Python大数据技术,构建青少年网络行为分析系统,旨在破解现有防沉迷模式下用户画像模糊、预警滞后等难题。通过整合多平台亿级数据,运用机器学习实现精准行为预测与实时干预,推动数字治理向“数据驱动”转型,为家庭、学校及政府提供科学决策支持,助力青少年健康上网。

推荐镜像

更多
下一篇
开通oss服务