请编fun函数写程序,从键盘输入百分制成绩,要求输出等级制成绩A、B、C、D。90~100分为A,80~89分为B,60~79分为C,1~59分为D。不考虑小数,输入为整数

简介: 请编fun函数写程序,从键盘输入百分制成绩,要求输出等级制成绩A、B、C、D。90~100分为A,80~89分为B,60~79分为C,1~59分为D。不考虑小数,输入为整数

方法一:使用if语句

代码如下所示:

#include <stdio.h>
char fun(int n)
{
  int score=n;
  char p;//由于要求输出字符,所以在定义函数返回值的时候需要定义为char类型
  if (score >= 9)
    p = 'A';
  else if (score >= 8 && score < 9)
    p = 'B';
  else if (score >= 6 && score < 8)
    p = 'C';
  else if (score >= 0 && score < 6)
    p = 'D';
  return p;
  }
void main()
{
  int score, n;
  char p;
  scanf_s("%d", &score);
  n = score / 10;
  p = fun(n);
  printf("%c", p);
}

输出结果如下所示:

方法二:使用switch语句

代码如下所示:

#include <stdio.h>
char fun(int n)
{
  int n1=n;
  char p;
  switch (n1)//注意不要忘记加break
  {
  case 10:            //90-100   n的取值有两种情况
  case 9:p = 'A'; break;
  case 8:p = 'B'; break;
  case 7:           60-70   n的取值有两种情况
  case 6:p = 'C'; break;
  default:p = 'D'; break;
  }
  return p;
} 
void main()
{
  int score, n;
  char p;
  scanf_s("%d", &score);
  n = score / 10;
  p = fun(n);
  printf("%c", p);
}

输出结果如下所示:

相关文章
|
SQL 自然语言处理 数据挖掘
大模型与数据分析:探索Text-to-SQL(上)
大模型与数据分析:探索Text-to-SQL(上)
5767 0
|
人工智能 弹性计算 安全
AMD产品介绍|通用型实例g8a
g8a实例:高性价比X86服务器,搭载最新CIPU架构,提供100G*2网络带宽和eRDMA支持。基于AMD Genoa平台,主频2.7/3.7GHz,专为性能、成本和稳定性需求设计。适用于通用应用、AI推理训练、高清视频处理等场景。实例性能提升25%,性价比提升15%,内置安全芯片,支持可信计算和机密计算。
|
Java 开发者 NoSQL
SpringBoot如何整合Neo4j? | 带你读《SpringBoot实战教程》之三十一
本节介绍了SpringBoot利用Neo4j实现用户的添加查找。
SpringBoot如何整合Neo4j? | 带你读《SpringBoot实战教程》之三十一
|
编解码 人工智能 API
通义万相2.1视频/图像模型新升级!可在阿里云百炼直接体验
通义万相2.1模型推出新特征,包括复杂人物运动的稳定展现、现实物理规律的逼真还原及中英文视频特效的绚丽呈现。通过自研的高效VAE和DiT架构,增强时空上下文建模能力,支持无限长1080P视频的高效编解码,并首次实现中文文字视频生成功能。升级后的通义万相荣登VBench榜单第一,提供电影级分镜效果、四格漫画故事速览及情侣头像创意定制等多种玩法,满足多样化的视觉创作需求。可直接在阿里云百炼平台调用API体验这些功能。
3917 0
|
11月前
|
存储 安全 数据安全/隐私保护
数据传输中遇到问题要怎么解决
在数据传输中遇到问题时,可采取多种解决方案:使用可靠协议(如HTTPS、SFTP)、创建冗余备份、数据压缩与加密、错误检测与纠错、优化网络性能、解决数据丢失、降低延迟、提高安全性及解决带宽瓶颈。这些措施有助于确保数据传输的稳定、安全与高效。
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
《剖析Transformer架构:自然语言处理飞跃的幕后英雄》
Transformer架构自2017年提出以来,凭借自注意力机制革新了自然语言处理(NLP)。它摒弃传统RNN的顺序处理方式,实现全局并行计算,大幅提升训练效率。通过多头自注意力机制,Transformer能精准捕捉长距离依赖关系,多维度挖掘语义信息。位置编码赋予其序列顺序感知能力,而大规模预训练则使其具备强大的通用语言能力。Transformer已成为NLP领域的核心驱动力,推动智能语音助手、机器翻译等应用进入新时代。
269 2
|
数据采集 数据安全/隐私保护 开发者
|
运维 网络架构
软件体系结构 - 网络拓扑结构
【4月更文挑战第14天】软件体系结构 - 网络拓扑结构
268 0
|
存储 安全 C++
【C++ 包装器类 std::optional】全面入门指南:深入理解并掌握C++ std::optional的实用技巧与应用
【C++ 包装器类 std::optional】全面入门指南:深入理解并掌握C++ std::optional的实用技巧与应用
587 0
|
数据可视化 算法 数据挖掘
5种方法教你用Python玩转histogram直方图
本篇博主将要总结一下使用Python绘制直方图的所有方法,大致可分为三大类(详细划分是五类,参照文末总结): 纯Python实现直方图,不使用任何第三方库 使用Numpy来创建直方图总结数据 使用matplotlib,pandas,seaborn绘制直方图
1946 0
5种方法教你用Python玩转histogram直方图