python-货物种类(赛氪OJ)

2024-08-23 20:12
文章标签 python 种类 oj 货物

本文主要是介绍python-货物种类(赛氪OJ),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

[题目描述]
某电商平台有 n 个仓库,编号从 1 到 n 。当购进某种货物的时候,商家会把货物分散的放在编号相邻的几个仓库中。我们暂时不考虑售出,你是否能知道,当所有货物购买完毕,存放货物种类最多的仓库编号为多少?
输入格式:
在第一行中给出两个正整数 n , m ,分别代表仓库的数目和进货的次数。接下来 m 行,每行三个正整数 l , r , d 。编号在 l 和 r 之间的仓库收进编号为d的货物(包括 l 和 r )。
输出格式:
在一行中输出存放货物种类最多的仓库编号,若满足条件的仓库不止一个,则输出编号最小的那个。
样例输入
5 5
1 1 1
3 3 1
2 5 2
5 5 1
4 5 1
样例输出
3
数据范围
对于 100% 的数据,保证 1≤n,m≤105,1≤l,r≤n,1≤d≤109 。
来源/分类(难度系数:四星)
模拟 


完整代码展示:
n,m=map(int,input().split())
s=[]
for i in range(n):
      x=[]
      s.append(x)
for i in range(m):
      z=list(map(int,input().split()))
      z1=z[0]
      z2=z[1]
      z3=z[2]
      for j in range(z1-1,z2):
            if z3 not in s[j]:
                 s[j].append(z3)
t=s[:]
for i in range(0,len(t)):
      t[i]=len(t[i])
for i in range(0,len(t)):
      if t[i]==max(t):
           print(i+1)
           break


代码解释:
n,m=map(int,input().split()) ”,让用户输入仓库的数量n和进货的次数m。
s=[]
 for i in range(n):
       x=[]
       s.append(x)
”,建立一个空列表s,循环n次:建立一个空列表x,并将其添加进s中。
for i in range(m):
       z=list(map(int,input().split()))
       z1=z[0]
       z2=z[1]
       z3=z[2]
       for j in range(z1-1,z2):
             if z3 not in s[j]:
                  s[j].append(z3)             
”,循环m次:让用户输入进货仓库的区间和具体货种类,令z1=z[0],z2=z[1],z3=z[2],遍历z1~z2号的仓库,判断z3是否在仓库中,如果不在,则将z3添加进仓库中。
t=s[:]
 for i in range(0,len(t)):
       t[i]=len(t[i])             
”,复制s为t,将t中的元素置换为该元素的长度。
for i in range(0,len(t)):
        if t[i]==max(t):
             print(i+1)
             break
                 ”,遍历列表t中的元素,判断该元素是否为t中的最大元素,如果是,则打印i+1,结束循环。


运行效果展示:

bcad3438d08f45b1935a918b4674398e.jpg

a45db7b55b7e4f9195f8c18eabeb26bb.jpg 

              (声明:以上内容均为原创) 

这篇关于python-货物种类(赛氪OJ)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1100388

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

控制反转 的种类

之前对控制反转的定义和解释都不是很清晰。最近翻书发现在《Pro Spring 5》(免费电子版在文章最后)有一段非常不错的解释。记录一下,有道翻译贴出来方便查看。如有请直接跳过中文,看后面的原文。 控制反转的类型 控制反转的类型您可能想知道为什么有两种类型的IoC,以及为什么这些类型被进一步划分为不同的实现。这个问题似乎没有明确的答案;当然,不同的类型提供了一定程度的灵活性,但

Python QT实现A-star寻路算法

目录 1、界面使用方法 2、注意事项 3、补充说明 用Qt5搭建一个图形化测试寻路算法的测试环境。 1、界面使用方法 设定起点: 鼠标左键双击,设定红色的起点。左键双击设定起点,用红色标记。 设定终点: 鼠标右键双击,设定蓝色的终点。右键双击设定终点,用蓝色标记。 设置障碍点: 鼠标左键或者右键按着不放,拖动可以设置黑色的障碍点。按住左键或右键并拖动,设置一系列黑色障碍点

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目