当前位置: 首页 > article >正文

干饭随心选系统

1. 字典模块数据存储字典嵌套是处理 “结构化多维度数据” 的核心方式比如 “饭馆” 作为一个实体包含多个属性用内层字典封装更清晰列表适合存储 “有序的序列数据”如历史记录、菜单字典适合存储 “键值对的映射数据”如饭馆属性。# 干饭随心选系统 print(\n\n 干饭随心选系统 ) # 使用字典存储更详细的饭馆信息 restaurants_dict { 川菜馆: { 类型: 川菜, 电话: 123-4567, 菜单: [麻婆豆腐, 水煮鱼, 宫保鸡丁, 回锅肉], 价格区间: 中等, 评分: 4.5, 营业时间: 11:00-22:00 }, 粤菜馆: { 类型: 粤菜, 电话: 234-5678, 菜单: [白切鸡, 烧鹅, 叉烧, 虾饺], 价格区间: 偏高, 评分: 4.3, 营业时间: 10:30-21:30 }, 湘菜馆: { 类型: 湘菜, 电话: 345-6789, 菜单: [剁椒鱼头, 毛氏红烧肉, 辣椒炒肉], 价格区间: 中等, 评分: 4.2, 营业时间: 11:00-23:00 }, 日料店: { 类型: 日料, 电话: 456-7890, 菜单: [寿司拼盘, 刺身, 拉面, 天妇罗], 价格区间: 偏高, 评分: 4.7, 营业时间: 11:30-22:00 }, 西餐厅: { 类型: 西餐, 电话: 567-8901, 菜单: [牛排, 意大利面, 沙拉, 披萨], 价格区间: 偏高, 评分: 4.4, 营业时间: 11:00-23:00 }, 火锅店: { 类型: 火锅, 电话: 678-9012, 菜单: [麻辣火锅, 清汤火锅, 鸳鸯锅], 价格区间: 中等, 评分: 4.6, 营业时间: 10:00-24:00 } } # 历史选择记录 lunch_history [] dinner_history []1字典设计逻辑渐进初级阶段如果是新手入门可能先只用 “单层字典” 存储基础信息比如 restaurants {川菜馆: 123-4567, 粤菜馆: 234-5678}只能存 “名称 - 电话”无法承载多维度信息。进阶阶段采用 “嵌套字典 列表” 的结构化设计外层字典key饭馆名称value该饭馆的所有信息内层字典实现 “按名称快速查找”内层字典key信息维度类型/电话/菜单等value对应值其中 “菜单” 用列表存储多菜品适配 “多个值” 的场景历史记录用列表 lunch_history [ ] 、dinner_history [ ] 存储利用列表 “有序、可重复、支持 append/remove” 的特性记录选择顺序。2. 函数功能模块业务逻辑函数模块整体设计思路所有函数遵循 “单一职责原则”—— 一个函数只做一件事。功能点增删改查查询饭馆信息def show_all_restaurants(): 显示所有饭馆详细信息 print(\n所有饭馆详细信息:) for name, info in restaurants_dict.items(): print(f\n{name}:) print(f 类型: {info[类型]}) print(f 电话: {info[电话]}) print(f 菜单: {, .join(info[菜单])}) print(f 价格: {info[价格区间]}) print(f 评分: {info[评分]}) print(f 营业时间: {info[营业时间]})修改饭馆详情def modify_restaurant(): 修改饭馆信息 print(\n修改饭馆信息:) # 先显示所有饭馆供用户选择 if not restaurants_dict: print(当前系统中没有饭馆信息) return print(当前系统中的饭馆:) for i, name in enumerate(restaurants_dict.keys(), 1): print(f{i}. {name}) restaurant_name input(\n请输入要修改的饭馆名称: ) if restaurant_name in restaurants_dict: print(f\n当前 {restaurant_name} 的信息:) info restaurants_dict[restaurant_name] print(f类型: {info[类型]}) print(f电话: {info[电话]}) print(f菜单: {, .join(info[菜单])}) print(f价格区间: {info[价格区间]}) print(f评分: {info[评分]}) print(f营业时间: {info[营业时间]}) print(\n请输入新的信息直接回车保持原值:) new_type input(f类型 [{info[类型]}]: ) or info[类型] new_phone input(f电话 [{info[电话]}]: ) or info[电话] new_menu_input input(f菜单 [{, .join(info[菜单])}]: ) new_menu new_menu_input.split(,) if new_menu_input else info[菜单] new_price input(f价格区间 [{info[价格区间]}]: ) or info[价格区间] new_score_input input(f评分 [{info[评分]}]: ) new_score float(new_score_input) if new_score_input else info[评分] new_hours input(f营业时间 [{info[营业时间]}]: ) or info[营业时间] # 更新信息 restaurants_dict[restaurant_name] { 类型: new_type, 电话: new_phone, 菜单: new_menu, 价格区间: new_price, 评分: new_score, 营业时间: new_hours } print(f成功更新 {restaurant_name} 的信息) else: print(f未找到名为 {restaurant_name} 的饭馆)删除现有饭馆def delete_restaurant(): 删除饭馆 print(\n删除饭馆:) # 先显示所有饭馆供用户选择 if not restaurants_dict: print(当前系统中没有饭馆信息) return print(\n删除方式:) print(1. 按名称删除单个饭馆) print(2. 按条件批量删除) delete_choice input(请选择删除方式1-2: ) if delete_choice 1: # 单个删除逻辑 print(\n当前系统中的饭馆:) for i, name in enumerate(restaurants_dict.keys(), 1): print(f{i}. {name}) restaurant_name input(\n请输入要删除的饭馆名称: ) if restaurant_name in restaurants_dict: # 确认删除 confirm input(f确定要删除 {restaurant_name} 吗(y/n): ) if confirm.lower() y: del restaurants_dict[restaurant_name] print(f成功删除 {restaurant_name}) # 同时从历史记录中删除 if restaurant_name in lunch_history: lunch_history.remove(restaurant_name) if restaurant_name in dinner_history: dinner_history.remove(restaurant_name) else: print(取消删除操作) else: print(f未找到名为 {restaurant_name} 的饭馆) elif delete_choice 2: # 批量删除逻辑这里需要倒序遍历 print(\n批量删除条件:) print(1. 按类型删除) print(2. 按价格区间删除) print(3. 按评分删除) batch_choice input(请选择批量删除条件1-3: ) restaurants_to_delete [] if batch_choice 1: type_filter input(请输入要删除的类型川菜/粤菜/湘菜/日料/西餐/火锅: ) restaurants_to_delete [name for name, info in restaurants_dict.items() if info[类型] type_filter] elif batch_choice 2: price_filter input(请输入要删除的价格区间中等/偏高: ) restaurants_to_delete [name for name, info in restaurants_dict.items() if info[价格区间] price_filter] elif batch_choice 3: max_score float(input(请输入最高评分删除评分低于此值的饭馆: )) restaurants_to_delete [name for name, info in restaurants_dict.items() if info[评分] max_score] else: print(无效选择) return if not restaurants_to_delete: print(没有找到符合条件的饭馆) return print(f\n找到 {len(restaurants_to_delete)} 家符合条件的饭馆:) for i, name in enumerate(restaurants_to_delete, 1): print(f{i}. {name}) confirm input(f\n确定要删除这 {len(restaurants_to_delete)} 家饭馆吗(y/n): ) if confirm.lower() y: # 这里需要倒序遍历列表来安全删除 deleted_count 0 for i in range(len(restaurants_to_delete)-1, -1, -1): name restaurants_to_delete[i] del restaurants_dict[name] # 同时从历史记录中删除 if name in lunch_history: lunch_history.remove(name) if name in dinner_history: dinner_history.remove(name) deleted_count 1 print(f已删除: {name}) print(f\n成功批量删除 {deleted_count} 家饭馆) else: print(取消批量删除操作) else: print(无效选择)添加新饭馆信息def add_new_restaurant(): 添加新饭馆 print(\n添加新饭馆:) name input(饭馆名称: ) type_ input(饭馆类型: ) phone input(联系电话: ) menu input(菜单用逗号分隔: ).split(,) price input(价格区间中等/偏高: ) score float(input(评分0-5: )) hours input(营业时间: ) restaurants_dict[name] { 类型: type_, 电话: phone, 菜单: menu, 价格区间: price, 评分: score, 营业时间: hours } print(f成功添加 {name} 到系统)智能推荐防重复机制避免连续推荐同一饭馆根据时间午餐/晚餐自动推荐饭馆def smart_recommendation(meal_type, history): 智能推荐饭馆避免重复选择 import random # 获取所有饭馆名称 all_restaurants list(restaurants_dict.keys()) # 如果历史记录为空随机选择 if not history: return random.choice(all_restaurants) # 避免最近选择的饭馆 recent_choices history[-3:] # 最近3次选择 available_choices [r for r in all_restaurants if r not in recent_choices] # 如果所有饭馆都在最近选择过则从所有中选择 if not available_choices: available_choices all_restaurants return random.choice(available_choices) def select_meal(meal_type, history): 智能选择餐食午餐/晚餐 selected_name smart_recommendation(meal_type, history) selected_info restaurants_dict[selected_name] history.append(selected_name) print(f\n{meal_type}智能推荐: {selected_name}) print(f类型: {selected_info[类型]}) print(f电话: {selected_info[电话]}) print(f推荐菜单: {, .join(selected_info[菜单])}) print(f价格区间: {selected_info[价格区间]}) print(f评分: {selected_info[评分]}) print(f营业时间: {selected_info[营业时间]})按条件筛选支持按菜系、价格、评分等条件筛选def filter_restaurants(): 按条件筛选饭馆 print(\n筛选条件:) print(1. 按类型筛选) print(2. 按价格筛选) print(3. 按评分筛选) filter_choice input(请选择筛选方式1-3: ) if filter_choice 1: type_filter input(请输入类型川菜/粤菜/湘菜/日料/西餐/火锅: ) filtered {name: info for name, info in restaurants_dict.items() if info[类型] type_filter} elif filter_choice 2: price_filter input(请输入价格区间中等/偏高: ) filtered {name: info for name, info in restaurants_dict.items() if info[价格区间] price_filter} elif filter_choice 3: min_score float(input(请输入最低评分0-5: )) filtered {name: info for name, info in restaurants_dict.items() if info[评分] min_score} else: print(无效选择) return if filtered: print(f\n找到 {len(filtered)} 家符合条件的饭馆:) for name, info in filtered.items(): print(f{name}: {info[类型]}, 评分{info[评分]}, 价格{info[价格区间]}) else: print(未找到符合条件的饭馆)查看历史记录提供历史数据查询功能记录用户访问和推荐历史def show_selection_history(): 显示选择历史 print(\n午餐选择历史:) for i, restaurant in enumerate(lunch_history, 1): print(f{i}. {restaurant}) print(\n晚餐选择历史:) for i, restaurant in enumerate(dinner_history, 1): print(f{i}. {restaurant})3. 主程序循环模块交互入口用户交互界面核心。菜单式循环交互主菜单选项查看饭馆信息智能推荐午餐/晚餐按条件筛选查看历史记录管理饭馆添加、删除、修改退出系统循环逻辑用户选择后返回菜单直至退出# 主程序循环 while True: print(\n *60) print(欢迎使用干饭随心选系统) print(1. 查看所有饭馆详细信息) print(2. 智能选择午餐避免重复) print(3. 智能选择晚餐避免重复) print(4. 按条件筛选) print(5. 查看选择历史) print(6. 添加新饭馆) print(7. 删除饭馆) print(8. 修改饭馆信息) print(9. 退出系统) choice input(请选择功能1-9: ) if choice 1: show_all_restaurants() elif choice 2: select_meal(午餐, lunch_history) elif choice 3: select_meal(晚餐, dinner_history) elif choice 4: filter_restaurants() elif choice 5: show_selection_history() elif choice 6: add_new_restaurant() elif choice 7: delete_restaurant() elif choice 8: modify_restaurant() elif choice 9: print(感谢使用干饭随心选系统再见) break else: print(无效选择请重新输入1-9)

相关文章:

干饭随心选系统

1. 字典模块(数据存储)字典嵌套是处理 “结构化多维度数据” 的核心方式,比如 “饭馆” 作为一个实体,包含多个属性,用内层字典封装更清晰;列表适合存储 “有序的序列数据”(如历史记录、菜单&a…...

LVGL运行lv_timer_handler时卡死

今天在一块板子上调试LVGL,一运行就卡死,调试半天没有发现问题。LCD驱动确认无误,直接调LCD驱动可以正常显示。调试跟踪,发现是在调用lv_timer_handler时卡死,中间调用了一些内存管理函数,最终进入Hardfalu…...

从单打独斗到团队作战,多智能体协同如何重塑未来工作?

从早期规则化的对话机器人,到具备感知、理解、执行能力的单一智能体,再到可自主分工、协同决策的多智能体系统,AI 正在完成一次从工具 → 助手 → 团队的范式跃迁。 今天,单一智能体已经高度成熟:它能理解自然语言、调…...

hive数据库模糊查询表名

文章目录一、MySQL模糊查询表名二、Hive模糊查询表名一、MySQL模糊查询表名 (1)查询所有表名 -- 查询所有表名 show tables;(2) 模糊查询表名 -- 查询包含aaa的表名 show tables like %aaa%二、Hive模糊查询表名 (1)查询所有…...

CTF选手必须收藏的100个实战解题思路,CTF实战解题思路大全,CTF赛前必看解题宝典!

CTF竞赛的核心逻辑 • 核心目标:快速拆解问题(Flag导向)、工具链协作、模式化思维。 • 关键原则:先广度后深度(优先收集信息)、分治策略(拆解复杂任务)。 第一部分:We…...

IO模型与高性能原理

Redis IO模型与高性能原理 引言:Redis为什么这么快? Redis 之所以能够实现极高的性能,主要基于以下三个核心设计: 完全基于内存操作:所有数据存储在内存中,读写速度远超磁盘单线程模型:避免了…...

BNU-25硕信息学奥赛day5

2026.3.17 提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录2026.3.17前言一、printf的用法1.直接输出2.数字d3.%数字.数字…...

03.Linux高级管理

1. Linux 中的 firewalld 1.1. 什么是防火墙 防火墙主要用于防范网络攻击,防火墙一般分为软件防火墙、硬件防火墙1.2. 防火墙的作用 主要作用是保护系统免受未经授权的访问和攻击,它有助于防止黑客利用系统中的安全漏洞,以及限制对特定网络服…...

原核表达系统全解析:从原理到应用的技术指南

一、原核表达的技术定位原核表达是指利用原核生物(主要是大肠杆菌Escherichia coli)作为宿主细胞,通过基因重组技术导入外源基因,实现目标蛋白质表达的技术体系。从技术本质上讲,原核表达系统是最早建立、应用最广泛、…...

自卸车软件市场规模锁定18.15亿元,精准数据勾勒行业进阶新图景

在全球基础设施建设持续扩张与运输监管政策趋严的双重驱动下,自卸车软件作为提升运输效率、降低运营风险的核心工具,正迎来智能化转型的关键期。据恒州诚思调研统计,2025年全球自卸车软件市场规模达18.15亿元,预计至2032年将增长至…...

实测:用自然语言管50台虚拟机是什么体验?青云云易捷Express AIops深度体验

我们最近在客户现场做了一次极限测试:让一个完全没有云平台运维经验的行政人员,用青云云易捷的Express AIops管理50台混合部署的虚拟机和容器应用,结果他只用了10分钟就完成了资深运维工程师需要1小时才能做完的3个任务:1. 找出所…...

OpenClaw“龙虾热”背后:从狂热到冷静的AI工具反思

OpenClaw:从技术圈小众到全民热议的“电子龙虾”2026年春天,一款名叫OpenClaw的AI工具如同一颗石子投入中文互联网的湖面,激起层层涟漪。它由奥地利程序员Peter Steinberger在2025年开发,作为一种“AI智能体”程序,短短…...

从以太坊到跨链宇宙:2026年区块链进化图谱,解锁价值互联新范式

引言2026年,区块链行业彻底告别“单链争霸”的野蛮生长,迈入“跨链互联”的成熟进化期。曾经作为行业标杆的以太坊,不再是区块链的唯一答案,以其为起点,多条公链协同、跨链技术突围、生态互联互通的“跨链宇宙”已然成…...

msdatlst.ocx文件丢失找不到 打不开程序如何修复? 免费下载方法

在使用电脑系统时经常会出现丢失找不到某些文件的情况,由于很多常用软件都是采用 Microsoft Visual Studio 编写的,所以这类软件的运行需要依赖微软Visual C运行库,比如像 QQ、迅雷、Adobe 软件等等,如果没有安装VC运行库或者安装…...

JS运算符全解析:从赋值到优先级

1.赋值运算符可以将符号右侧的值赋值给符号左侧的变量<!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>…...

Canva新功能Magic Layers:重塑图像编辑新体验

Magic Layers&#xff1a;开启图像分层编辑新时代Canva推出的Magic Layers工具&#xff0c;可将平面图像文件和AI生成的视觉内容转化为分层且可完全编辑的设计。该工具目前在美国、英国、加拿大和澳大利亚开启公开测试版&#xff0c;用户能在保留原始布局的同时&#xff0c;单独…...

参考文献没动,正文重复率从35%→12%?百考通降重真香了!

你是否遇到过这种“降重后遗症”&#xff1f; ——正文重复率降下来了&#xff0c;但参考文献列表被查重系统标红&#xff1b; ——引用的句子改写后&#xff0c;文中标注和文末参考文献对不上&#xff1b; ——手动调整GB/T 7714格式时&#xff0c;卷号、页码、DOI漏填&#x…...

AI信创新增量:国产大模型与信创深度融合的五大落地场景解析

摘要&#xff1a;当前&#xff0c;信创产业正从“合规替代”加速迈向“价值创造”的新深水区。国产大模型与信创底座的深度耦合&#xff0c;已成为这一转型期的核心增量引擎。本文将深度拆解政务、金融、工业、传媒及教育五大核心落地场景&#xff0c;探讨如何实现从“可用”到…...

异常表格导致导出docx展示问题,以及转pdf异常问题总结

解决HTML表格首行单列、后续多列导致Word仅导出一列 & PDF转换失败&#xff08;保留合并单元格&#xff09;前言在做 HTML转Word、再转PDF 功能时&#xff0c;非常容易遇到一种经典坑&#xff1a;- 表格第一行只有 1 个 <td> &#xff08;标题行、合并单元格&#x…...

帮助进行word文档编辑的VBA代码记录

word最上栏选择“开发工具”&#xff0c;选择Visual Basic1、将文档中的所有表格均设置为“根据窗口调整表格”Sub AutoFitAllTablesToWindow()Dim tbl As TableFor Each tbl In ActiveDocument.Tablestbl.AutoFitBehavior (wdAutoFitWindow)Next tblMsgBox "已将所有表格…...

浪潮中标沂源县智慧水务平台项目

2026年3月17日&#xff0c;山东淄博发布沂源县沂蒙革命老区农村饮水安全工程&#xff08;沂源县农村供水提升改造工程&#xff09;智慧水务平台采购项目中标结果公示。该项目预算1700.00万元&#xff0c;由浪潮智慧城市科技有限公司以1699.86万元中标&#xff0c;采购单位为沂源…...

NASA航天器软件架构:冗余设计的突破与挑战

【导语&#xff1a;美国国家航空航天局&#xff08;NASA&#xff09;的航天器软件架构一直依靠冗余设计来应对太空环境的不确定性。本文将深入剖析其技术突破、底层原理、行业挑战&#xff0c;以及对产业链的影响和未来的发展方向。】冗余设计应对太空挑战太空任务中&#xff0…...

oowzai 生成论文质量实测:高效出稿与学术规范能否兼顾?

官方入口https://www.oowzai.com 在 AI 辅助论文写作已经成为刚需的今天&#xff0c;很多学生、科研新人都会被各类 AI 写作工具刷屏。其中专注于学术论文场景的 oowzai&#xff0c;凭借 “全流程闭环服务” 的定位收获了大量关注。但大家最关心的核心问题始终是&#xff1a;o…...

msvcp90.dll文件丢失找不到 怎么办? 免费下载修复分享

在使用电脑系统时经常会出现丢失找不到某些文件的情况&#xff0c;由于很多常用软件都是采用 Microsoft Visual Studio 编写的&#xff0c;所以这类软件的运行需要依赖微软Visual C运行库&#xff0c;比如像 QQ、迅雷、Adobe 软件等等&#xff0c;如果没有安装VC运行库或者安装…...

亚马逊 Ring 安防监控系统隐私设置调整:为用户筑牢隐私防线

一键关闭 Ring AI 功能&#xff0c;缓解隐私担忧亚马逊 Ring 安防监控系统在诸多方面运用了 AI&#xff0c;如为视频生成文字描述、识别宠物和人脸特征等。然而&#xff0c;部分用户对使用 AI 算法可能带来的隐私问题感到不安。不过&#xff0c;用户可通过 Ring 应用程序&#…...

2026年chatgpt官网无法访问怎么办?国内用户实测解决方案

对于国内AI爱好者来说&#xff0c;访问chatgpt官网经常遇到超时、连接失败等问题。实测目前最稳定可靠的方案是通过聚合镜像平台RskAi&#xff08;ai.rsk.cn&#xff09;&#xff0c;它提供国内直访、免费使用、支持文件上传和联网搜索&#xff0c;响应速度稳定在1-2秒内&#…...

思维树在AI原生应用领域的重要性

思维树&#xff1a;AI原生应用的认知架构核心 1. 引入与连接&#xff1a;AI认知革命的隐形架构 想象一下&#xff0c;当你向AI助手提出一个复杂问题&#xff1a;"如何为初创公司制定可持续的增长战略&#xff1f;“在你得到回答的短短几秒内&#xff0c;AI并非简单从数据库…...

贫血模型充血模型

在领域驱动设计&#xff08;DDD&#xff09;和 Java 开发中&#xff0c;“贫血模型”&#xff08;Anemic Domain Model&#xff09; 是一个非常经典但也极具争议的概念。简单来说&#xff0c;贫血模型就是&#xff1a;对象只包含数据&#xff08;属性和 getter/setter&#xff…...

本地项目初始化推送到code up上

一、在code up 上创建仓库二、在项目路径下初始化git执行命令&#xff1a;git init三、关联远程CodeUp仓库执行命令&#xff1a;git remote add origin 你的CodeUp仓库URL四、将你的项目文件添加到仓库并提交执行命令&#xff1a;git add . git commit -m "Initial commit…...

告别答非所问!RAG智能客服:企业合规服务的“爆款”新选择

传统AI客服存在答非所问、知识更新慢、人工配置繁琐等问题&#xff0c;大模型客服又易出现“幻觉回答”。RAG&#xff08;检索增强生成&#xff09;技术通过检索企业私有知识库再生成答案&#xff0c;解决了这些痛点。文章介绍了芝麻小客服ChatWiki组合如何将RAG技术与全渠道客…...