当前位置: 首页 > news >正文

华为od统一考试B卷【比赛】python实现

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

def split_params(param_str):  return list(map(int, param_str.split(',')))  def main():  # 获取输入  target_str = input().strip()  # 输入验证,拆分并转换为整数  try:  m, n = split_params(target_str)  except ValueError:  print(-1)  return  # 检查 M 和 N 的范围  if not (3 <= m <= 10 and 3 <= n <= 100):  print(-1)  return  # 创建矩阵以存储打分  matrix = []  for _ in range(m):  tmp_str = input().strip()  try:  temp = list(map(int, tmp_str.split(',')))  if len(temp) != n or any(x < 1 or x > 10 for x in temp):  print(-1)  return  matrix.append(temp)  except ValueError:  print(-1)  return  # 计算每位选手的总分和分数分布  players = []  for j in range(n):  playerScores = [matrix[i][j] for i in range(m)]  total_score = sum(playerScores)  score_count = [0] * 11  # 用于记录每个分数(1-10)的数量  for score in playerScores:  score_count[score] += 1  players.append((j + 1, total_score, score_count))  # 根据总分和分数分布进行排序  players.sort(key=lambda x: (x[1], x[2][::-1]), reverse=True)  # 输出前3名选手  for i in range(3):  print(players[i][0], end=(", " if i != 2 else ""))  print()  if __name__ == "__main__":  main()

好的,下面我将详细解释代码的执行流程,逐步分析每一个部分的作用和效果。

1. 输入获取与处理

代码部分
target_str = input().strip()
  • 功能: 从用户获取输入,使用 strip() 去掉多余的空格或换行。
代码部分
try:m, n = split_params(target_str)
except ValueError:print(-1)return
  • 功能: 使用 split_params 函数将输入字符串分割并转为整数 mn,代表评委数量和选手数量。如果输入格式不正确,捕获异常并输出 -1

2. 检查范围

代码部分
if not (3 <= m <= 10 and 3 <= n <= 100):print(-1)return
  • 功能: 检查 mn 是否在规定的范围内。如果不在范围内,输出 -1

3. 输入评分矩阵

代码部分
for _ in range(m):tmp_str = input().strip()
  • 功能: 用循环读取每一位评委的打分。
代码部分
try:temp = list(map(int, tmp_str.split(',')))if len(temp) != n or any(x < 1 or x > 10 for x in temp):print(-1)returnmatrix.append(temp)
except ValueError:print(-1)return
  • 功能:
    • 将每个评委的分数通过逗号分割并转为整数。
    • 检查分数是否符合要求(分数数量是否为 n、分数是否在1到10的范围内)。
    • 如果任何条件不符合,输出 -1

4. 计算每位选手的总分

代码部分
players = []
for j in range(n):playerScores = [matrix[i][j] for i in range(m)]total_score = sum(playerScores)score_count = [0] * 11  # 用于记录每个分数(1-10)的数量for score in playerScores:score_count[score] += 1players.append((j + 1, total_score, score_count))
  • 功能:
    • 初始化一个列表 players 来存储每位选手的信息。
    • 对于每一位选手 j,构建一个 playerScores 列表来存储所有评委对该选手的评分。
    • 使用 sum 计算该选手的总得分,并构建 score_count 数组来统计每个分数(从1到10)的数量。
    • 将选手编号(j+1)、总分和分数分布以元组的形式存入 players 列表。

5. 排序

代码部分
players.sort(key=lambda x: (x[1], x[2]), reverse=True)
  • 功能:
    • players 列表进行排序,首先根据总分(x[1])排序,再根据分数分布(x[2])进行次排序,以确保分数高的选手排在前面。

6. 输出结果

代码部分
for i in range(3):print(players[i][0], end=(", " if i != 2 else ""))
print()
  • 功能:
    • 输出前 3 名选手的编号,每个编号用逗号分隔。
    • 最后使用 print() 输出一个换行。

7. 总结

  • 整体逻辑是:先读取和验证输入,然后读取评分数据,计算每位选手的总得分和分数分布,进行排序,并最终输出前 3 名选手的编号。
  • 任何时候只要发现不合规的输入,都会及时输出 -1,确保程序的健壮性。

这个流程确保了程序按照规范格式处理评分并输出合规的结果。
好的,我们来一步步分析这个输入例子的处理流程:

输入示例

4,5  
10,6,9,7,6  
9,10,6,7,5  
8,10,6,5,10  
9,10,8,4,9

1. 解析输入参数

  • 第一行: 4,5
    • 使用 split_params 函数处理这行字符串,将其分割为 m = 4n = 5
    • 判断范围:3 <= 4 <= 10(✓),3 <= 5 <= 100(✓),符合要求。

2. 读取评分矩阵

接下来的四行是各评委对选手的评分。

  • 第二行: 10,6,9,7,6

    • 将其转为整数列表: [10, 6, 9, 7, 6]
    • 检查条件:长度为 5(✓),所有分数在 1 到 10 之间(✓)。
    • 添加到矩阵中。
  • 第三行: 9,10,6,7,5

    • 转为 [9, 10, 6, 7, 5]
    • 检查条件:长度为 5(✓),所有分数在 1 到 10 之间(✓)。
    • 添加到矩阵中。
  • 第四行: 8,10,6,5,10

    • 转为 [8, 10, 6, 5, 10]
    • 检查条件:长度为 5(✓),所有分数在 1 到 10 之间(✓)。
    • 添加到矩阵中。
  • 第五行: 9,10,8,4,9

    • 转为 [9, 10, 8, 4, 9]
    • 检查条件:长度为 5(✓),所有分数在 1 到 10 之间(✓)。
    • 添加到矩阵中。

3. 计算每位选手的总分

接下来,计算每位选手的总分和分数分布。

  • 选手 1 (编号 1):

    • 评分: [10, 9, 8, 9]
    • 总分: 10 + 9 + 8 + 9 = 36
    • 分数分布:[0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 3] (1 分: 0,2 分: 0,……,9 分: 3,10 分: 1)
  • 选手 2 (编号 2):

    • 评分: [6, 10, 10, 10]
    • 总分: 6 + 10 + 10 + 10 = 36
    • 分数分布:[0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 3]
  • 选手 3 (编号 3):

    • 评分: [9, 6, 6, 8]
    • 总分: 9 + 6 + 6 + 8 = 29
    • 分数分布:[0, 0, 0, 0, 0, 0, 2, 0, 1, 0, 1]
  • 选手 4 (编号 4):

    • 评分: [7, 7, 5, 4]
    • 总分: 7 + 7 + 5 + 4 = 23
    • 分数分布:[0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 2]
  • 选手 5 (编号 5):

    • 评分: [6, 5, 10, 9]
    • 总分: 6 + 5 + 10 + 9 = 30
    • 分数分布:[0, 0, 0, 0, 0, 1, 0, 1, 0, 2, 1]

4. 排序

对选手进行排序,首先根据总分,其次根据分数分布:

  • 选手 1: (1, 36, 分数分布)
  • 选手 2: (2, 36, 分数分布)
  • 选手 5: (5, 30, 分数分布)
  • 选手 3: (3, 29, 分数分布)
  • 选手 4: (4, 23, 分数分布)

排序结果:

  • 选手 1: (1, 36) (分数分布),
  • 选手 2: (2, 36) (分数分布),
  • 选手 5: (5, 30) (分数分布),
  • 选手 3: (3, 29) (分数分布),
  • 选手 4: (4, 23) (分数分布)。

因为选手 1 和 选手 2 的总分相同,分数分布会再继续排序,实际分数分布会比较(具体可实现比较规则,我这里简化)。

5. 输出结果

打印前 3 名选手编号:

1, 2, 5

总结

通过以上步骤,我们处理了输入数据并找出了得分最高的选手,确保了每一步有合理的错误处理和有效的结果输出。这种流程确保系统能够有效地运行并给出准确的结果。

相关文章:

华为od统一考试B卷【比赛】python实现

def split_params(param_str): return list(map(int, param_str.split(,))) def main(): # 获取输入 target_str input().strip() # 输入验证&#xff0c;拆分并转换为整数 try: m, n split_params(target_str) except ValueError: print(-1) return # 检查 M 和 …...

Prometheus 监控接入规范

目录 一、目的 二、自定义监控指标定义规范 2.1 基本命名规范 2.1.1 指标命名规范 2.1.2 标签名称 2.2 控制基数 2.2.1 避免高基数标签 2.2.2 预定义标签集 2.2.3 动态数据的处理 2.2.4 评估与监控基数 2.2.5 降低历史数据的保留 2.2.6 适当使用 Histogram 和 Summa…...

优化 SQL 查询性能:深入理解 EXPLAIN 命令

优化 SQL 查询性能:深入理解 EXPLAIN 命令 在 MySQL 数据库管理中,优化 SQL 查询性能是确保高效数据处理的关键。EXPLAIN 命令是分析和优化 SQL 查询的强大工具,它帮助我们理解查询执行计划,从而找到性能瓶颈并进行优化。本文将详细解释 EXPLAIN 命令返回的各个列的含义,…...

@Mapper报红

检查pom.xml&#xff0c;导入 org.mybatis.spring.boot 依赖&#xff1a; <dependency><groupId>org.mybatis.spring.boot</groupId><artifactId>mybatis-spring-boot-starter</artifactId><version>3.0.3</version></dependency…...

shell综合小实验1-----查看系统硬件信息

echo命令的使用 1&#xff1a;echo -n 不换行 echo -n “我是个大聪明” #不换行输入我是大聪明 2&#xff1a;echo -e 开启颜色 echo -e "\03335m我是大聪明\033[0m" #用35m这种颜色输出我是大聪明然后关闭颜色显示&#xff0c; 30多是字体颜色&#xff0c;40多是…...

【过程管理】项目需求管理规程(Word原件)

在软件开发的过程中&#xff0c;开发人员与用户之间往往忽视有效的信息沟通&#xff0c;这常常导致开发出的软件无法满足用户的实际需求&#xff0c;进而引发不必要的返工。返工不仅为开发人员带来技术上的困扰&#xff0c;增加了人力和物力的消耗&#xff0c;还会对软件的整体…...

C# 不使用 `async` 和 `await` 的常见场景

虽然 async 和 await 是强大的异步编程工具&#xff0c;但在某些情况下&#xff0c;不使用它们可能更合适。以下是一些不使用 async 和 await 的常见场景&#xff1a; 方法是完全同步的&#xff1a; 如果方法中的所有操作都是同步的&#xff0c;并且没有异步调用&#xff0c;则…...

adb目录笔记《adb更新、进入开发者模式,adb查询packages、adb开启应用,查询进程、强制删除进程》

1.sideload模式 在需要安卓没有root权限的时候&#xff0c;可以使用adb reboot sideload命令进入sideload模式&#xff0c;之后运行对应文件 adb reboot sideload adb sideload <root.zip> 2.packages包查询、运行、删除 在需要查看安卓中packages包的名称时&#xf…...

VS2022 C++ EasyX EGE 吃豆人升级版

我是可爱的C小盆友&#xff08;不要脸了&#xff09;&#xff0c;嘻嘻&#xff0c;等了这么久&#xff0c;吃豆人终于升级啦&#xff01; 更新日志&#xff1a; 1.修复奇奇怪怪的bug 2.把敌人AI增强了一&#xff08;hen&#xff09;点&#xff08;duo&#xff09; 3.加入了…...

计算机图形学 | 动画模拟

动画模拟 布料模拟 质点弹簧系统&#xff1a; 红色部分很弱地阻挡对折 Steep connection FEM:有限元方法 粒子系统 粒子系统本质上就是在定义个体和群体的关系。 动画帧率 VR游戏要不晕需要达到90fps Forward Kinematics Inverse Kinematics 只告诉末端p点&#xff0c;中间…...

B2.3 Arm 内存模型定义

B2.3 Arm 内存模型定义 Arm 内存模型引入了以下几种关系: 内在关系 :例如,内在数据/控制/顺序依赖关系和内在翻译之前的关系,这些是源自指令语义的硬件要求。 之后关系 :例如,之后的连贯性和 TLB 之后的关系,这些关系在特定执行中发生这种方式,但在不同的执行中可以以…...

(javaweb)SpringBootWeb案例(毕业设计)案例--部门管理

目录 1.准备工作 2.部门管理--查询功能 3.前后端联调 3.部门管理--新增功能 1.准备工作 mapper数据访问层相当于dao层 根据页面原型和需求分析出接口文档--前后端必须遵循这种规范 大部分情况下 接口文档由后端人员来编写 前后端进行交互基于restful风格接口 http的请求方式…...

PCL 采样一致性模型介绍

采样一致性可以简单高效的检测出一些具有数学表达式的目标模型。PCL中的sample consensus模块中不仅包含各种的采样一致性估计方法,也包含一些已经编写好的数学模型,下面主要介绍一下PCL中的采样一致性模型。 1. 二维圆模型 pcl::SampleConsensusModelCircle2D< PointT …...

Unity手游开放大世界解决方案

开个新坑了&#xff0c;分享一个手游开放大世界的解决方案&#xff0c;也算是我开发研究了一年多的结果吧。之前项目需要&#xff0c;做了一整套的手游开放大世界解决方案&#xff0c;这里做一个总结归纳&#xff0c;将所需要的技术栈和解决方案等汇总。 这篇文章只是起头一个目…...

mysql B+ 树

问题&#xff1a; mysql innodb引擎 B树主键自增&#xff0c;插入数据时是从中间分裂&#xff0c;还是使用页尾部元素作为父节点的值然后添加一个新页&#xff0c;或者说主键连续自增&#xff0c;mysql有没有做这样的优化&#xff1f; 以下是Chat GPT给出的回答&#xff1a;...

Sublime Text常用快捷键大全

Sublime Text 是一款功能强大且广受欢迎的文本编辑器&#xff0c;其丰富的快捷键支持使得开发者能够更高效地编写和编辑代码。以下是 Sublime Text 中一些常用的快捷键&#xff0c;帮助你更加高效地使用这款工具&#xff1a; 功能分类快捷键 (Windows)快捷键 (Mac)新建文件Ctr…...

中成科信票务管理系统 TicketManager.ashx接口SQL注入漏洞复现 [附POC]

文章目录 中成科信票务管理系统 TicketManager.ashx接口SQL注入漏洞复现 [附POC]0x01 前言0x02 漏洞描述0x03 影响版本0x04 漏洞环境0x05 漏洞复现1.访问漏洞环境2.构造POC3.复现0x06 修复建议中成科信票务管理系统 TicketManager.ashx接口SQL注入漏洞复现 [附POC] 0x01 前言 …...

设计模式六大原则之:依赖倒置原则

1. 依赖倒置原则简介 依赖倒置原则(Dependency Inversion Principle, DIP) 是面向对象设计的核心原则之一&#xff0c;由罗伯特马丁(Robert C. Martin)提出&#xff0c;旨在降低类间的依赖度&#xff0c;使之更易于维护和扩展。该原则主张高层模块不应该依赖于底层模块&#x…...

06_Linux中如何让程序重启后自动启动

Linux中如何让程序重启后自动启动 systemd单元文件1.创建服务文件&#xff01;&#xff01;&#xff01;服务配置文件的介绍 2.需要配置服务的状态&#xff08;加载和启用服务&#xff09;3.验证服务程序的运行状态4.打印程序的标准输出 systemd单元文件 Systemd 是现代 Linux…...

优化业务流程的关键:深入探讨BPA流程设计

在当前竞争激烈的商业环境中&#xff0c;业务流程自动化&#xff08;BPA&#xff09;已经成为企业提升效率、减少成本和提高业务灵活性的关键工具。今天&#xff0c;我们将深入探讨BPA流程设计的重要性及其实施步骤&#xff0c;为企业提供实用的指南。 什么是BPA&#xff1f; …...

基于uniapp+WebSocket实现聊天对话、消息监听、消息推送、聊天室等功能,多端兼容

基于 ​UniApp + WebSocket​实现多端兼容的实时通讯系统,涵盖WebSocket连接建立、消息收发机制、多端兼容性配置、消息实时监听等功能,适配​微信小程序、H5、Android、iOS等终端 目录 技术选型分析WebSocket协议优势UniApp跨平台特性WebSocket 基础实现连接管理消息收发连接…...

深入浅出:JavaScript 中的 `window.crypto.getRandomValues()` 方法

深入浅出&#xff1a;JavaScript 中的 window.crypto.getRandomValues() 方法 在现代 Web 开发中&#xff0c;随机数的生成看似简单&#xff0c;却隐藏着许多玄机。无论是生成密码、加密密钥&#xff0c;还是创建安全令牌&#xff0c;随机数的质量直接关系到系统的安全性。Jav…...

CentOS下的分布式内存计算Spark环境部署

一、Spark 核心架构与应用场景 1.1 分布式计算引擎的核心优势 Spark 是基于内存的分布式计算框架&#xff0c;相比 MapReduce 具有以下核心优势&#xff1a; 内存计算&#xff1a;数据可常驻内存&#xff0c;迭代计算性能提升 10-100 倍&#xff08;文档段落&#xff1a;3-79…...

页面渲染流程与性能优化

页面渲染流程与性能优化详解&#xff08;完整版&#xff09; 一、现代浏览器渲染流程&#xff08;详细说明&#xff09; 1. 构建DOM树 浏览器接收到HTML文档后&#xff0c;会逐步解析并构建DOM&#xff08;Document Object Model&#xff09;树。具体过程如下&#xff1a; (…...

Nuxt.js 中的路由配置详解

Nuxt.js 通过其内置的路由系统简化了应用的路由配置&#xff0c;使得开发者可以轻松地管理页面导航和 URL 结构。路由配置主要涉及页面组件的组织、动态路由的设置以及路由元信息的配置。 自动路由生成 Nuxt.js 会根据 pages 目录下的文件结构自动生成路由配置。每个文件都会对…...

前端开发面试题总结-JavaScript篇(一)

文章目录 JavaScript高频问答一、作用域与闭包1.什么是闭包&#xff08;Closure&#xff09;&#xff1f;闭包有什么应用场景和潜在问题&#xff1f;2.解释 JavaScript 的作用域链&#xff08;Scope Chain&#xff09; 二、原型与继承3.原型链是什么&#xff1f;如何实现继承&a…...

CMake 从 GitHub 下载第三方库并使用

有时我们希望直接使用 GitHub 上的开源库,而不想手动下载、编译和安装。 可以利用 CMake 提供的 FetchContent 模块来实现自动下载、构建和链接第三方库。 FetchContent 命令官方文档✅ 示例代码 我们将以 fmt 这个流行的格式化库为例,演示如何: 使用 FetchContent 从 GitH…...

Device Mapper 机制

Device Mapper 机制详解 Device Mapper&#xff08;简称 DM&#xff09;是 Linux 内核中的一套通用块设备映射框架&#xff0c;为 LVM、加密磁盘、RAID 等提供底层支持。本文将详细介绍 Device Mapper 的原理、实现、内核配置、常用工具、操作测试流程&#xff0c;并配以详细的…...

稳定币的深度剖析与展望

一、引言 在当今数字化浪潮席卷全球的时代&#xff0c;加密货币作为一种新兴的金融现象&#xff0c;正以前所未有的速度改变着我们对传统货币和金融体系的认知。然而&#xff0c;加密货币市场的高度波动性却成为了其广泛应用和普及的一大障碍。在这样的背景下&#xff0c;稳定…...

Yolov8 目标检测蒸馏学习记录

yolov8系列模型蒸馏基本流程&#xff0c;代码下载&#xff1a;这里本人提交了一个demo:djdll/Yolov8_Distillation: Yolov8轻量化_蒸馏代码实现 在轻量化模型设计中&#xff0c;**知识蒸馏&#xff08;Knowledge Distillation&#xff09;**被广泛应用&#xff0c;作为提升模型…...