1003. 我要通过!

“答案正确”是自动判题系统给出的最令人欢喜的回复。本题属于PAT的“答案正确”大派送 —— 只要读入的字符串满足下列条件,系统就输出“答案正确”,否则输出“答案错误”。

得到“答案正确”的条件是:

字符串中必须仅有P, A, T这三种字符,不可以包含其它字符;
任意形如 xPATx 的字符串都可以获得“答案正确”,其中 x 或者是空字符串,或者是仅由字母 A 组成的字符串;
如果 aPbTc 是正确的,那么 aPbATca 也是正确的,其中 a, b, c 均或者是空字符串,或者是仅由字母 A 组成的字符串。
现在就请你为PAT写一个自动裁判程序,判定哪些字符串是可以获得“答案正确”的。
输入格式: 每个测试输入包含1个测试用例。第1行给出一个自然数n (<10),是需要检测的字符串个数。接下来每个字符串占一行,字符串长度不超过100,且不包含空格。

输出格式:每个字符串的检测结果占一行,如果该字符串可以获得“答案正确”,则输出YES,否则输出NO。

输入样例:
8
PAT
PAAT
AAPATAA
AAPAATAAAA
xPATx
PT
Whatever
APAAATAA
输出样例:
YES
YES
YES
YES
NO
NO
NO
NO

解题思路

这题主要难在题目的解读,如果将题目读懂这题就不是很难,这里我把题目作简单的分析。

1、对于第一个条件,我们可以知道所输入字符串只能包括P,A,T三个字母,我们可以根据设置3个变量来统计这3个字母的数量如果3个字母数量之和不等于字符串长度那就有可能包含其它字母。

2、条件2告诉我们的是在PAT左右两边的字符必须相等或为空或为A字符

3、条件3是比较好理解的,意思就是说P,T之间如果增加一个字符A那么在T的右边就要添加与P左边相等的字符,这个字符的数量要根据P左边的字符来定。

#include <stdio.h>
#include <stdlib.h>
#include <string.h> 
/* run this program using the console pauser or add your own getch, system("pause") or input loop */

int main(int argc, char *argv[]) {
    char Input[100];
    int pos_T,pos_P,count_P,count_A,count_T;
    int i,j,n;
    scanf("%d\n",&n);
    for( i = 0 ; i < n ; i++ ){
        gets(Input);
        pos_T = 0;
        pos_P = 0;
        count_P = 0;
        count_A = 0;
        count_T = 0;
        for( j = 0 ; j < strlen(Input) ; j++ ){
            if( Input[j] == 'P' ){
                count_P++;
                pos_P = j ;
            }
            if( Input[j] == 'A' ){
                count_A++;
            }   
            if( Input[j] == 'T' ){
                count_T++;
                pos_T = j ;
            }
        }
        if( //判断这个字符串是否只有P,A,T3个字母组成,条件1 
            count_P + count_A + count_T != strlen(Input) || 
            //中间如果没有字符就不符合条件3 
            pos_T-pos_P <= 1 || 
            //字符串中只能有一个P,T字符多出就不符合条件 
            count_P > 1 || count_T > 1 || 
            // T右边的字符数是P左边的整数倍,倍数是和中间添加的A的数量和P左边的字符数量有关,条件3 
            pos_P*(pos_T-pos_P-1) != strlen(Input)-pos_T-1
         ){
            printf("NO\n");
         }else{
            printf("YES\n");
         }
    }
    return 0;
}

本篇文章转载自http://www.yuyanping.com/pat/basic-1003/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,让我来回答您的问题。 (1) 通过 Python/pandas 读取数据库文件或 csv 文件: 可以使用 pandas 的 `read_csv()` 函数来读取 csv 文件。例如,假设文件名为 `data.csv`,可以使用以下代码读取该文件: ```python import pandas as pd df = pd.read_csv('data.csv') ``` 如果您的数据存储在数据库中,则可以使用 Python 的数据库 API(如 `sqlite3`、`psycopg2` 等)连接到数据库,并使用 SQL 查询语句从数据库中检索数据。然后,将检索到的数据转换为 pandas DataFrame,以便进行分析。 (2) 对获取得到的数据进行分析 1. 是否线性关系?请画出各自变量与因变量的散点图。 可以使用 matplotlib 库来绘制散点图。以下是绘制占用资金与销售额之间散点图的示例代码: ```python import matplotlib.pyplot as plt plt.scatter(df['x1'], df['y']) plt.xlabel('库存资金额') plt.ylabel('销售额') plt.show() ``` 您可以按照相同的方式绘制其他变量与销售额之间的散点图,以便检查它们之间是否存在线性关系。 2. 建立并给出销售额的回归模型;给出各回归系数的 95% 的置信区间。 可以使用 statsmodels 库来建立线性回归模型。以下是使用 `statsmodels.formula.api` 模块建立销售额的回归模型的示例代码: ```python import statsmodels.formula.api as smf model = smf.ols('y ~ x1 + x2 + x3', data=df).fit() print(model.summary()) ``` 上述代码中,`y` 表示因变量,`x1`、`x2` 和 `x3` 分别表示自变量。`ols()` 函数的第一个参数是一个公式字符串,指定模型的形式。`data` 参数是一个 DataFrame,指定要用于拟合模型的数据。`fit()` 方法返回一个 `RegressionResults` 对象,其中包含有关拟合模型的有用信息,例如回归系数、置信区间和拟合优度等。 调用 `summary()` 方法可以打印出有关模型的详细信息,包括回归系数、标准误差、置信区间、F 统计量、p 值等。 3. 计算回归的拟合优度判定系数(多重可决系数)。 可以使用 `rsquared` 属性计算 R 平方值。例如,以下代码计算 R 平方值: ```python print('R squared:', model.rsquared) ``` 4. 对回归方程做 F 检验,检验线性回归的显著性。 可以使用 `f_pvalue` 属性计算 F 统计量的 p 值。例如,以下代码计算 F 统计量的 p 值: ```python print('F p-value:', model.f_pvalue) ``` 如果 p 值小于给定的显著性水平(通常为 0.05),则可以拒绝零假设,即线性回归显著。 5. 如果未来某月库存资金额为 150 万元,广告投入预算为 45 万元,员工薪酬总额为 27 万元,试根据建立的回归模型预测该月的销售额。 可以使用 `predict()` 方法根据建立的回归模型预测销售额。例如,以下代码预测库存资金额为 150 万元、广告投入预算为 45 万元、员工薪酬总额为 27 万元时的销售额: ```python new_data = {'x1': 150, 'x2': 45, 'x3': 27} print('预测销售额:', model.predict(new_data)) ``` 以上就是对您问题的回答,希望对您有所帮助。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值