python————day02 test

1.企业发放的奖金根据利润提成。
利润(I)
(1)低于或等于1企业发放的奖金根据利润提成。
利润(I)
(1)低于或等于10万元时,奖金可提10%;
(2)利润高于10万元,低于20万元时,低于10万元的部分按10%提成,高于10万元的部分,可
提成7.5%;
(3)20万到40万之间时,高于20万元的部分,可提成5%;
(4)40万到60万之间时高于40万元的部分,可提成3%;
(5)60万到100万之间时,高于60万元的部分,可提成1.5%,
(6)高于100万元时,超过100万元的部分按1%提成,

从键盘输入当月利润I,求应发放奖金总数?

#!/usr/bin/env python
#coding:utf-8

x = 10*0.1
y = 10*0.075
m = 20*0.05
n = 20*0.03
z = 40*0.015
print ("输入“0”退出程序")

while True:
        i = input("输入当月利润I(单位:万元): ")

        if (i>0 and i<10 or i==10 ):
                i *= 0.1
                print ("应发奖金为%.3f万元") %i

        elif (i>10 and i<20):
                a = i-10
                a *=0.075
                i = x+a
                print ("应发奖金为%.3f万元") %i
        elif (i>20 and i<40):
                a = i-20
                a *=0.05
                i =x+y+a
                print ("应发奖金为%.3f万元") %i

        elif (i>40 and i<60):
                a = i-40
                a *=0.03
                i =x+y+m+a
                print ("应发奖金为%.3f万元") %i

        elif (i>60 and i<100):
                a = i-60
                a *=0.015
                i =x+y+m+n+a
                print ("应发奖金为%.3f万元") %i


        elif i>100:
                a = i-100
                a *=0.01
                i =x+y+m+n+z+a
                print ("应发奖金为%.3f万元") %i

        else:
                if i == 0:
                        break


2.一个整数,它加上100后是一个完全平方数,再加上168又是一个完全平方数,请问>该数是多少?

!/usr/bin/env python
#coding:utf-8

print ("一个整数,它加上100后是一个完全平方数,再加上168又是一个完全平方>数,请问该数是多少?")

for i in range(0,100):
        for a in range(0,100):
                for b in range(0,100):
                        if a*a==i+100 and b*b==i+268:
                                print ("这个数为%d") %i



3.- 题目描述:
> 给定一个句子(只包含字母和空格), 将句子中的单词位置反转,单词用空格分
割, 单词之间只有一个空格,前后没有空格。

- 输入描述:
> 输入数据有多组,每组占一行,包含一个句子(句子长度小于1000个字符)

- 输出描述:
> 对于每个测试示例,要求输出句子中单词反转后形成的句子

- 示例1:
- 输入
    hello xiao mi
- 输出
    mi xiao hello

#!/usr/bin/env python
#coding:utf-8

a = raw_input("输入:\n")
t = a.split()

b = [t.reverse()]
t =  ' '.join(t)

print ("输出:\n %s") %t


注:list型数赋值时 加[]



4.- 题目描述:
输入两个字符串,从第一字符串中删除第二个字符串中所有的字符。例如,输入”They are students.”和”aeiou”,则删除之后的第一个字符串变成”Thy r stdnts.”

- 输入描述:
每个测试输入包含2个字符串

- 输出描述:
输出删除后的字符串

#!/usr/bin/env python
#coding:utf-8


a = raw_input("输入第一串字符:")
b = raw_input("输入第二串字符:")

for i in a:
        if i in b:
                a=a.replace(i,"")

print ("输出:\n %s") %a






5. # (2017-网易-笔试编程题)-字符串练习

小易喜欢的单词具有以下特性:
    1.单词每个字母都是大写字母
    2.单词没有连续相等的字母
列可能不连续。
例如:
    小易不喜欢"ABBA",因为这里有两个连续的'B'
    小易不喜欢"THETXH",因为这里包含子序列"THTH"
    小易喜欢"A","ABA"和"ABCBA"这些单词
    给你一个单词,你要回答小易是否会喜欢这个单词。

- 输入描述:
输入为一个字符串,都由大写字母组成,长度小于100

- 输出描述:
如果小易喜欢输出"Likes",不喜欢输出"Dislikes"


示例1 :

```
输入
    AAA
输出
    Dislikes

'''

#!/usr/bin/env python
#coding:utf-8

while True:

        a = raw_input("输入:\n")
        b = len(a)
        c = b-1


        for i in range(0,c):
                for n in range(1,c):
                        if a[i]==a[n] or a.upper()!=a:
                                break
                                print("小易不喜欢")
                        else:
                                print("小易喜欢")







深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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