python 训练之数字组合、个税计算、完全平方数

有意栽花花不发,无心插柳柳成阴。

0x01 数字组合

有四个数字:1、2、3、4,能组成多少个互不相同且无重复数字的三位数?各是多少?

① 题解一

使用 for 循环遍历,最后使用 if 判断每个位数是否有重复

total = 0
for i in range(1,5):
    for j in range(1,5):
        for k in range(1,5):
            if i!=j and j!=k and i!=k:
                print(i*100 + j*10 + k)
                total += 1
print(total)

② 题解二

使用 itertools 模块中的 permutations 方法,其返回的是可迭代对象的全排列方式,返回的对象是元组。

import itertools

sum0 = 0
a = [1,2,3,4]
for i in itertools.permutations(a,3):
    print(i[0] + i[1]*10 + i[2]*100)
    sum0 += 1
print(sum0)

③ 结果

321
421
231
431
241
341
312
412
132
432
142
342
213
413
123
423
143
243
214
314
124
324
134
234
24

0x02 个税计算

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

① 分析

从 0 到 10W 到 20W 到 40W 到 60W 到 100W 最后大于 100W的区间分别是 100000 -- 10000 -- 200000 -- 200000 -- 400000,每一个区间都哟对应的利润提成:0.1 -- 0.075 -- 0.05 -- 0.03 -- 0.015 -- 0.01

② 题解

使用分区间计算即可

profit = int(input("please input your money: ")) #input函数接收的数据对象是字符串
bonus = 0

thresholds = [100000,100000,200000,200000,400000] #每个元素代表区间
rates = [0.1 , 0.075 , 0.05 , 0.03 , 0.015 , 0.01] #每个元素代表区间的提成

for i in range(len(thresholds)):
    if profit <= thresholds[i]:
        bonus += profit*rates[i]
        profit = 0 #如果利润不是大于 100W
        break
    else:
        bonus += profit*rates[i]
        profit -= thresholds[i]
bonus += profit*rates[-1] # 如果大于 100W 的话
print(bonus)

③ 结果

please input your money: 150000
18750.0

Process finished with exit code 0

0x03 完全平方数

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?

① 分析

现假设这个整数加上 100 之后是未知数 a,且其平方根为 b,即 a=b^2 ,根据题设,a+168 又是一个完全平方数,则可得 b^2 + 168 >= (b+1)^2,所以可以得到 b 的最大值为 84

n = 0
while (n+1)**2 - n**2 <= 168:
    n += 1
print(n)
84

Process finished with exit code 0

最后就是怎么判断完全平方数了,可以将某个数的平方根和整型转换后的平方根对比,如果相等就是完全平方数。

② 题解

n=0
while (n+1)**2-n*n<=168:
    n+=1

for i in range((n+1)**2):
    if i**0.5==int(i**0.5) and (i+168)**0.5==int((i+168)**0.5):
        print(i-100)

③ 结果

-99
21
261
1581

Process finished with exit code 0
                                                                                                                                 猪头
                                                                                                                              2020.5.10
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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