Python|数学|贪心|数组|动态规划|单选记录：实现保留3位有效数字（四舍六入五成双规则）|用Python来创造一个提示用户输入数字的乘法表|最小路径和

1、实现保留3位有效数字（四舍六入五成双规则）（数学，算法）

贡献者：weixin_45782673

Tips:“四舍六入五成双”规则

“四舍六入五成双”规则是一种比较精确的计数保留法，是一种数字修约规则。这里“四舍”是指≤4时舍去，“六入”是指≥6时进上，“五成双”指的是根据5后面的数字来定，当5后有数时，舍5入1；当5后无有效数字时，需要分两种情况来讲：①5前为奇数，舍5入1；②5前为偶数，舍5不进。

输入：1234 输出：1234 12 12.0 4 4.00 0.2 0.200 0.32 0.320 1.3 1.30 1.235 1.24 1.245 1.24 1.2451 1.25

选项代码：

a = input()
if '.' in a:
    a = float(a)
    if a*1000%10!=5:
        a = '%.2f'%(a)
    else:
        if len(str(a).split(".")[1])>3:
            a = '%.2f'%(a)
        else:
            if int(a*100%10%2)==1:
                a = float('%.2f'%float(int(a*100)/100))+0.01
            else:
                a = '%.2f'%float(int(a*100)/100)
    print(a)
else:
    a = int(a)
    if a>99:
        print(a)
    else:
        if 0 < a < 10:
            print('%.2f'%a)
        else:
            print(float(a))

2、用Python来创造一个提示用户输入数字的乘法表？（贪心）

贡献者：Light_1009

Tips：贪心算法

贪心算法，又称贪婪算法，是一种寻找最优解问题的常用方法。这种方法模式一般将求解过程分成若干个步骤，但每个步骤都应用贪心原则，选取当前状态下最好或最优的选择（局部最有利的选择），并以此希望最后堆叠出的结果也是最好或最优的解。

贪心算法有以下几个特点：

• 贪心策略：每次决策都只考虑当前状态下的最佳选择，并不从整体上考虑其他可能影响最终结果的因素；
• 无后效性：当前的决策不会影响到后续的决策，即每个子问题都相互独立；

如果用户选择菜单选项1，提示用户输入1到10之间的整数，并打印一个乘法表，显示整数1与输入整数相乘的结果，如下面的示例所示。注意:不需要检查输入的数字是否在1到10之间。如果用户选择菜单选项2，退出程序。如果用户在菜单选择中输入了1或2以外的任何内容，输出信息“菜单选择错误，请重试并继续程序。” 结果应该如下： 1)创建乘法表 2)退出程序 请从以上菜单中选择一个选项:1 输入一个介于1到10之间的整数:3

1  2  3 

2  4  6 

3  6  9 

  1)创建乘法表 2)退出程序 请从以上菜单中选择一个选项:4 菜单选择错误，请重试 1)创建乘法表 2)退出程序 请从以上菜单中选择一个选项：2 谢谢你使用乘法表

选项代码可参考：

Python|位运算|递归|贪心|字符串|动态规划|单选记录：2 的幂|用Python来创造一个提示用户输入数字的乘法表|不同的子序列_打酱油的工程师的博客-CSDN博客

3、最小路径和（数组，动态规划）

给定一个包含非负整数的 m x n 网格 grid ，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。

说明：每次只能向下或者向右移动一步。

 示例：

示例 1：

输入：grid = [[1,3,1],[1,5,1],[4,2,1]]
输出：7
解释：因为路径 1→3→1→1→1 的总和最小。

示例 2：

输入：grid = [[1,2,3],[4,5,6]]
输出：12

提示：

• m == grid.length
• n == grid[i].length
• 1 <= m, n <= 200
• 0 <= grid[i][j] <= 100

代码模板：

class Solution(object):
    def minPathSum(self, grid):
        """
        :type grid: List[List[int]]
        :rtype: int
        """
        height = len(grid)
        if height == 0:
            return 0
        width = len(grid[0])
        pathmap = []
        for i in range(height):
            pathmap.append([100000000000] * width)
        pathmap[0][0] = grid[0][0]
        for i in range(height):
            for j in range(width):
                compare = [pathmap[i][j]]
                if i - 1 >= 0:
                    compare.append(pathmap[i - 1][j] + grid[i][j])
                if j - 1 >= 0:
                    compare.append(pathmap[i][j - 1] + grid[i][j])
                pathmap[i][j] = min(compare)
        return pathmap[-1][-1]
# %%
s = Solution()
print(s.minPathSum(grid = [[1,2,3],[4,5,6]]))