极值和平均值-第11届蓝桥杯选拔赛Python真题精选

本文介绍了超平老师针对2020年蓝桥杯Python编程选拔赛的一道题目,要求计算并输出五个正整数的最大值、最小值和平均值。文章详细解析了使用内置函数和循环处理的方法,强调了Python内置函数在提升编程效率中的重要性,并给出了思考题。
摘要由CSDN通过智能技术生成

[导读]:超平老师的Scratch蓝桥杯真题解读系列在推出之后,受到了广大老师和家长的好评,非常感谢各位的认可和厚爱。作为回馈,超平老师计划推出《Python蓝桥杯真题解析100讲》,这是解读系列的第22讲。

极值和平均值,本题是2020年5月31日举办的第11届蓝桥杯青少组Python编程选拔赛真题,题目要求编程计算并输出输出五个正整数的最大值,最小值及平均值。

先来看看题目的要求吧。

一.题目说明

编程实现:

同时输入5个正整数以逗号隔开,依次输出五个正整数的最大值,最小值及平均值。

提示信息:

Python语法提示:五个以逗号分隔的正整数,可以采用如下方法进行转换、分离。

str = input)

nums = eval(str)

输入样例:

1, 3, 5, 7, 9

输出样例:

9

1

5.0

评分标准:

  • 5分:能正确判断一组数据;

  • 9分:能正确判断两组数据;

  • 11分:能正确判断三组及三组以上数据。

二.思路分析

这是一道简单的计算题,考查的知识点主要包括列表、循环累加、比较运算和常见的函数等。

针对本体,通常有两种方案:

  • 使用Python内置函数

  • 使用循环逐项处理

在Python编程中,提供了大量的内置函数,本题中用到的几个函数如下:

len():获取对象(包括字符、列表、元组等)的长度sum():对序列(包括列表、元组和集合)进行求和计算max():获取最大值min():获取最小值

其中,len()和sum()函数用于集合类型数据,而max()和min()函数则可以用于字符串、数字和集合等多种类型。

有了这些函数,问题就变得比较简单了。

当然了,如果不使用这些函数,我们也可以通过循环逐项处理,从而计算出平均值、最大值和最小值的。

思路有了,接下来,我们就进入具体的编程实现环节。

三.编程实现

根据上面的思路分析,我们分别使用两种方案来编写程序:

  • 使用内置函数

  • 使用循环逐项处理

1. 使用内置函数

使用内置函数比较简单,代码如下:

图片

关于输入处理,这里借助了列表推导式,前面已经多次讲解过,这里就不再赘述了。当然,你也可以直接使用题目提示的eval()函数,如下:

nums = eval(input())

需要注意两点:

1). 使用eval()函数,返回的是一个元组,可以使用list()函数将其转换成列表;
2). 在某些环境中,不支持eval()函数。

2. 使用循环逐项处理

使用循环的思路是,循环取出列表中的每一项,进行累加,并和最大值、最小值进行比较,同时统计数字的数量。

其代码如下:

图片

代码稍微多一点,但不难理解,重点说明一个细节,就是最大值mx和最小值mn的初始值,这里使用了float('inf'),它表示正无穷大,inf是无穷大(infinity)的缩写。

在数学中,无穷大是比任何实数都大的数,在Python中,它是float类型,可以用于比较操作或作为数学运算中的一个边界值。相应的,使用float('-inf')表示负无穷大,它表示的是一个比任何其他实数都小的数。

在求解最值问题时,经常会用到float('inf'),但要注意,通常是将最小值设为无穷大,然后逐个比较并更新最小值,将最大值设为无穷小,然后逐个比较并更新最大值。

至此,整个程序就全部完成了,你也可以输入不同的数字来测试效果。

四.总结与思考

本题的分数为25分,代码在10行左右,涉及到的知识点包括:

  • 输入输出处理;

  • 列表运算;

  • 常见的内置函数;

题目难度一般,如果对Python内置函数比较熟悉,这就是一道送分题,这就要求在平时学习Python的过程中,尽量多使用内置函数,它可以极大地提升编程效率。

当然,如果不熟悉内置函数的话,我们也可以通过循环来实现,代码稍微多一点,但逻辑还是比较简单的。

给你留一道思考题,如果不使用float('inf')和-float('inf')来初始化最小值和最大值,我们应该如何进行初始化设置?

你还有什么好的想法和创意吗,也非常欢迎和超平老师分享探讨。

如果你觉得文章对你有帮助,别忘了点赞和转发,予人玫瑰,手有余香😄

  • 22
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
脑电信号的特征提取是脑电信号分析的重要步骤之一,可以用于诊断、分类和控制应用。下面介绍几种常用的脑电信号特征提取方法,以Python代码形式给出。 1. 平均绝对信号斜率(Mean Absolute Slope, MAS) 平均绝对信号斜率是脑电信号的一个重要特征,它可以描述信号的变化速率。MAS的计算公式如下: $$ MAS = \frac{1}{N-1}\sum_{i=1}^{N-1}|\frac{y_{i+1}-y_i}{t_{i+1}-t_i}| $$ 其中,$N$是信号长度,$y_i$是信号在时间点$t_i$的值。下面是Python代码实现: ```python import numpy as np def mean_absolute_slope(signal, fs): # 计算信号斜率 diff_signal = np.diff(signal) diff_time = 1/fs slope = np.abs(diff_signal/diff_time) # 计算平均绝对信号斜率 mas = np.mean(slope) return mas ``` 2. 峰间值(Peak-to-Peak Amplitude, P2P) 峰间值是脑电信号中峰值与谷值之间的差值,可以反映信号的振幅。P2P的计算公式如下: $$ P2P = \max(y)-\min(y) $$ 其中,$y$是信号的值。下面是Python代码实现: ```python def peak_to_peak_amplitude(signal): p2p = np.max(signal) - np.min(signal) return p2p ``` 3. 极值次数(Number of Zero Crossings, NZC) 极值次数是指信号中从正向到负向或从负向到正向的变化次数,可以反映信号的周期性。NZC的计算公式如下: $$ NZC = \frac{1}{2}\sum_{i=1}^{N-1}I_{i,i+1} $$ 其中,$N$是信号长度,$I_{i,i+1}$是一个指示函数,当信号在第$i$个时间点和第$i+1$个时间点之间穿过$y=0$轴时为1,否则为0。下面是Python代码实现: ```python def number_of_zero_crossings(signal): zc = np.where(np.diff(np.sign(signal)))[0] nzc = len(zc) return nzc ``` 以上是三种常用的脑电信号特征提取方法的Python实现。在实际应用中,可以根据需要选择合适的特征组合来分析脑电信号。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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