F - Supermarket

并查集+贪心( 贪心-> 从高利润的物品开始)

#include<string.h>
#include<algorithm>
#include <stdio.h>
using namespace std;

struct node
{
    int p;//利润
    int d;//截止日期
}ob[11000];//物品

int cmp(struct node x, struct node y)
{
    return x.p > y.p;
}

int par[10005];// 并查集(类似并查集)  表示 i表示截止日期。

int found(int x)//寻找父亲(准确的说是找祖宗)函数
{
    if(par[x] == -1)//表示这一天还没有被别的物品占用
    {
        return x;//返回这一天
    }
    else return par[x] = found(par[x]);
    //这个函数的返回值是 该物品的出售时间

}

int main()
{
    int n, i;//n代表n件物品
    while(~scanf("%d", &n))
    {
        int sum = 0; //总利润
        memset(par, -1, sizeof(par));//初始化par的父亲都为 -1


        for(i = 0;i < n;i++)
        {
            scanf("%d %d", &ob[i].p, &ob[i].d);
        }

        sort(ob, ob+n, cmp);//按照利润将序排序, 因为 要先卖利润高的、、

        for(i = 0;i < n;i++)//从利润最高的物品开始
        {
            int End = ob[i].d;
            int fa = found(End);

            if(fa > 0)//如果fa 大于0 表示该物品 可以卖
            {
                sum+=ob[i].p;
                par[fa] = fa-1;//改变该天的父亲(作用①标记该天 ②可以使截止日期也在该天的 向前找 )
            }
        }
        printf("%d\n", sum);

    }
    return 0;
}

第二种做法:贪心

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,首先我们需要读取数据文件并进行预处理。以下是一个使用 Pandas 库对 supermarket_sales - sheet1.csv 文件进行预处理的示例代码: ```python import pandas as pd # 读取数据文件 df = pd.read_csv('supermarket_sales - sheet1.csv') # 去掉重复的行 df.drop_duplicates(inplace=True) # 去掉缺失值 df.dropna(inplace=True) # 查看数据信息 print(df.info()) # 查看数据统计信息 print(df.describe()) ``` 在这个示例中,我们使用 Pandas 库的 `read_csv()` 函数读取了 supermarket_sales - sheet1.csv 文件,并使用 `drop_duplicates()` 和 `dropna()` 函数分别去掉了重复的行和缺失值。然后我们使用 `info()` 函数查看了数据信息,使用 `describe()` 函数查看了数据统计信息。你可以根据自己的需求进行修改。 接下来,我们可以进行数据分析和可视化。以下是一个使用 Matplotlib 和 Seaborn 库进行数据分析和可视化的示例代码: ```python import matplotlib.pyplot as plt import seaborn as sns # 统计销售额前十的产品类别 top10_category = df.groupby('Product line')['Total'].sum().sort_values(ascending=False).head(10) # 绘制销售额前十产品类别的条形图 plt.figure(figsize=(10, 6)) plt.title('Top 10 Product Categories by Sales') sns.barplot(x=top10_category, y=top10_category.index, palette='Blues_r') plt.xlabel('Sales') plt.ylabel('Product Category') plt.show() # 统计每个小时的销售额 hourly_sales = df.groupby('Hour')['Total'].sum() # 绘制每个小时的销售额折线图 plt.figure(figsize=(10, 6)) plt.title('Hourly Sales') sns.lineplot(x=hourly_sales.index, y=hourly_sales.values) plt.xlabel('Hour') plt.ylabel('Sales') plt.show() # 统计每个国家的销售额 country_sales = df.groupby('Country')['Total'].sum().sort_values(ascending=False) # 绘制每个国家的销售额饼图 plt.figure(figsize=(10, 6)) plt.title('Sales by Country') plt.pie(country_sales.values, labels=country_sales.index, autopct='%1.1f%%') plt.show() ``` 在这个示例中,我们首先使用 Pandas 库的 `groupby()` 函数对数据进行分组统计,并使用 Matplotlib 和 Seaborn 库进行可视化。我们统计了销售额前十的产品类别,并使用 Seaborn 库的 `barplot()` 函数绘制了条形图;统计了每个小时的销售额,并使用 Seaborn 库的 `lineplot()` 函数绘制了折线图;统计了每个国家的销售额,并使用 Matplotlib 库的 `pie()` 函数绘制了饼图。你可以根据自己的需求进行修改和扩展。
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