棒球比赛

题目链接:https://leetcode-cn.com/problems/baseball-game/description/

emmmm,一道水题,然而菜鸡的我当时自己都写不出来,这道题用到的栈的思想,这里用一个动态数组来模拟栈,当是数字时,直接将数字入栈,当是‘+’时将st.back()和st[st.size()-2]求和入栈,当是‘D’时,将st.back()*2入栈,当是‘C’时,栈顶元素出栈,最后求和就是结果。



class Solution {
public:
    int calPoints(vector<string>& ops) {
        vector<int> st;
        for(int i = 0;i<ops.size();i++){
            
            if(ops[i]=="C"){
                st.pop_back();
            }
            else if(ops[i]=="D"){
                st.push_back(2*st.back());
            }
            else if(ops[i]=="+"){
                st.push_back(st.back()+st[st.size()-2]);
            }else {
                st.push_back(stoi(ops[i]));
            }
        }
        return accumulate(st.begin(), st.end(), 0);
    }
};


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我已经记录下来了。现在开始回答你的问题: 首先,我需要确认一下你的问题,你想问如何读入棒球比赛数据game_logs.csv为gl对象,并利用category类型大幅压缩内存占用空间,同时分析比赛日的分布情况和比赛时长的分布情况,对吗? 如果是的话,我可以依次回答你的问题: 1. 读入棒球比赛数据game_logs.csv为gl对象: 可以使用 pandas 库的 read_csv 函数来读取 csv 文件,代码如下: ```python import pandas as pd # 读取csv文件 gl = pd.read_csv('game_logs.csv') ``` 2. 分析比赛日的分布情况和比赛时长的分布情况: 可以使用 pandas 库的 pivot_table 函数来对数据进行透视,代码如下: ```python # 比赛日的分布情况 day_of_week = pd.pivot_table(gl, values='date', index='year', columns='day_of_week', aggfunc='count') day_of_week = day_of_week.div(day_of_week.sum(axis=1), axis=0) print(day_of_week) # 比赛时长的分布情况 game_length = pd.pivot_table(gl, values='length_minutes', index='year', columns=None, aggfunc='mean') print(game_length) ``` 其中,day_of_week 表示每周七天的比例,game_length 表示比赛时长的平均值。 3. 利用category类型大幅压缩内存占用空间: 可以使用 pandas 库的 astype 函数将一些列的数据类型转换为 category 类型,代码如下: ```python # 对freq > 200的object列使用category类型 column_types = dict() for col in gl.columns: if gl[col].dtype == 'object': if gl[col].nunique() / gl[col].count() < 1/200: column_types[col] = 'category' gl = gl.astype(column_types) ``` 4. 比较转换列部分,转换前后的内存占用情况: 可以使用 pandas 库的 info 函数来查看对象的内存占用情况,代码如下: ```python # 转换前的内存占用情况 gl.info(memory_usage='deep') # 转换后的内存占用情况 gl.astype(column_types).info(memory_usage='deep') ``` 5. 在read_csv函数中指定dtype=column_types参数,并查看读入对象的内存占用情况: 可以在 read_csv 函数中指定 dtype 参数来指定每列的数据类型,代码如下: ```python # 指定dtype参数 gl = pd.read_csv('game_logs.csv', dtype=column_types) # 查看内存占用情况 gl.info(memory_usage='deep') ``` 6. 用pivot_table分析比赛日的分布情况(一周七天的比例)的逐年变化: 可以使用 pandas 库的 pivot_table 函数来对数据进行透视,代码如下: ```python # 一周七天的比例的逐年变化 day_of_week_year = pd.pivot_table(gl, values='date', index='year', columns='day_of_week', aggfunc='count') day_of_week_year = day_of_week_year.div(day_of_week_year.sum(axis=1), axis=0) print(day_of_week_year) ``` 其中,day_of_week_year 表示每周七天的比例的逐年变化。 7. 用pivot_table分析比赛时长的逐年变化: 可以使用 pandas 库的 pivot_table 函数来对数据进行透视,代码如下: ```python # 比赛时长的逐年变化 game_length_year = pd.pivot_table(gl, values='length_minutes', index='year', columns=None, aggfunc='mean') print(game_length_year) ``` 其中,game_length_year 表示比赛时长的逐年变化。
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