代码日猴子市场的到来
怎么入门文章编程?需要学习哪些知识点?这是新手们刚接触编程时常见的问题;下面golang学习网就来给大家整理分享一些知识点,希望能够给初学者一些帮助。本篇文章就来介绍《代码日猴子市场的到来》,涉及到,有需要的可以收藏一下

第22天:猴子市场
GitHub 仓库
今天的挑战相当简单直接。大部分工作都体现在问题描述中:一些整数运算,最后再进行简单的求和(至少第一部分是这样)。
第一部分
代码非常简洁,我们循环2000次,每次生成一个新的秘密数字并存储起来,以便最后进行求和。
第二部分
这部分需要更多思考,但大部分逻辑也已在描述中给出。
calc_price_changes() 函数是主要区别之一。此函数处理一系列数字,仅计算“价格变化”以识别模式。
让我们深入了解一下:
calc_price_changes 函数:
- 处理生成的秘密数字列表。
- 计算价格变化(每个秘密数字的最后一位)。
- 识别四个连续变化的独特模式。
- 根据这些模式累加分数。
它需要两个参数:一个数字列表(代表生成的秘密数字)和一个类似字典的对象 (defaultdict(int)),用于存储和累加独特的模式分数。
defaultdict 是一个非常有用的工具。它与普通字典类似,但有一个关键优势:如果字典中找不到键,它会自动创建该键并为其分配传入类型的默认值。
寻找四个连续变化的序列
for p in range(len(price_change_sequence) - 4 + 1):
changes = price_change_sequence[p: p + 4]
key = tuple((changes[0][0], changes[1][0], changes[2][0], changes[3][0]))
if key not in sequences:
sequence_sum[key] += changes[3][1]
sequences.add(key)
这段代码使用大小为4的滑动窗口提取四个连续的(变化,价格)元组。
例如:如果 price_change_sequence 为 [(1, 5), (2, 7), (-1, 6), (3, 9)],则一个“块”为 [(1, 5), (2, 7), (-1, 6), (3, 9)]。
然后,我们只提取四个元组中的变化值,例如 -2, -1, 1 等。如果该模式尚未被处理,则它是一个新模式,因此我们将最后一个价格(changes[3][1])添加到 sequence_sum[模式]。通过将键添加到 sequences 集合中,将其标记为已处理。
函数结束后:
sequence_sum 包含唯一(因为我们使用了集合)的四个变化模式及其累加分数的映射(基于每个序列中的最终价格)。
例如:{(1, 2, -1, 3): 9, (-2, 0, 1, -1): 6}.
演练
假设我们有一个输入:
generated_secrets = [45, 46, 50, 53, 58, 61] sequence_sum = defaultdict(int) calc_price_changes(generated_secrets, sequence_sum)
步骤:
-
计算价格变化: 价格:
[5, 6, 0, 3, 8, 1](最后一位数字)。 变化:[(1, 6), (-6, 0), (3, 3), (5, 8), (-7, 1)] -
提取四个变化模式:
(1, -6, 3, 5)→ 将 8(模式中的最后一个价格)添加到sequence_sum。(-6, 3, 5, -7)→ 将 1 添加到sequence_sum。
输出:
{(1, -6, 3, 5): 8, (-6, 3, 5, -7): 1}
总结
所有这些是如何结合在一起的:
输入处理:我们读取输入并将其转换为秘密数字列表。
序列生成:对于每个秘密数字,我们迭代2000代,生成一系列派生值。
价格变化分析:我们计算序列中连续价格(最后一位数字)之间的差异,识别独特的四个变化模式及其累加分数。
结果提取:最后,我们找到总分最高的模式,确定最有影响力的模式。
通过将问题分解成清晰的模块化步骤,我们有效地处理了数据、跟踪了模式并解决了难题。
希望这对你有所帮助,并且你从我的解答中学到了一些东西。欢迎关注或在 Twitter 上联系。
到这里,我们也就讲完了《代码日猴子市场的到来》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
Win10找不到网络路径怎么办 Win10找不到网络路径的解决方法
- 上一篇
- Win10找不到网络路径怎么办 Win10找不到网络路径的解决方法
- 下一篇
- 【进展】中科院苏州纳米所徐勇团队在HOR领域取得新进展;中国科学院单个激光腔中实现高性能单模激光输出
-
- 文章 · python教程 | 2小时前 |
- Python logging Formatter 统一结构化字段输出
- 185浏览 收藏
-
- 文章 · python教程 | 3小时前 | 配置 · python · Python教程 · 配置管理 Python 3.15 frozendict 不可变映射
- Python 3.15 frozendict 内置类型的配置使用场景
- 192浏览 收藏
-
- 文章 · python教程 | 6小时前 | 序列化 · python · Python pickle 进程池 multiprocessing Pool
- Python multiprocessing 进程池传递不可序列化对象
- 255浏览 收藏
-
- 文章 · python教程 | 7小时前 | 数据一致性 · Python教程 · Python 事务 自动提交 sqlite3 autocommit isolation_level
- Python sqlite3 事务模式与自动提交边界
- 197浏览 收藏
-
- 文章 · python教程 | 8小时前 |
- Python contextlib.nullcontext 统一同步异步入口
- 316浏览 收藏
-
- 文章 · python教程 | 8小时前 | 面向对象 · python · Python教程 · InitVar __post_init__ Python dataclass 派生字段 field(init=False)
- Python dataclass __post_init__ 计算派生字段
- 303浏览 收藏
-
- 文章 · python教程 | 9小时前 |
- Python typing.TypeGuard 处理复杂容器类型收窄
- 437浏览 收藏
-
- 文章 · python教程 | 11小时前 |
- Python os.fspath 支持自定义路径对象
- 214浏览 收藏
-
- 文章 · python教程 | 13小时前 | 异常处理 · 异步编程 · Python教程 · asyncio · 后台任务 任务取消 CancelledError Python asyncio asyncio.shield
- Python asyncio.shield 保护后台任务免受外层取消
- 407浏览 收藏
-
- 文章 · python教程 | 16小时前 |
- Python configparser ExtendedInterpolation 组织分层配置
- 480浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 409次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 487次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 496次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 444次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 271次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

