购物车,我重写一遍购物车

本文介绍了一个使用Python实现的简易购物车程序,通过列表展示商品及其价格,用户可以输入商品编号进行购买,程序会实时更新剩余金额和购物清单,支持随时退出。
product_list = [('iphone',5888),('macbook',12000),('meilv',998),('pen',5),('beizi',1),('text',25)]
shoping_list=[]

money =input("请充值")
if money.isdigit():
    money=int(money)
    while True:
        for index, item in enumerate(product_list):
            print(index,item)
        user_chose =input("请选择商品编号")
        if user_chose.isdigit():#这里是看用户选择的商品是不是数字,他对应下边的elif ‘q’
            user_chose=int(user_chose)
            if user_chose <len(product_list)and user_chose>=0:
                item_p=product_list[user_chose]
                if item_p[1]<money:
                    money -= item_p[1]
                    print("您已成功购买[%s],还剩下[%s]钱"%(item_p,money))
                    shoping_list.append(item_p)
                else:
                    print("你的余额不足请充值")
            else:
                print("你输入的[%s]不在列表内" % user_chose)  #对应输入的商品,
        elif user_chose =='q':  #这里要明白,一开始也可以输入q,任何时候都能退出
            print('-----购物清单如下-----')
            for j in shoping_list:
                print(j)
            print('还剩下钱数',money)
            exit()
        else:
            print( '请输入数字或q退出')

 

转载于:https://www.cnblogs.com/PYlog/p/8592633.html

【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
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