有点饱#11

The 2015 ACM-ICPC Asia Beijing Regional Contest

A
扫描线维护前缀和
http://paste.ubuntu.com/25276313/

B

C
BFS
预处理一下5个数字的变化情况以及需要的操作数
然后暴力check答案
http://paste.ubuntu.com/25277761/

D
网络流
神仙级建图
这里写图片描述
大概是个这样的建图方式
每个割是一个可行方案 显然最小割是一个最优解

建图原理大概就是割掉3种其中一种得到技能i的边之后 另外两种就不用割
让这个花费最小就是得到i的最小花费

然后有一个最大流=最小割定理
随便套个模版就完全ojbk

休息日补 睡觉

E
F

G
简单分类枚举一下
http://paste.ubuntu.com/25276780/

H

I
找规律
玩蛇这里写图片描述

http://paste.ubuntu.com/25277347/

J
是个模拟
然而我不是很懂这个令我觉得与现实差距奇异的题意
http://paste.ubuntu.com/25276699/

K

import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from datetime import datetime import re # 解析表格数据 data = [] rows = [line for line in """ | A | B | C | D | E | F | G | H | I | J | K | L | |:----|:-----|:-----|:----------|:---|:-----|:-----|:-----|:----|:----|:----|:-----| | 关键词 | 博主名称 | 笔记类型 | 视频链接/首图链接 | 标题 | 正文内容 | 发布时间 | 发布地址 | 点赞数 | 收藏数 | 评论数 | 笔记链接 | | 饿了么 | 天天巨省钱 | 图文 | http://sns-webpic-qc.xhscdn.com/202505281033/6b87661da21eb78006f3e63eb2f9efa3/notes_pre_post/1040g3k031i0pbqgh6s0g5o9a0650bnh68jtoghg!nd_dft_wlteh_webp_3 | 简直了…饿了么牛啊!!! | 简直了…饿了么牛啊!!!<br>为什么不给我18-18?为什么不给我18-18?为什么不给我18-18?@饿了么福利社 @饿了么 @饿了么大蓝 @淘宝 @万能的淘宝 卸载你卸载你[生气R][生气R] @淘宝攻略[微笑R][微笑R]<br> <br>elm对用户数据有点过度了吧<br>开始蕞新大水18-18攻略教程⬇️<br>记住!一定要在逃的e了么([九R][六R][六R][八R][八R])<br>#不要太离谱 #还有人不知道 #饿了么 #家人们谁懂啊 #真让我大开眼界了 #想告诉全世界 #商战 #饿了么外卖 #省钱小妙招 #外卖 | 2025-05-28 09:10:26 | 北京 | 0 | 0 | 2 | https://www.xiaohongshu.com/search_result/68366281000000002300da99?xsec_token=ABlLblC0_WVPQdbtDz3EuvP8lnYYegM-Kt8NS7gF-GqIw=&xsec_source= | ...(完整数据)... """.split(&#39;\n&#39;) if line.strip()] # 提取列名 headers = [col.strip() for col in rows[1].split(&#39;|&#39;)[1:-1]] # 解析数据行 for row in rows[3:]: if not row.startswith(&#39;|&#39;): continue cols = [re.sub(r&#39;<br>|\s+&#39;, &#39; &#39;, col.strip()) for col in row.split(&#39;|&#39;)[1:-1]] if len(cols) == len(headers): data.append(cols) # 创建DataFrame df = pd.DataFrame(data, columns=headers) # 转换数据类型 df[&#39;发布时间&#39;] = pd.to_datetime(df[&#39;发布时间&#39;]) df[&#39;点赞数&#39;] = pd.to_numeric(df[&#39;点赞数&#39;]) df[&#39;收藏数&#39;] = pd.to_numeric(df[&#39;收藏数&#39;]) df[&#39;评论数&#39;] = pd.to_numeric(df[&#39;评论数&#39;]) # 筛选日期范围 start_date = &#39;2025-04-30&#39; end_date = &#39;2025-05-13&#39; filtered_df = df[(df[&#39;发布时间&#39;] >= start_date) & (df[&#39;发布时间&#39;] <= end_date)] print(f"筛选后数据量: {len(filtered_df)}条") # 数据分析与可视化 plt.figure(figsize=(15, 12)) plt.suptitle(f&#39;饿了么笔记数据分析 ({start_date}至{end_date})&#39;, fontsize=16) # 1. 笔记类型分布 plt.subplot(221) note_type = filtered_df[&#39;笔记类型&#39;].value_counts() note_type.plot.pie(autopct=&#39;%1.1f%%&#39;, startangle=90) plt.title(&#39;笔记类型分布&#39;) plt.ylabel(&#39;&#39;) # 2. 热门发布地区TOP10 plt.subplot(222) top_locations = filtered_df[&#39;发布地址&#39;].value_counts().head(10) sns.barplot(x=top_locations.values, y=top_locations.index, palette=&#39;viridis&#39;) plt.title(&#39;发布地区TOP10&#39;) plt.xlabel(&#39;数量&#39;) # 3. 每日发布趋势 plt.subplot(223) daily_count = filtered_df.set_index(&#39;发布时间&#39;).resample(&#39;D&#39;).size() daily_count.plot(marker=&#39;o&#39;) plt.title(&#39;每日发布数量趋势&#39;) plt.xlabel(&#39;日期&#39;) plt.ylabel(&#39;发布量&#39;) plt.grid(True) # 4. 互动量分析 plt.subplot(224) interaction = filtered_df[[&#39;点赞数&#39;, &#39;收藏数&#39;, &#39;评论数&#39;]].mean() sns.barplot(x=interaction.values, y=interaction.index, palette=&#39;Set2&#39;) plt.title(&#39;平均互动量对比&#39;) plt.xlabel(&#39;数量&#39;) plt.tight_layout(rect=[0, 0, 1, 0.96]) plt.savefig(&#39;eleme_data_analysis.png&#39;, dpi=300) plt.show() # 生成分析报告 report = f""" 数据分析报告 ({start_date}至{end_date}) ==================================== 1. 数据概况: - 总笔记数量: {len(filtered_df)}条 - 时间范围: {filtered_df[&#39;发布时间&#39;].min().strftime(&#39;%Y-%m-%d&#39;)} 至 {filtered_df[&#39;发布时间&#39;].max().strftime(&#39;%Y-%m-%d&#39;)} 2. 内容特征: - 笔记类型分布: 图文: {note_type.get(&#39;图文&#39;, 0)}条 ({note_type.get(&#39;图文&#39;, 0)/len(filtered_df):.1%}) 视频: {note_type.get(&#39;视频&#39;, 0)}条 ({note_type.get(&#39;视频&#39;, 0)/len(filtered_df):.1%}) - 热门地区: {top_locations.idxmax()} ({top_locations.max()}条) 3. 互动分析: - 平均点赞: {interaction[&#39;点赞数&#39;]:.1f} - 平均收藏: {interaction[&#39;收藏数&#39;]:.1f} - 平均评论: {interaction[&#39;评论数&#39;]:.1f} 4. 时间趋势: - 发布高峰日: {daily_count.idxmax().strftime(&#39;%Y-%m-%d&#39;)} ({daily_count.max()}条) """ print(report) 将这段代码中的# 解析表格数据 data = [] rows = [line for line in """ | A | B | C | D | E | F | G | H | I | J | K | L | |:----|:-----|:-----|:----------|:---|:-----|:-----|:-----|:----|:----|:----|:-----| | 关键词 | 博主名称 | 笔记类型 | 视频链接/首图链接 | 标题 | 正文内容 | 发布时间 | 发布地址 | 点赞数 | 收藏数 | 评论数 | 笔记链接 | | 饿了么 | 天天巨省钱 | 图文 | http://sns-webpic-qc.xhscdn.com/202505281033/6b87661da21eb78006f3e63eb2f9efa3/notes_pre_post/1040g3k031i0pbqgh6s0g5o9a0650bnh68jtoghg!nd_dft_wlteh_webp_3 | 简直了…饿了么牛啊!!! | 简直了…饿了么牛啊!!!<br>为什么不给我18-18?为什么不给我18-18?为什么不给我18-18?@饿了么福利社 @饿了么 @饿了么大蓝 @淘宝 @万能的淘宝 卸载你卸载你[生气R][生气R] @淘宝攻略[微笑R][微笑R]<br> <br>elm对用户数据有点过度了吧<br>开始蕞新大水18-18攻略教程⬇️<br>记住!一定要在逃的e了么([九R][六R][六R][八R][八R])<br>#不要太离谱 #还有人不知道 #饿了么 #家人们谁懂啊 #真让我大开眼界了 #想告诉全世界 #商战 #饿了么外卖 #省钱小妙招 #外卖 | 2025-05-28 09:10:26 | 北京 | 0 | 0 | 2 | https://www.xiaohongshu.com/search_result/68366281000000002300da99?xsec_token=ABlLblC0_WVPQdbtDz3EuvP8lnYYegM-Kt8NS7gF-GqIw=&xsec_source= | ...(完整数据)... """.split(&#39;\n&#39;) if line.strip()] 将这段内容改为# 直接从Excel文件读取数据 df = pd.read_excel(&#39;results(京东).xlsx&#39;, sheet_name=&#39;Sheet1&#39;) 并 增加数据清洗:检查缺失值,处理异常值。
05-30
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