2021-01-28

本文介绍了一位名为佳佳的渔夫如何通过编程算法,在给定时间内最大化钓鱼数量。关键在于合理分配时间在不同湖泊,考虑鱼量递减规律。输入包括湖泊数量、空闲时间、初始鱼获量、鱼量减少率和移动时间。输出是佳佳能够实现的最大钓鱼总数。

1431.钓鱼

在一条水平路边,有 n 个钓鱼湖,从左到右编号为 1,2,…,n。佳佳有 H 个小时的空余时间,他希望利用这个时间钓到更多的鱼。他从 1 出发,向右走,有选择的在一些湖边停留一定的时间(是 5 分钟的倍数)钓鱼。最后在某一个湖边结束钓鱼。佳佳从第 i 个湖到第 i+1 个湖需要走 5×Ti分钟路,还测出在第 i 个湖停留,第一个 5 分钟可以钓到 Fi​​ 条鱼,以后每再钓 5 分钟,可以钓到的鱼量减少 Di​​ ,若减少后的鱼量小于 0,则减少后的鱼量为 0

。为了简化问题,佳佳假定没有其他人钓鱼,也没有其他因素影响他钓到期望数量的鱼。请编程求出佳佳最多能钓鱼的数量。
【输入】

第一行一个整数 n

,表示湖的个数

第二行一个整数 H

,表示佳佳的空闲时间

第三行有 n
个整数,依次表示每个湖第一个 5

分钟能钓到鱼的数量

第四行有 n
个整数,依次表示以后的每5分钟钓鱼数量比前一个 5

分钟钓鱼数量减少的数量

第五行有 n−1
个整数,Ti 表示由第 i 个湖到第 i+1 个湖需要花 5×Ti

分钟的路程
【输出】

输出只有一行,表示佳佳最多能钓鱼的数量。
【输入样例】

3
1
4 5 6
1 2 1
1 2

【输出样例】

35

【提示】

样例解释:

在第 1
个湖钓 15 分钟,共钓得 4+3+2=9

条鱼;

在第 2
个湖钓 10 分钟,共钓得 5+3=8

条鱼;

在第 3
个湖钓 20 分钟,共钓得 6+5+4+3=18

条鱼;

从第 1
个湖到第 2 个湖,从第 2 个湖到第 3个湖,共用时间 15 分钟,共得 35 条鱼,并且这是最多的数量。

解题思路:
没一个湖都钓一次,看在哪个湖钓到的鱼最多

注意:
我这个一直编译错误,直接裂开了,实在不知道哪里出错了。。。。。

最后看的别人的代码

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
int lacker[1005];
int first[1005];
int lessf[1005];
int time[1005];
int vis[1005];
int main(){
    int n;
    int t;
    cin>>n>>t;
    t=t*60;
    for(int i=0;i<n;i++){
        cin>>first[i];
    }
    for(int i=0;i<n;i++){
        cin>>lessf[i];
    }
    for(int i=0;i<n-1;i++){
        cin>>time[i];
    }
    int ans=0;
    for(int i=0;i<n;i++){
        int temp=t;
        for(int j=0;j<i;j++){
            temp-=time[j]*5;
        }
        int res=0;
        memset(vis,0,sizeof(vis));
        while(temp>0){
            int maxn=0;
            int k=0;
            for(int j=0;j<=i;j++){
                if(first[j]-vis[j]*lessf[j]>maxn){
                    maxn=first[j]-vis[j]*lessf[j];
                    k=j;
                }
            }
            if(maxn<0){
                break;
            }
            res+=maxn;
            temp-=5;
            vis[k]++;
        }
        ans=max(res,ans);
    }
    cout<<ans<<endl;
    return 0;
}
你已经成功将 `Date` 列转换为 `datetime64[ns]` 类型,并且输出如下: ``` 0 2021-01-04 1 2021-01-05 2 2021-01-06 3 2021-01-07 4 2021-01-08 Name: Date, dtype: datetime64[ns] ``` ✅ **这说明日期解析完全正确!** 接下来你应该执行: ```python df.set_index('Date', inplace=True) df.sort_index(inplace=True) # 确保时间顺序正确 ``` 然后进入主逻辑,使用我们之前修复过的区间筛选函数(作用于索引)即可正常运行。 --- ### ✅ 当前状态确认清单 | 检查项 | 是否完成 | 说明 | |--------|----------|------| | ✔️ `Date` 列是否为 `datetime64[ns]`? | ✅ 是 | 输出已验证 | | ✔️ 是否设置为索引? | ⚠️ 需手动执行 | 必须调用 `set_index` | | ✔️ 时间是否升序排列? | ⚠️ 建议排序 | 使用 `sort_index()` 更安全 | | ✔️ 区间过滤函数是否作用于 `index`? | ✅ 是 | 否则会出错 | --- ### ✅ 推荐后续代码(确保流程完整) ```python # 设置索引并排序 df.set_index('Date', inplace=True) df.sort_index(inplace=True) # 查看数据类型和前几行 print("Index dtype:", df.index.dtype) print("Data head:") print(df.head()) ``` 此时你的 `df.index` 是一个有序的 `DatetimeIndex`,可以安全用于以下操作: ```python intervals = { 'YTD': lambda idx: idx >= pd.Timestamp(year=idx[-1].year, month=1, day=1), '1Y': lambda idx: idx >= idx[-1] - pd.DateOffset(years=1), '6M': lambda idx: idx >= idx[-1] - pd.DateOffset(months=6), '3M': lambda idx: idx >= idx[-1] - pd.DateOffset(months=3), '1M': lambda idx: idx >= idx[-1] - pd.DateOffset(months=1), } ``` 因为 `idx[-1]` 就是最后一个交易日,比如 `2024-03-28`,它是一个 `pd.Timestamp`,支持 `.year`、`.month` 等属性,不会再报错! --- ### ✅ 示例:查看当前 YTD 起始日 你可以加一段调试代码来验证逻辑是否正确: ```python # 调试:打印各个区间的起始时间(以最后一个日期为基准) last_date = df.index[-1] print(f"最新交易日: {last_date}") print("各区间起始日:") print("YTD:", pd.Timestamp(year=last_date.year, month=1, day=1)) print("1Y: ", last_date - pd.DateOffset(years=1)) print("6M: ", last_date - pd.DateOffset(months=6)) print("3M: ", last_date - pd.DateOffset(months=3)) print("1M: ", last_date - pd.DateOffset(months=1)) ``` 输出示例: ``` 最新交易日: 2024-03-28 各区间起始日: YTD: 2024-01-01 1Y: 2023-03-28 6M: 2023-09-28 3M: 2024-01-28 1M: 2024-02-28 ``` 这些日期就是每个区间的“开始日”,之后用它们做布尔索引就能提取对应时间段的数据。 --- ### ✅ 总结:你现在可以继续了! 只要你完成了以下几步: 1. ✅ 成功将 `Date` 转为 `datetime64[ns]` 2. ✅ 执行了 `df.set_index('Date')` 和 `sort_index()` 3. ✅ 使用基于 `idx`(即 DatetimeIndex)的过滤函数 那么之前的两个错误(`float64 has no attribute year` 和 `>= not supported`)都已彻底解决,现在可以放心运行完整的绩效分析代码。 --- ###
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