题目1：一个整型数组里除了两个数字只出现一次，其他的数字都出现了两次。请写程序找出这两个只出现一次的数字。
示例：
数组1：[1,4,1,6]，返回值：[4,6]
数组2：[1,2,3,3,2,9]，返回值：[1,9]
def find_one(nums):
dc = {} # 空字典，存放{数字：出现次数}
for num in nums:
if num not in dc: # 当数字num不在dc中
dc[num] = 1 # 数字num第一次出现
else: # dc已经有num了
dc[num] += 1 # num次数+1
result = [] # 存放结果
for key, value in dc.items(): # 寻找只出现一次的数字
if value == 1:
result.append(key)
return result
# 测试用例
nums1 = [1,4,1,6]
nums2 = [1,2,3,3,2,9]
print(f"数组{nums1}的结果为{find_one(nums1)}")
print(f"数组{nums2}的结果为{find_one(nums2)}")
运行结果：
题目2：编写一个函数来查找字符串数组中的最长公共前缀。如果不存在公共前缀，返回空字符串" "。
示例：
strs1 = ["flower", "flow", "flight"] result="fl"
strs2 = ["dog", "racecar", "car"] result=""
def find_longest(strs):
if not strs: # 如果字符串strs为空
return ""
for i in range(len(strs[0])): # 一次遍历第一个元素的每个字符
for str in strs[1:]:
if strs[0][1] != str[i] or i >= len(str):
return strs[0][1]
return strs[0]
# 测试案例
strs1 = ["flower","flow","flight"]
strs2 = ["dog","racecar","car"]
print(find_longest(strs1))
print(find_longest(strs2))
运行结果：
题目3：给定一个只包括'('，')'，'{'，'}'，'['，']'的字符串s，判断字符串是否有效。
有效字符串需满足：
左括号必须用相同类型的右括号闭合。 左括号必须以正确的顺序闭合。
示例：
- s1 = "()[]{}"
- s2 = "(]"
- s3 = "([)]"
- s4 = "{[]}"
def match_strs(str):
stack = [] # 创建一个栈
dc = {
']':'[',
'}':'{',
'(':')'
}
for s in str: # 遍历字符串str
if s in dc: # 如果s是右括号
if not stack:
return False
tmp = stack.pop() # 弹出栈顶元素
if tmp != dc[s]: # 不匹配
return False
else: # 如果s是左括号
stack.append(s) # 将左括号加入到栈中
return not stack # 如果栈为空 代表括号匹配
# 测试案例
s1 = "()[]{}"
s2 = "(]"
s3 = "([)]"
s4 = "{[]}"
print(match_strs(s1))
print(match_strs(s2))
print(match_strs(s3))
print(match_strs(s4))
运行结果：
题目4：电商用户行为数据分析
现有电商平台用户行为数据 CSV 文件 “用户行为.csv”，包含字段：“用户 ID” “浏览时长 (分钟)” “下单次数” “支付金额 (元)” “用户等级 (1-5 级)”。
请使用 Python 的 pandas、numpy 和 matplotlib 库完成以下任务：
读取 CSV 文件数据到 DataFrame。
- 计算不同用户等级的平均浏览时长、平均下单次数和平均支付金额（提示：使用 groupby 分组统计）。
- 计算所有用户的 “支付金额” 的最大值、最小值、标准差和中位数。
- 为每位用户添加 “单均支付金额” 列（支付金额 / 下单次数）。
- 绘制不同用户等级的 “平均支付金额” 柱状图，横轴为用户等级，纵轴为平均支付金额。
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv(
"用户行为.csv",
encoding="utf-8",
index_col="用户ID"
)
print(df)
运行结果：
1. 计算不同用户等级的平均浏览时长、平均下单次数和平均支付金额（提示：使用 groupby 分组统计）。
mean_data = df.groupby('用户等级(1-5级)').agg(
{'浏览时长(分钟)':'mean',
'下单次数':'mean',
'支付金额(元)':'mean'
}
)
mean_data = mean_data.rename(columns={'浏览时长(分钟)':'平均浏览时长(分钟)',
'下单次数':'平均下单次数','支付金额(元)':'平均支付金额(元)'})
print(mean_data)
运行结果：
- 计算所有用户的 “支付金额” 的最大值、最小值、标准差和中位数。
states = df['支付金额(元)'].agg(['max', 'min', 'std', 'median'])
print(states)
运行结果：
- 为每位用户添加 “单均支付金额” 列（支付金额 / 下单次数）。
df['单均支付金额'] = df['支付金额(元)'] / df['下单次数']
df = df.fillna(0)
print(df)
运行结果：
- 绘制不同用户等级的 “平均支付金额” 柱状图，横轴为用户等级，纵轴为平均支付金额。
plt.bar(mean_data.index, mean_data['平均支付金额(元)'])
plt.show()
运行结果：
完整代码：
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv(
"用户行为.csv",
encoding="utf-8",
index_col="用户ID"
)
print(df)
# 1. 计算不同用户等级的平均浏览时长、平均下单次数和平均支付金额（提示：使用 groupby 分组统计）。
mean_data = df.groupby('用户等级(1-5级)').agg(
{'浏览时长(分钟)':'mean',
'下单次数':'mean',
'支付金额(元)':'mean'
}
)
mean_data = mean_data.rename(columns={'浏览时长(分钟)':'平均浏览时长(分钟)',
'下单次数':'平均下单次数','支付金额(元)':'平均支付金额(元)'})
print(mean_data)
# 2. 计算所有用户的 “支付金额” 的最大值、最小值、标准差和中位数。
states = df['支付金额(元)'].agg(['max', 'min', 'std', 'median'])
print(states)
# 3. 为每位用户添加 “单均支付金额” 列（支付金额 / 下单次数）。
df['单均支付金额'] = df['支付金额(元)'] / df['下单次数']
df = df.fillna(0)
print(df)
# 4. 绘制不同用户等级的 “平均支付金额” 柱状图，横轴为用户等级，纵轴为平均支付金额。
plt.bar(mean_data.index, mean_data['平均支付金额(元)'])
plt.show()
