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。
