博客
关于我
FZU 1629 Above Average
阅读量:152 次
发布时间:2019-02-27

本文共 1102 字,大约阅读时间需要 3 分钟。

解决方案:

首先,我们需要读取输入数据。输入的第一行是一个整数C,表示测试用例的数量。接下来的C行,每一行都对应一个测试用例。每个测试用例的第一行是一个整数N,表示班级的学生人数,接下来的N个整数是该班学生的成绩。

对于每个测试用例,我们需要做以下步骤:

  • 计算所有学生的平均分。
  • 统计有多少学生的成绩高于平均分。
  • 计算这些学生所占的比例,并将结果格式化为百分比,保留三位小数。
  • 具体步骤如下:

  • 读取输入数据。
  • 对于每个测试用例,计算平均分。
  • 统计高于平均分的学生数。
  • 计算百分比并输出。
  • 以下是实现代码:

    #include 
    #include
    #include
    #include
    using namespace std;int main() { int C; cin >> C; for (int i = 0; i < C; ++i) { int N; cin >> N; vector
    scores; for (int j = 0; j < N; ++j) { int score; cin >> score; scores.push_back(score); } double average = accumulate(scores.begin(), scores.end(), 0.0) / N; int above_avg = 0; for (int k = 0; k < N; ++k) { if (scores[k] > average) { ++above_avg; } } double percentage = (static_cast
    (above_avg) / N) * 100.0; cout << fixed << setprecision(3) << percentage << "%"; } return 0;}

    这个代码实现了问题要求的所有步骤。它首先读取输入数据,计算平均分,然后统计高于平均分的学生数,并将结果格式化为百分比输出。代码结构清晰,易于理解和维护。

    转载地址:http://tfid.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>