基于python計算并顯示日間、星期客流高峰
更新時間:2020年05月07日 14:33:42 作者:夏日的向日葵
這篇文章主要介紹了基于python顯示日間、星期客流高峰,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
1、中國工商銀行日間客流高峰提示牌的實現(xiàn)
import math
#時間段
time = ['08:00','09:00','10:00','11:00','12:00','13:00','14:00','15:00','16:00']
#時間段客流人數(shù)
person = ['572','1236','7634','8799','9876','4562','1038','453']
#輸出標題,center返回一個長度為30,兩邊用單字符(默認為空格)填充的字符串
print('中國工商銀行日間客流高峰提示牌'.center(30))
#遍歷時間段
for i in range(len(time)-1):
#輸出時間段
print(time[i],':',time[i+1],end='')
#ceil是向上取整,int是向下取整
quant = math.ceil(int(person[i])/600)
#打印雪花表示的客流人數(shù)示意圖,rjust返回一個原字符串右對齊,長度為30,默認以空格填充,chr(10058)為特殊字符雪花
#"\033[字背景顏色;字體顏色m字符串\033[0m" ,33表示黃色(此處沒有顯示出來)
#\33[0m 關閉所有屬性
print(('\033[1;33,0m '+chr(10058)*quant).rjust(30)+'\033[0m')
結果:
中國工商銀行日間客流高峰提示牌 08:00 : 09:00 ❊ 09:00 : 10:00 ❊❊❊ 10:00 : 11:00 ❊❊❊❊❊❊❊❊❊❊❊❊❊ 11:00 : 12:00 ❊❊❊❊❊❊❊❊❊❊❊❊❊❊❊ 12:00 : 13:00 ❊❊❊❊❊❊❊❊❊❊❊❊❊❊❊❊❊ 13:00 : 14:00 ❊❊❊❊❊❊❊❊ 14:00 : 15:00 ❊❊ 15:00 : 16:00 ❊
2、電信營業(yè)廳周業(yè)務分析的實現(xiàn)
import math
#星期列表
time = ['星期一','星期二','星期三','星期四','星期五','星期六','星期日']
#周客流列表
person = ['1821','752','951','1521','2562','3522','4317']
#輸出標題
print(' 電信業(yè)務一周高峰客流提示牌 電信工作人員安排'.center(30))
#按周遍歷時間段
for i in range(len(time)):
#輸出時間段
print(time[i],end='')
#以200為基數(shù)量化客流對比數(shù)據(jù)
quant = math.ceil(int(person[i])/200)
#以800為基數(shù)量化客流對比數(shù)據(jù)
worker = math.ceil(int(person[i])/800)
#設置的顏色,此處沒有顯示
print(('\033[1;35,0m '+chr(8593)*quant).center(40)+'\033[0m',end='')
print(('\033[1;31,0m '+chr(8593)*worker).center(40)+'\033[0m')
結果:
電信業(yè)務一周高峰客流提示牌 電信工作人員安排 星期一 ↑↑↑↑↑↑↑↑↑↑ ↑↑↑ 星期二 ↑↑↑↑ ↑ 星期三 ↑↑↑↑↑ ↑↑ 星期四 ↑↑↑↑↑↑↑↑ ↑↑ 星期五 ↑↑↑↑↑↑↑↑↑↑↑↑↑ ↑↑↑↑ 星期六 ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑ ↑↑↑↑↑ 星期日 ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑ ↑↑↑↑↑↑
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關文章
Python生成指定數(shù)量的優(yōu)惠碼實操內(nèi)容
在本篇文章里小編給大家整理了關于Python生成指定數(shù)量的優(yōu)惠碼的實例內(nèi)容以及相關代碼,有需要的朋友們學習下。2019-06-06
python使用threading.Condition交替打印兩個字符
這篇文章主要為大家詳細介紹了python使用threading.Condition交替打印兩個字符,具有一定的參考價值,感興趣的小伙伴們可以參考一下2019-05-05
深入分析python數(shù)據(jù)挖掘 Json結構分析
這篇文章通過實例給大家分析總結了python數(shù)據(jù)挖掘以及Json結構分析的相關知識點,對此有興趣的朋友參考下。2018-04-04

