计算轨道交通票价。某城市轨道交通实行按里程计价的多级票价，起步6km内每人次3元，6～12km每人次4元，12～32km每10km加1元，32km以上每20km加1元，票价不封顶。输入里程数km，显示对应票价p。

算法步骤：

1. 读取输入的里程数km。
2. 如果里程数小于等于6，则票价为3元。
3. 如果里程数大于6小于等于12，则票价为4元。
4. 如果里程数大于12小于等于32，按照每10km加1元计算票价。
5. 如果里程数大于32，按照每20km加1元计算票价。
6. 输出计算得到的票价p。

代码实现：

km = float(input("请输入里程数（单位：km）："))
if km <= 6:
    p = 3
elif km <= 12:
    p = 4
elif km <= 32:
    p = 4 + ((km - 12) // 10) * 1
else:
    p = 6 + ((km - 32) // 20) * 1
print("票价为：{}元".format(p))

相关问题

城市轨道交通线路票价策略优化的代码

这是一道比较复杂的问题，需要考虑到众多的因素，比如市场需求、线路长度、旅行时间、站点数量等等。以下是一个简单的城市轨道交通线路票价策略优化的代码：

import numpy as np

# 假设有两条地铁线路，分别为1号线和2号线
# 假设1号线有10个站点，2号线有20个站点
# 假设1号线的长度为20km，2号线的长度为40km
# 假设1号线的旅行时间为30分钟，2号线的旅行时间为60分钟

# 定义票价优化函数
def optimize_price(distance, time, stations):
    # 票价由距离、时间、站点数量三个因素共同决定
    # 距离越远、时间越长、站点数量越多，票价越高
    price = distance * 0.1 + time * 0.05 + stations * 0.2
    return price

# 计算1号线每个站点之间的距离
line1_distance = np.random.normal(loc=2, scale=0.1, size=9)
line1_distance = np.insert(line1_distance, 0, 0)
line1_distance = np.append(line1_distance, 2)

# 计算1号线每个站点到起点的距离
line1_distance_to_start = np.cumsum(line1_distance)

# 计算1号线每个站点到终点的距离
line1_distance_to_end = line1_distance_to_start[-1] - line1_distance_to_start

# 计算1号线每个站点的旅行时间
line1_time = line1_distance / 60 * 30

# 计算1号线每个站点的票价
line1_price = optimize_price(line1_distance_to_end, line1_time, 10)

# 计算2号线每个站点之间的距离
line2_distance = np.random.normal(loc=2, scale=0.1, size=19)
line2_distance = np.insert(line2_distance, 0, 0)
line2_distance = np.append(line2_distance, 2)

# 计算2号线每个站点到起点的距离
line2_distance_to_start = np.cumsum(line2_distance)

# 计算2号线每个站点到终点的距离
line2_distance_to_end = line2_distance_to_start[-1] - line2_distance_to_start

# 计算2号线每个站点的旅行时间
line2_time = line2_distance / 60 * 60

# 计算2号线每个站点的票价
line2_price = optimize_price(line2_distance_to_end, line2_time, 20)

这段代码简单地模拟了两条地铁线路的距离、时间、站点数量等参数，并通过票价优化函数计算出了每个站点的票价。在实际应用中，需要考虑更多的因素，并使用更为复杂的算法来优化票价策略。

Python爬取四川省的各旅游景点信息，特征有景点名称、星级、城市、票价、销量、热度6个维度

你可以使用Python的爬虫库BeautifulSoup和requests来实现这个功能。首先，你需要找到一个包含四川省各旅游景点信息的网站，然后使用requests获取网页内容，再使用BeautifulSoup解析网页内容，提取出需要的信息。

以下是一个示例代码：

import requests
from bs4 import BeautifulSoup

url = 'http://www.sichuan.gov.cn/lygk/zjly/sjly/index.html' # 以四川省旅游局官网为例

response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')

spots = soup.find_all('div', class_='list-item')

for spot in spots:
    name = spot.find('h3').text.strip() # 景点名称
    star = spot.find('span', class_='star').text.strip() # 星级
    city = spot.find('span', class_='city').text.strip() # 城市
    price = spot.find('span', class_='price').text.strip() # 票价
    sales = spot.find('span', class_='sales').text.strip() # 销量
    hot = spot.find('span', class_='hot').text.strip() # 热度

    print(name, star, city, price, sales, hot)

这段代码会输出每个景点的名称、星级、城市、票价、销量、热度，你可以根据需要进行修改和调整。同时，需要注意网站的反爬机制，不要过度请求或请求速度过快。