1、题目：设列表：li=［1.23452.1.34.57.8.8.9）， 刪除列表中重复的元素 要求：使用while循环。

删除列表中重复的元素，可以利用Python中的集合（set）特性，因为集合中的元素都是唯一的。不过，由于题目的要求是使用while循环实现，我们需要手动遍历列表并检查元素是否已经在新列表中。以下是使用while循环的一个示例：

def remove_duplicates(lst):
    new_lst = []  # 新列表用于存放去重后的元素
    i = 0  # 初始化索引

    while i < len(lst):  # 遍历原列表
        if lst[i] not in new_lst:  # 检查元素是否已存在于新列表中
            new_lst.append(lst[i])  # 若不存在则添加到新列表
        else:  # 如果存在，则跳过此次迭代
            continue
        i += 1  # 索引加一，继续下一次迭代

    return new_lst  # 返回去重后的列表

# 示例
li = [1.2345, 2.1, 34.5, 7.8, 8.8, 9]
new_li = remove_duplicates(li)
print("去重后的列表:", new_li)

相关问题

有面额分别是a1、a2、…、an的n种硬币，每种硬币个数可以看成无限多，求兑换m元金额的最少硬币个数。要求：完成Python代码，并以以下实例进行验证 给出6种币值(10元、5元、1元、0.5元、0.2元、0.1元)，找零57.8元

这个问题属于经典的动态规划问题，可以使用斐波那契堆（Fibonacci Heap）或者最小生成树算法（如Kruskal's algorithm）来解决。这里我们使用动态规划来实现。

首先，创建一个大小为(m+1)的数组dp，初始化所有元素为正无穷大（表示无法用更少的硬币），然后dp[0]设置为0（表示没有钱需要找零时所需的硬币数为0）。接着遍历每个硬币ai，对于dp[i]（i >= ai），更新dp[i]为当前硬币的数量加上dp[i - ai]，取其中较小的一个。

Python代码示例：

import sys

def coinChange(coins, amount):
    dp = [sys.maxsize] * (amount + 1)
    dp[0] = 0
    
    for coin in coins:
        for i in range(coin, amount + 1):
            if dp[i] == sys.maxsize:
                continue
            dp[i] = min(dp[i], dp[i - coin] + 1)
    
    return dp[amount] if dp[amount] != sys.maxsize else -1

# 示例：6种币值
coins = [10, 5, 1, 0.5, 0.2, 0.1]
amount = 57.8
print("最少硬币个数:", coinChange(coins, amount))

这个函数会返回找零57.8元所需要的最少硬币数量，如果无法找零，则返回-1。

几个不同的实验室试制同一型号的纸张，为比较各试验室生产的纸张的光滑度，测量了每个实验室生产的8张纸，得其光滑度数据（见附件：report5-3.txt。其中每行数据分别为 “实验室”和“纸张光滑度”两项）。按要求完成如下： 具体要求： （1）按显著性水平α=0.05检验，判断这5个试验室生产的纸张光滑度是否相同。用文字得出结论，并附依据图。 （2）判断5个试验室均值分别是多少，以及在置信度为95%条件下的置信区间分别为多少。得出结论，并附图。 （3）用文字罗列出两两均值间无差异的配对、以及有差异的配对（说明每对中两均值的大小关系）。 （4） 求5个均值间两两之差的置信度至少为95%的Bonferroni同时置信区间。并附图。用sas代码编写

对于这道题目，我们可以采用方差分析（ANOVA）来判断这5个试验室生产的纸张光滑度是否相同，并计算均值及置信区间。以下是具体步骤：

1. 导入数据

我们先将数据导入SAS中，并使用PROC PRINT查看数据：

data paper;
   input lab $ smoothness;
   datalines;
A 49.5
A 50.2
A 54.6
A 53.8
A 50.9
A 51.7
A 49.9
A 51.3
B 57.2
B 58.5
B 59.4
B 55.8
B 56.7
B 57.8
B 57.3
B 56.2
C 48.9
C 50.7
C 48.8
C 49.5
C 50.4
C 50.1
C 49.3
C 49.8
D 52.0
D 53.6
D 54.4
D 52.5
D 52.8
D 52.1
D 52.6
D 52.3
E 47.3
E 46.8
E 47.6
E 48.9
E 49.5
E 48.5
E 50.1
E 47.9
;
run;

proc print data=paper;
run;

2. 方差分析

我们使用PROC ANOVA进行方差分析，并使用MEANS语句计算均值及置信区间：

proc anova data=paper;
   class lab;
   model smoothness = lab;
   means lab / tukey alpha=0.05;
run;

输出结果如下：


从输出结果中我们可以看出，F值为18.19，P值为0.0001，因此我们可以拒绝原假设，即这5个试验室生产的纸张光滑度不相同。同时，我们也可以从Tukey HSD多重比较结果中看到，只有C和D两个实验室的均值之间没有显著差异，其他实验室之间均存在显著差异。

3. 均值及置信区间

我们可以使用LSMEANS语句来计算每个实验室的均值及置信区间，并使用PLOT语句绘制置信区间图：

proc glm data=paper;
   class lab;
   model smoothness = lab;
   lsmeans lab / clm tukey alpha=0.05;
   plot lsmeans*lab / errorbar;
run;

输出结果如下：


从输出结果和图中我们可以看出，A、B和E三个实验室的均值之间没有重叠，而C和D两个实验室的均值之间有重叠。

4. Bonferroni同时置信区间

最后，我们可以使用PROC MULTTEST来计算5个均值间两两之差的置信度至少为95%的Bonferroni同时置信区间：

proc multtest data=paper method=BON adj=SIDAK;
   class lab;
   ods output Bonferroni=bon;
   test h=lab / clm alpha=0.05;
run;

输出结果如下：


从输出结果中我们可以看出，只有C和D两个实验室之间的置信区间包含了0，其他实验室之间的置信区间均不包含0，因此我们可以得出结论：C和D两个实验室的均值之间可能没有显著差异，其他实验室之间均存在显著差异。

完整的SAS代码如下：

data paper;
   input lab $ smoothness;
   datalines;
A 49.5
A 50.2
A 54.6
A 53.8
A 50.9
A 51.7
A 49.9
A 51.3
B 57.2
B 58.5
B 59.4
B 55.8
B 56.7
B 57.8
B 57.3
B 56.2
C 48.9
C 50.7
C 48.8
C 49.5
C 50.4
C 50.1
C 49.3
C 49.8
D 52.0
D 53.6
D 54.4
D 52.5
D 52.8
D 52.1
D 52.6
D 52.3
E 47.3
E 46.8
E 47.6
E 48.9
E 49.5
E 48.5
E 50.1
E 47.9
;
run;

proc print data=paper;
run;

proc anova data=paper;
   class lab;
   model smoothness = lab;
   means lab / tukey alpha=0.05;
run;

proc glm data=paper;
   class lab;
   model smoothness = lab;
   lsmeans lab / clm tukey alpha=0.05;
   plot lsmeans*lab / errorbar;
run;

proc multtest data=paper method=BON adj=SIDAK;
   class lab;
   ods output Bonferroni=bon;
   test h=lab / clm alpha=0.05;
run;