python小明想从众多商品中购买3件，尽可能花完钱；第一行为整型数组M，数组长度小于100，数组元素记录单个商品的价格；单个商品价格小于1000；第二行输入为购买资金的额度R； R < 100000。输出为满足上述条件的最大花费额度 如果不存在满足上述条件的商品请返回-1

好的，这是一个典型的背包问题，可以用动态规划来解决。

下面是一个简单的代码示例，可以实现你所需要的功能：

def find_max_cost(M, R):
    n = len(M)
    max_cost = -1
    
    # 初始化动态规划数组
    dp = [[0 for _ in range(R+1)] for _ in range(n+1)]

    # 递推计算最大花费额度
    for i in range(1, n+1):
        for j in range(1, R+1):
            if M[i-1] > j:
                dp[i][j] = dp[i-1][j]
            else:
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-M[i-1]] + M[i-1])

            if i == n and dp[i][j] <= j:
                max_cost = max(max_cost, dp[i][j])

    return max_cost

# 测试一下
M = [30, 60, 90, 50, 70]
R = 100
print(find_max_cost(M, R))

输出结果为：

100

这个函数的实现原理比较简单，主要是使用动态规划来求解最大花费额度。我们可以定义一个二维数组 dp[i][j]，表示前 i 个商品中，花费不超过 j 元的最大花费额度。然后根据动态规划的递推公式来计算 dp[i][j]，最终返回最大花费额度即可。

需要注意的是，如果不存在满足条件的商品，则返回 -1。在上面的代码中，我使用了一个变量 max_cost 来记录最大花费额度，如果不存在满足条件的商品，则 max_cost 的值为 -1。