bmi

一、分支结构 1.1异常处理 try: <语句块1> except(<异常类型>): <语句块2> 1.2高级异常处理 try: <语句块1> except: <语句块2> else: <语句块3> finally: <语句块4> 首先执行语句块1的一部分代码；如果不发生异常则“奖励性地”执行语句块3；如果发生了异常，执行语句块2；无论是否发生异常，都要执行语句块4 try: num=eval(input("请输入一个整数")) print(num**2) except NameError: #异常类型不是必需，且名称是预定义的。标注异常类型后，仅响应该异常（异常类型名等同于变量） print("输入不是整数\n") #身体质量指数BMI height,weight=eval(input("请输入身高（米）和体重（公斤）[逗号隔开]")) bmi=weight/pow(height,2) print("BMI数值为：{:.2f}".format(bmi)) who,nat="","" if bmi<18.5: who,nat="偏瘦","偏瘦" elif 18.5<=bmi<=24: who, nat ="正常","正常" elif 24<=bmi<=25: who, nat = "正常", "偏胖" elif 25<=bmi<=28: who, nat = "偏胖", "偏胖"

The documentation for the parallel deposit instruction ( PDEP ) in Intel's Bit Manipulation Instruction Set 2 (BMI2) describes the following serial implementation for the instruction (C-like pseudocode): U64 _pdep_u64(U64 val, U64 mask) { U64 res = 0; for (U64 bb = 1; mask; bb += bb) { if (val & bb) res |= mask & -mask; mask &= mask - 1; } return res; } See also Intel's pdep insn ref manual entry . This algorithm is O(n), where n is the number of set bits in mask , which obviously has a worst case of O(k) where k is the total number of bits in mask . Is a more efficient worst case algorithm

你的体脂究竟是多少？体脂测量的几种方法 图片发自简书App 这是我近期的体测结果，当我看到结果着实大吃一惊。 虽然有靠近一个月没有进行力量训练，但是体测结果的变化远远超出我的认知。 可能有些朋友不太理解这份报告，我先简单的给大家解读一下。 我们先看下第一部分： 身体成分 主要包含了三个部分：体重，脂肪，骨骼肌 这三个可以说是你训练效果最直观的表现了 简单来说，这些数字分为三种类型： C型： C型 体重高，体脂肪远高于骨骼肌，身体成分图表呈现C的状态，一般这样的朋友都缺乏锻炼，身上有着厚厚的脂肪层 I型： I型 体脂肪和骨骼肌相对均衡，图表基本呈现I型，肌肉脂肪平分秋色，这样的人就是我们说的一般人，穿衣不显胖，脱衣有赘肉。 D型： D型 看数据能看出来，数据中间多两头少呈现D状，肌肉含量高于体脂，这类人要不就是肌肉含量高，要不就是体脂低，但肯定，他有一定的训练基础。 扯的有点远了，简单了解了一下体测结果，作为一个经常锻炼，而且坚持了快三年的老铁而言，是对这份体测报告不满意的，毕竟刚开始训练的时候就是D型，现在确不进反退。 于是反思了一下，最后得出的结论，当然是这次测量不准的。 那么很多朋友会问健身房的仪器不准什么准，净扯淡。 当然体脂测量有很多方法，测量必然会存在误差，综合比较和多次测量才能得到更为标准的答案。 那么我们来了解一下几种常见的体脂测量方法

思路方法：难点在于同时输出国内和国际回应的的分类 #CalBMI.py; height,weight = eval(input("请输入身高（米）和体重（公斤）【逗号隔开】:")) bmi = weight / pow(height,2) print("BMI的值为：{:.2f}".format(bmi)) who,nat = "","" if bmi<18.5: who,nat = "偏瘦","偏瘦" elif 18.5<=bmi<24: who,nat = "正常","正常" elif 24<=bmi<25: who,nat = "正常","偏胖" elif 25<=bmi<28: who,nat = "偏胖","偏胖" elif 28<=bmi<30: who,nat = "偏胖","肥胖" else: who,nat = "肥胖","肥胖" print("BMI指标为：国际'{0}',国内'{1}'".format(who,nat)) 来源： https://blog.csdn.net/zykcxk666/article/details/99300380

Solution： 方法一："Python语言程序设计"(中国大学MOOC平台)的答案 分析：对比两种指标，将共性（相同的区间）和异性（不同的区间）细分。这样两种指标的判断条件（不等式）会一致，从而所分的每个区间都只用一条判断语句即可处理，同时将处理的结果一次性赋值给两个变量 方法二：本人的答案 1 def gj(bmi): 2 if bmi<18.5: 3 a = "偏瘦" 4 elif 18.5<=bmi<25: 5 a = "正常" 6 elif 25<=bmi<30: 7 a = "偏胖" 8 else: 9 a = "肥胖" 10 return a 11 def gn(bmi): 12 if bmi<18.5: 13 b = "偏瘦" 14 elif 18.5<=bmi<24: 15 b = "正常" 16 elif 24<=bmi<28: 17 b = "偏胖" 18 else: 19 b = "肥胖" 20 return b 21 def main(): 22 height, weight = eval(input()) 23 bmi= round(weight/(height**2),2) 24 c = gj(bmi) 25 d = gn(bmi) 26 print("BMI数值为:{}".format(bmi)) 27 print("BMI指标为:国际'{}'