按照规定，在高速公路上行使的机动车，超出本车道限速的10%则处200元罚款；若超出50%，就要吊销驾驶证。请编写程序根据车速和限速自动判别对该机动车的处理。 ①输入格式: 输入在一行中给出2个正整数，分别对应车速和限速，其间以空格分隔。 ②输出格式: 若属于正常行驶，则输出“OK”； 若应处罚款，则输出“Exceed x%. Ticket 200”； 若应吊销驾驶证，则输出“Exceed x%. License Revoked” 多出的那0.000000000001导致判断语句失效 外面套上round（）取整 究其原因是因为我们输入
的是十进制，他要把十进制转换为二进制，再进行运算。但是，再转华中，浮点数转化为二进制就出问题了。 例如十进制的0.1，转化为二进制是0.00011001100110011001100110011001100…… 转化为二进制后不会精确的等于十进制的0.1 解决方法：decimal
模块，fractions模块，由SciPy提供的Numerical Python包1. 使用装饰器来衡量函数
执行时间有一个简单方法，那就是定义一个装饰器来测量函数的执行时间，并输出结果： import time from functoolsimport wraps import random def fn_timer(function): @wraps(function) def function_timer(*args, **kwargs): t0= time.time() result= function(*args, **kwargs) t1= time.time() print("Total time running %s: %s seconds" % (function.__name__, str(t1- t0)) ) return result return function_timer @fn_timer def random_sort(n): return sorted([random.random() for i in range(n)]) if __name__== "__main__": random_sort(2000000) 输出：Total time running random_sort: 0.6598007678985596 seconds 使用方式的话，就是在要监控的函数定义上面加上 @fn_timer 就行了 或者 # 可监控程序运行时间 import time import random def clock(func): def wrapper(*args, **kwargs): start_time= time.time() result= func(*args, **kwargs) end_time= time.time() print("共耗时: %s秒" % round(end_time- start_time, 5)) return result return wrapper @clock def random_sort(n): return sorted([random.random() for i in range(n)]) if __name__== "__main__": random_sort(2000000) 输出结果：共耗时: 0.65634秒2. 使用timeit模块另一种方法是使用timeit模块，用来计算平均时间消耗。 执行下面的脚本可以运行该模块。这里的timing_functions是Python脚本文件名称。 在输出的末尾，可以看到以下结果：4 loops, best of 5: 2.08 sec per loop 这表示测试了4次，平均每次测试重复5次，最好的测试结果是2.08秒。 如果不指定测试或重复次数，默认值为10次测试，每次重复5次。3. 使用Unix系统中的time命令然而，装饰器和timeit都是基于Python的。在外部环境测试Python时，unix time实用工具就非常有用。 运行time实用工具： 输出结果为： Total time running random_sort: 1.3931210041 seconds real 1.49 user 1.40 sys 0.08 第一行来自预定义的装饰器，其他三行为： real表示的是执行脚本的总时间 user表示的是执行脚本消耗的CPU时间。 sys表示的是执行内核函数消耗的时间。 注意：根据维基百科的定义，内核是一个计算机程序，用来管理软件的输入输出，并将其翻译成CPU和其他计算机中的电子设备能够执行的数据处理指令。 因此，Real执行时间和User+Sys执行时间的差就是消耗在输入/输出和系统执行其他任务时消耗的时间。4. 使用cProfile模块 5. 使用line_profiler模块6. 使用memory_profiler模块7. 使用guppy包
