python进阶练习题:退休规划作为服务【难度：2级】--景越Python编程实例训练营,不同难度Python习题，适合自学Python的新手进阶

python进阶练习题:退休规划作为服务【难度:2级】:

您刚刚想出了一个新的创业点子,退休规划服务(RPaaS).这种想法会让你几百万,但是首先你必须培养你特有算法.

利用先进的数据分析和量子理论(不是真的)您减小预测股市调用函数的月度收益的计算工作:

market_rate_function(月,年)

此功能每年每月预测市场,使您的服务能够计算出每个月的预期市场的增长. (注:此功能实际上并没有预测市场,是我自己在尝试过所有递增的循环功能,很像美国股市)幸运的是,该分析师完成了您的分析,这一功能已经提供.

由于这是一个服务,你需要推广的结果给大家!你的一个实习生勾勒了,你需要Person类.

Person类():
    DEF __init __(待办事项):
# 去做
    @staticmethod
    高清market_rate_function(月,年):
        返回1.07 *(同比1900年)* math.sin(2 * math.pi * 月/ 11)* math.cos(2 * math.pi * 月/ 11)
        
    高清can_retire(个体经营,年):
        #TODO返回布尔
        
    高清retire_status(个体经营,年):
        如果self.can_retire(年):
            返回self.name + "就可以退休了在 "+ STR(年)+"!"
        其他:
            返回self.name + "不能退的 "+ STR(年)+" ..."

计算,如果有人可以在某一年退休的真正重要的因素是他们的姓名,年龄,计划戒断率,退休时可获得的一笔.

每个人将提供所需的细节和你的算法将决定他们是否可以在基于什么市场将做一段时间某一年退休.

用户必须提供自己的姓名,以获得独特的服务. (注:名称中在最后打印报表时使用.)

用户必须提供自己的年龄,以便计算的年他们将需要生活在他们退休一笔可能的数量.

为了最大限度地提高你的准确度为您服务,您需要提供长寿每个人的保守估计;你不想告诉别人,他们可以退休时,他们真的不能!你会被起诉!所以,你在120为每个用户死亡年龄因素.换句话说,这笔钱应持续他们把120给出的月度市场波动,以在年初撤出率逐年取款,并在退休年龄和保守的死亡年龄(120)之差,直到.

该包干资金的预期金额个体将在指定的一年,就能住在为他们的余生.这方面的一个著名的例子就是4%规则(https://www.investopedia/terms/f/four-percent-rule.asp).在这种情况下,4%是撤率.并不是每一个人都希望用4%的规则,因此该服务可以让他们指定自己的离职率.

最后,今年是个人希望退休的年龄.他们想退休这一年也应该影响用于计算的时代.如果个人是47,现在,他们希望在2038退役那么个人将是47 +(2038至2018年)= 67和计算将需要用新的,退休年龄完成.

所有这些信息一起将允许我们RPaaS启动为我们的客户大约是哪一年,他们可以退休,提供快速和简单的答案.

编辑:请务必检查话语部分如果你感到困惑.其他人也被混淆.笔者认为自己负责.笔者对不起:P

编程目标:

import math
import datetime
CURRENT_YEAR = datetime.datetime.now().year
class Person():
    def __init__(todo):
        #todo
    @staticmethod    
    def market_rate_function(month, year):
        return 1.07*(year-1900)*math.sin(2*math.pi*month/11)*math.(2*math.pi*month/11)
    def can_retire(self, year):
    def retire_status(self, year):
        if self.can_retire(year):
            return self.name + " can retire in "+str(year)+"!"
        else:
            return self.name + " cannot retire in "+str(year)+"..."

测试样例:

Test.describe("Basic tests")
tests = [
    [
        Person("John",65,4.0,100000),
        True
    ],
    [
        Person("Anne",47,3.5,500000),
    ],
    [    
        Person("Derek",19,0.6,2700),
        False
    ],
    [
        Person("Emily",78,9.0,95000),
        True