风暴血条模拟代码

main.py

#模拟代码 LY
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import pandas as pd

def draw(arr,arr2,qiudao=0,color='black'):#绘图
	while qiudao:
		arr=[arr[i+1]-arr[i] for i in range(len(arr)-1)]
		arr2.pop()
		qiudao-=1
		for i in arr:
			if i>=30:
				print(arr.index(i))
	#plt.plot(arr2,arr,'o')
	plt.plot(arr2, arr, color=color)

getAllHPs=lambda ntc:80+ntc*0.2 if ntc<400 else (32+ntc*0.2 if ntc<600 else 96+ntc*0.08)
#回忆系数算法
class Element:#简化过的ScoreState类
	lasttime=0
	hit_hps=0
	nonhit_hps=0
	时长=0
	单回忆系数=0
	总回忆系数=0
	物量=0
	上一次的v16=0
	HP=0
	def __init__(self,时长_,物量_):
		self.时长=时长_
		self.物量=物量_
		self.总回忆系数=getAllHPs(self.物量)
		self.单回忆系数=self.总回忆系数/self.物量
		print("回忆系数为:",self.单回忆系数)
		self.HP=100.0
		self.上一次的v16=100-self.总回忆系数 if self.总回忆系数<100 else 0
	def handleAction(self,action):#类似performNoteHit
		#print("action_type",end=" = ")
		assert(action in [0,1,2])
		if action==0:#pure
			#print("pure")
			self.hit_hps+=self.单回忆系数*2
		elif action==1:#far
			#print("far")
			self.hit_hps+=self.单回忆系数
		else:#lost
			#print("lost")
			self.nonhit_hps-=18


offsets=[0, 6, 7, 7, 17, 17, 18, 18, 34, 34, 35, 35, 50, 51, 51, 52, 67, 68, 68, 68, 84, 85, 85, 85]
#别问，问就是616sb
#模拟一秒调用240次函数（仅在未开启高刷的手机上是240/s，开启120fps高刷的手机是480/s）
base = -3000
lst=0

def remove_same(arrr,arrr2):#在连续的重复元素中只保留1个
	ans1,ans2=[arrr[0],],[arrr2[0],]
	for i in range(1,len(arrr2)):
		if arrr2[i]!=ans2[-1]:
			ans1.append(arrr[i])
			ans2.append(arrr2[i])
	return (ans1,ans2)

def fill_average(arrr,arrr2):#将没有数据的部分使用邻近的数的平均值填充（就像两点做直线一样）
	t_start,t_end=arrr2[0],arrr2[-1]
	t_fix=list(range(t_start,t_end+1))
	k_fix=t_fix.copy()
	k_fix=[np.nan for kfidsadx in k_fix]
	for i in range(len(arrr2)):
		k_fix[arrr2[i]-base]=arrr[i]
	k_fix=pd.DataFrame(k_fix)
	k_fix=k_fix.fillna(k_fix.interpolate())
	k_fix=k_fix.values.tolist()
	k=[i[0] for i in k_fix];t=[i for i in t_fix]
	return(k,t)

def sim(Note数,最后一个元素结束时间,模拟时间=(-3,10),actions=[]):#模拟
	global 实例
	实例=Element(最后一个元素结束时间+500,Note数)
	result,times=[],[]
	for i in range(模拟时间[0]*10,模拟时间[1]*10):
		for j in offsets:
			sim_time=i*100+j
			cur=[k[0] for k in actions if (len(times)==0 and k[1]<=sim_time) or (len(times)!=0 and times[-1]<k[1]<=sim_time)]
			if len(cur)!=0:
				for k in cur:
					实例.handleAction(k)
			update(sim_time)
			result.append(实例.HP)
			times.append(sim_time)
			#print(实例.nonhit_hps,end=",")
	return fill_average(*remove_same(result,times))

def update(当前时间):#全部来自伪代码，注释掉的是貌似没用的
	global 实例,lst
	两次更新间的秒数 = 0.0
	if 实例.lasttime < 当前时间:
		两次更新间的秒数 = (当前时间 - 实例.lasttime) / 1000.0
		实例.lasttime = 当前时间
	v6 = 2 ** (-两次更新间的秒数)
	v7 = 2 ** (两次更新间的秒数 * -0.5)
	v16 = ((1.0 - v6) * 实例.hit_hps) + ((1.0 - v7) * 实例.nonhit_hps) + 实例.上一次的v16
	实例.hit_hps *= 2 ** (-两次更新间的秒数)
	实例.nonhit_hps *= 2 ** (两次更新间的秒数 * -0.5)
	新HP = 实例.总回忆系数*(1.0-min(当前时间/实例.时长,1.0)) + v16
	#实例.unk76 = (新HP - 实例.HP) / 两次更新间的秒数
	if 新HP > 100:
		v16 -= 新HP - 100
		新HP = 100.0
	实例.上一次的v16 = v16
	实例.HP=新HP

#注意，以下两处的"毫秒"都是指"a2"，即“转场的画面开始展开时为-3000，随后每1ms增加1”的值
#使用示例，此处是801个note，谱面最后一个元素位于58612处，在(第50ms打中1个pure),(第150ms打中1个far),(第550ms出现1个lost)的情况
res,模拟时间=sim(801,58612,actions=[(0,50),(1,150),(2,550)])
draw(res,模拟时间,0)#第三个参数是导数的阶数，不填或者填0设为不求导数
plt.show()