心若有她便……

摘要： ###从下面的测算结果可以看出 列表生成器所花时间最少， +方法和append()方法所花时间差不多， 转化为列表可迭代对象所花时间最多 ###有两种测试所花时间的语法，但效果不一样，不知道为啥；这里我弄错了，第一项参数应该填的是表达式，而我在第二种方法种填了对象。所以导致所花时间不一样 这下面都是 阅读全文

摘要： s = 0 i = 1 while i <= 100: # # 偏C++编写分格 s +=i i +=1 print('求100以内的和',s) # 求100以内的和 5050 for i in range(101): #比较pythonic s += i print('求两个100以内的和',s) 阅读全文

摘要： 太累，有空再写文字描述把 def bucket_sort(array=[]): # 1.得到数列的最大值最小值，并算出差值d max_value = array[0] min_value = array[0] for i in range(1, len(array)): if array[i] > 阅读全文

摘要： 冒泡排序是在每一轮中只把1个元素冒泡到数列的一段，而快速排序则在每一轮挑选一个基准元素，并让其他比他大的元素移动到数列一边，比他小的元素移动到数列的另一边。从而不断地进行着在那个已经被分出来地一边和另一边中进行着上述地操作，直至都为一个元素，然后再把他们组合起来就成了个有序地数列。这就是分治法地思想 阅读全文

摘要： 相较于冒泡排序，快速排序他们之间都是基于元素之间的比较来进行排序的。 而计数排序可以做到线性的时间复杂度，是由于它是利用数组下标来确定元素的正确位置的。 那么如何利用数组下标来确定元素位置呢？ 给定一个20个整数的无序数列，取值范围是0-10，所以就可以创建一个长度为11的数组。然后开始遍历这个无序 阅读全文

摘要： 二叉堆实现的链接https://www.cnblogs.com/wkhzwmr/p/15339229.html class PriorityQueue: ''' 用最大堆来实现最大优先队列：每一次入队操作就是堆的插入操作，每一次出队操作就是删除堆顶节点 ''' def __init__(self): 阅读全文

摘要： 二叉堆的本质是一个完全二叉树，它分为最大堆，和最小堆(所以学好二叉堆就要学好二叉树的知识点，感觉这些数据结构都是依次递进，有点进化的味道) 二叉堆的插入 插入节点： ###也叫上浮 上浮就是孩子节点不断与父节点之间进行比较 ###最小堆的化， 孩子节点比父节点小，上浮； ###最大堆的化， 孩子节点 阅读全文

摘要： 知识点：判断是否有序；判断有序无序的边界 最初的版本 def bubble_sort_v1(array=[]): for i in range(len(array)-1): for j in range(len(array)-i-1): if array[j] > array[j+1]: temp 阅读全文

摘要： ##创建最小堆 这里的import heaqp只能用来创建最小堆;创建最大堆可以把列表中的元素提取出来乘负1，然后再加入列表中进行堆化操作，这样提取出来的堆顶也就是列表中最大的元素 最小堆的特性:二叉堆本质是一个二叉树，最小堆的堆顶是整个堆中最小的元素，同理，最大堆的堆顶就是整个堆中最大的元素。 # 阅读全文

摘要： 在项目的根目录下创建新的文件夹(与manage.py同级，也就是想当个应用)，文件夹名称可自行命名，然后再该文件夹下创建初始化文件__init__.py和templatestags文件夹，templatestags文件夹下创建初始化文件__init__.py文件和自定义标签文件myfilter.py 阅读全文