摘要: 本文将对string相关操作进行汇总 [一篇全面的string总结博客](https://blog.csdn.net/qq_37941471/article/details/82107077?utm_medium=distribute.pc_relevant.none-task-blog-BlogC 阅读全文
posted @ 2020-04-12 14:12 知亦行 阅读(412) 评论(0) 推荐(0) 编辑
摘要: #!/usr/bin/env python3 days = int(input("Enter days: ")) print("Months = {} Days = {}".format(*divmod(days, 30))) divmod(num1, num2) 返回一个元组,这个元组包含两个值, 阅读全文
posted @ 2020-02-19 19:54 知亦行 阅读(534) 评论(0) 推荐(0) 编辑
摘要: 从xlsx读出数据: # coding=utf-8 from openpyxl import load_workbook wb = load_workbook("test.xlsx") #打开的一个工作簿会有多个工作表 sheets = wb.sheetnames # 第一个表格的名称 sheet_ 阅读全文
posted @ 2020-01-28 22:29 知亦行 阅读(261) 评论(0) 推荐(0) 编辑
摘要: 所谓尾递归,return语句后面跟的一定没有新的变量,只需要一个栈,只需要递归调用它本身,所有的运算操作全部放在尾递归函数的参数列表中进行。 例: def tailrecsum(x, running_total=0): if x == 0: return running_total else: re 阅读全文
posted @ 2019-12-12 21:20 知亦行 阅读(692) 评论(0) 推荐(1) 编辑
摘要: 变量的数据类型是可以转换的。转换的方法有两种,一种是自动转换,一种是强制转换。自动转换发生在不同数据类型的量混合运算时,由编译系统自动完成。自动转换遵循以下规则:1) 若参与运算量的类型不同,则先转换成同一类型,然后进行运算。2) 转换按数据长度增加的方向进行,以保证精度不降低。如int型和long 阅读全文
posted @ 2019-09-24 18:53 知亦行 阅读(2477) 评论(0) 推荐(1) 编辑
摘要: 首先要明确一个概念,变量的内存分配发生在定义的时候 忽略常数,用O(1)表示 递归算法的空间复杂度=递归深度N*每次递归所要的辅助空间 对于单线程来说,递归有运行时堆栈,求的是递归最深的那一次压栈所耗费的空间的个数,因为递归最深的那一次所耗费的空间足以容纳它所有递归过程。a = 0b = 0prin 阅读全文
posted @ 2019-07-24 15:40 知亦行 阅读(30242) 评论(0) 推荐(8) 编辑
摘要: ⑴ 找出算法中的基本语句; 算法中执行次数最多的那条语句就是基本语句,通常是最内层循环的循环体。 ⑵ 计算基本语句的执行次数的数量级; 只需保留f(n)中的最高次幂正确即可,可以忽略所有低次幂和最高次幂的系数。 ⑶ 用大Ο记号表示算法的时间性能。 将基本语句执行次数的数量级放入大Ο记号中。 如果算法 阅读全文
posted @ 2019-07-24 11:38 知亦行 阅读(69972) 评论(4) 推荐(36) 编辑
摘要: 当一个结构,如数组、链表、树、图,在逻辑结构中只有一种定义,而在物理结构中却有两种选择,那么这个结构就属于逻辑结构; 相反,当此结构在原有基础上加上了某种限定,使得其在物理结构中只有一种定义,那么这个结构就属于物理(存储)结构; 举例1:栈属于什么结构? 分析:栈在逻辑结构中只能属于线性结构,而在物 阅读全文
posted @ 2019-07-24 10:31 知亦行 阅读(8608) 评论(4) 推荐(2) 编辑
摘要: 实验七、数据挖掘之K-means聚类算法 一、实验目的 1. 理解K-means聚类算法的基本原理 2. 学会用python实现K-means算法 二、实验工具 1. Anaconda 2. sklearn 3. matplotlib 三、实验简介 1 K-means算法简介 k-means算法是一 阅读全文
posted @ 2019-06-24 20:37 知亦行 阅读(4166) 评论(0) 推荐(0) 编辑
摘要: 实验六、数据挖掘之关联分析 一、实验目的 1. 理解Apriori算法的基本原理 2. 理解FP增长算法的基本原理 3. 学会用python实现Apriori算法 4. 学会用python实现FP增长算法 二、实验工具 1. Anaconda 2. sklearn 3. Pandas 三、实验简介 阅读全文
posted @ 2019-06-21 09:29 知亦行 阅读(2092) 评论(0) 推荐(0) 编辑