线程、进程、协程、事件循环
进程(资源分配基本单位)
- 进程可以看作是一个程序,比如小红书、王者荣耀这些**,进程有自己的独立堆栈空间**,进程间内存不共享,如果需要则需要进程通信
- 进程创立/销毁都需要分配/释放资源,进程之间具有隔离性
原创2025/8/29大约 2 分钟
进程(资源分配基本单位)
行内式
<input type = 'button' value = '按钮' onclick = 'alert('OK')'>
内嵌式
<script>
// alert为弹出窗口
alert('NO')
</script>
外联式:写在文件里,引入文件进行使用
无脑哈希表
def solution(inp):
temp = set()
for item in inp:
if item in temp:
temp.remove(item)
else:
temp.add(item)
return temp.pop()
由三部分组成
关系型数据库使用表格来存储元素,使用关系模型来组织数据的数据库,关系模型指的就是二维表格模型
| 限定符 | 作用 |
|---|---|
| ? | 表明前面的字符可以出现0或1次 |
| * | 可以匹配0或多个字符 |
| + | 会匹配出现一次以上的字符 |
| {} | 在花括号里输入一个范围,会匹配字符出现的次数 |
| () | 括号里可以填想匹配的字符 |
| | | 左右可以填字符,要么匹配左边,要么匹配右边 |
| ^ | 匹配除了^后面列出的字符(后面跟的是[]) |
| [] | 方括号里面的内容代表要求匹配的字符只能取自它们 |
| a-z | 代表所有小写英文字符 |
| A-Z | 代表所有大写英文字符 |
| 0-9 | 代表所有数字字符 |
import matplotlib.pyplot as plt
使用plt.scatter(x,y)方法绘制散点图
import matplotlib.pyplot as plt
import numpy as np
x = [0.13,0.22,0.39,0.59,0.68,0.74,0.93]
y = [0.75,0.34,0.44,0.52,0.80,0.25,0.65]
plt.figure(figsize = (8,6))
## 绘制散点图
plt.scatter(x,y,marker = 's',s = 50)
## 对每个点添加注释
for x,y in zip(x,y):
plt.annotate('(%s,%s)'%(x,y),xy=(x,y),xytext = {0,-15},textcoords = 'offset points')
plt.show()
分布式版本控制工具
版本控制是一种管理和跟踪文件更改的系统,主要用于协作开发中跟踪代码或文档的修改历史。它允许你随时回溯到任何一个历史版本,并在多人合作时有效地处理多个修改。
常用类型的读取
import panda as pd
## 读取csv、tsv、txt数据
csv = pd.read_csv('path')
## 读取excel文件
excel = pd.read_excel('path')
## 读取sql文件
sql = pd.read_sql('path')
## 读取csv文件时index_col为0额可以忽略多余的索引列
reviews = pd.read_csv('../input/wine-reviews/winemag-data_first150k.csv',index_col = 0)
import seaborn as sns
seaborn内置了多个数据集,可以用sns.load_dataset()来读取
sns.load_dataset(name, cache=True, data_home=None, **kwargs)
name: 数据集的名称,字符串类型。例如,可以是 'tips'、'iris'、'flights' 等。cache: 布尔值,指定是否将下载的数据集缓存到本地(默认值为 True)。data_home: 数据集缓存的位置,默认为 ~/.seaborn-data。**kwargs: 其他参数,可选,用于传递给数据加载函数。