2024年python实现经典密码学中列移位算法_columnar transposition(1),2024年最新腾讯Python开发面试凉凉

做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。

别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。

我先来介绍一下这些东西怎么用,文末抱走。


(1)Python所有方向的学习路线(新版)

这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。

最近我才对这些路线做了一下新的更新,知识体系更全面了。

在这里插入图片描述

(2)Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

在这里插入图片描述

(3)100多个练手项目

我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。

在这里插入图片描述

(4)200多本电子书

这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。

基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。

(5)Python知识点汇总

知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。

在这里插入图片描述

(6)其他资料

还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。

在这里插入图片描述

这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友,可以戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

Example Input & Output

Input:

5
4 2 5 3 1
WHICHWRISTWATCHESARESWISSWRISTWATCHES

Output:

HTHESTHHRASWRASCSCRSSCWWWESWWEIITAIIT

solution code
import math

key = input('please enter the key:')


# 加密
def encryptMessage(msg):
    cipher = ""

    k_index = 0

    msg_len = float(len(msg))
    msg_lst = list(msg)
    key_lst = sorted(list(key))

    # 计算列数
    col = len(key)

    # 计算最大行
    row = int(math.ceil(msg_len / col))

    # 将空白处用'\_'填充
    fill_null = int((row \* col) - msg_len)
    msg_lst.extend('\_' \* fill_null)

    # 按行填充字符
    matrix = [msg_lst[i: i + col]
              for i in range(0, len(msg_lst), col)]

    # 重排顺序形成密文
    for _ in range(col):
        curr_idx = key.index(key_lst[k_index])
        cipher += ''.join([row[curr_idx]
                           for row in matrix])
        k_index += 1

    return cipher


# 解密过程
def decryptMessage(cipher):
    msg = ""

    k_index = 0

    msg_index = 0
    msg_len = float(len(cipher))
    msg_lst = list(cipher)

    # 计算列数
    col = len(key)

    # 求出最大行数
    row = int(math.ceil(msg_len / col))
    key_lst = sorted(list(key))

    # 创建新矩阵储存解密出的明文
    dec_cipher = []
    for _ in range(row):
        dec_cipher += [[None] \* col]

    # 按列重排矩阵
    for _ in range(col):
        curr_idx = key.index(key_lst[k_index])

        for j in range(row):
            dec_cipher[j][curr_idx] = msg_lst[msg_index]
            msg_index += 1
        k_index += 1

    # 转换为字符串输出
    try:
        msg = ''.join(sum(dec_cipher, []))
    except TypeError:
        raise TypeError("This program cannot",
                        "handle repeating words.")

    null_count = msg.count('\_')

    if null_count > 0:
        return msg[: -null_count]

    return msg


msg = input('请输入加密的内容:')

cipher = encryptMessage(msg)


现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。



分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习

![](https://img-blog.csdnimg.cn/img_convert/21b2604bd33c4b6713f686ddd3fe5aff.png)



**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友,可以戳这里获取](https://bbs.csdn.net/topics/618317507)**

**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**

  • 13
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
如果你需要将特征数据存储在具有良好顺序读写性能的NoSQL数据库中,以下是一些推荐的选项: 1. Apache Parquet:虽然Parquet被广泛用作存储文件格式,但也可以将其视为NoSQL数据库。Parquet文件格式具有高效的压缩和式存储,因此适用于存储大规模特征数据。Spark提供了与Parquet文件的无缝集成,可以轻松读写Parquet文件。 2. Apache ORC:ORC(Optimized Row Columnar)是另一个式存储文件格式,类似于Parquet。它提供了高效的压缩和式存储,并且具有较快的读写性能。Spark也提供了对ORC文件格式的支持。 3. Apache Arrow:Arrow是一种内存数据格式,旨在提供快速、跨平台的数据交换。它具有高效的序化和反序化性能,可以作为NoSQL数据库存储特征数据的格式。Spark可以与Arrow无缝集成,使得在Spark中读写Arrow格式的数据变得简单。 4. Elasticsearch:Elasticsearch是一个开源搜索引擎,也可用于存储和查询结构化数据。它具有良好的顺序读写性能,并提供了灵活的查询功能。你可以将特征数据以文档的形式存储在Elasticsearch中,并使用其强大的查询功能进行检索。 5. Apache Kudu:Kudu是一种快速、可扩展的存储数据存储系统,适用于实时分析和低延迟查询。它具有优秀的顺序读写性能,并提供了与Spark的集成支持。你可以将特征数据存储在Kudu表中,并通过Spark进行读写和查询。 需要注意的是,每个NoSQL数据库都有其适用的使用场景和性能特点。在选择合适的数据库时,还需要考虑其他因素,如数据模型、一致性要求、可扩展性等。因此,建议在具体应用场景中评估和测试不同的NoSQL数据库,以确定最适合你需求的选项。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值