scu-liu的博客

先看懂这个：使用爬虫获取省份降雨情况，并生成json文件好了，上面那个链接应该看懂了，接下来来看如何获取四川省各城市的降雨量，一样的，我们先看代码。import requestsimport jsonimport reheaders = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.183 Safari/5

先上代码import requestsimport jsonimport reheaders = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.183 Safari/537.36',}def getCityInfo(url:str) ->(float): response = request

只有一百行左右代码，应该还是比较好理解的。我会在说的时候贴上代码，也会在最后贴上整个代码，安装numpy库就能够跑。二进制加法这个没啥好说的，就是逢二进一，不知道的就看看计算机组成原理的相关内容吧。RNN主要学两件事，一个是前一位的进位，一个是当前位的加法操作。只告诉当前阶段和前一阶段的计算结果，让网络自己学习加法和进位操作。具体代码既然是神经网络，肯定就非线性的，首先是sigmoid函数，这个要是不清楚，就看看相关博客了解一下。反向传播的时候需要sigmoid函数的导数值，所以把两个函数就直

什么是 assert？Python 的 assert 语句，可以说是一个 debug 的好工具，主要用于测试一个条件是否满足。如果测试的条件满足，则什么也不做，相当于执行了 pass 语句；如果测试条件不满足，便会抛出异常 AssertionError，并返回具体的错误信息（optional）。它的具体语法是下面这样的：assert_stmt ::= "assert" expression ["," expression]我们先来看一个简单形式的assert expression，比如下面这个

问题一：列表 self append 无限嵌套的原理先来回答第一个问题，两个同学都问到了，下面这段代码中的 x，为什么是无限嵌套的列表？x = [1]x.append(x)x[1, [...]]我们可以将上述操作画一个图，便于你更直观地理解：这里，x 指向一个列表，列表的第一个元素为 1；执行了 append 操作后，第二个元素又反过来指向 x，即指向了 x 所指向的列表，因此形成了一个无限嵌套的循环：[1, [1, [1, [1, …]]]]。不过，虽然 x 是无限嵌套的列表，但

众所周知，我们当代的计算机都是图灵机架构。图灵机架构的本质，就是一条无限长的纸带，对应着我们今天的存储器。在工程学的演化中，逐渐出现了寄存器、易失性存储器（内存）和永久性存储器（硬盘）等产品。其实，这本身来自一个矛盾：速度越快的存储器，单位价格也越昂贵。因此，妥善利用好每一寸高速存储器的空间，永远是系统设计的一个核心。我们知道，Python 程序在运行的时候，需要在内存中开辟出一块空间，用于存放运行时产生的临时变量；计算完成后，再将结果输出到永久性存储器中。如果数据量过大，内存空间管理不善就很容易出现 O

GIL（Global Interpreter Lock，即全局解释器锁）Python 多线程另一个很重要的话题——GIL（Global Interpreter Lock，即全局解释器锁）却鲜有人知，甚至连很多 Python“老司机”都觉得 GIL 就是一个谜。比如下面这段很简单的 cpu-bound 代码：def CountDown(n): while n > 0: n -= 1现在，假设一个很大的数字 n = 100000000，我们先来试试单线程的情况下执行 C

在处理 I/O 操作时，使用多线程与普通的单线程相比，效率得到了极大的提高。你可能会想，既然这样，为什么还需要 Asyncio？比如，多线程运行过程容易被打断，因此有可能出现 race condition 的情况；再如，线程切换本身存在一定的损耗，线程数不能无限增加，因此，如果你的 I/O 操作非常 heavy，多线程很有可能满足不了高效率、高质量的需求。正是为了解决这些问题，Asyncio 应运而生。什么是 AsyncioSync VS Async我们首先来区分一下 Sync（同步）和 A

正确合理地使用并发编程，无疑会给我们的程序带来极大的性能提升。今天这节课，我就带你一起来学习理解、运用 Python 中的并发编程——Futures。区分并发和并行在我们学习并发编程时，常常同时听到并发（Concurrency）和并行（Parallelism）这两个术语，这两者经常一起使用，导致很多人以为它们是一个意思，其实不然。首先你要辨别一个误区，在 Python 中，并发并不是指同一时刻有多个操作（thread、task）同时进行。相反，某个特定的时刻，它只允许有一个操作发生，只不过线程 / 任

什么是协程？协程是实现并发编程的一种方式。一说并发，你肯定想到了多线程 / 多进程模型，没错，多线程 / 多进程，正是解决并发问题的经典模型之一。最初的互联网世界，多线程 / 多进程在服务器并发中，起到举足轻重的作用。我们先从一个爬虫实例出发，用清晰的讲解思路，带你结合实战来搞懂这个不算特别容易理解的概念。之后，我们再由浅入深，直击协程的核心。从一个爬虫说起爬虫，就是互联网的蜘蛛，在搜索引擎诞生之时，与其一同来到世上。爬虫每秒钟都会爬取大量的网页，提取关键信息后存储在数据库中，以便日后分析。爬虫有非常

容器、可迭代对象和迭代器容器这个概念非常好理解。我们说过，在 Python 中一切皆对象，对象的抽象就是类，而对象的集合就是容器。列表（list: [0, 1, 2]），元组（tuple: (0, 1, 2)），字典（dict: {0:0, 1:1, 2:2}），集合（set: set([0, 1, 2])）都是容器。对于容器，你可以很直观地想象成多个元素在一起的单元；而不同容器的区别，正是在于内部数据结构的实现方法。然后，你就可以针对不同场景，选择不同时间和空间复杂度的容器。所有的容器都是可迭代的（

Python 中有很多黑魔法，比如今天我将分享的 metaclass。我认识许多人，对于这些语言特性有两种极端的观点。一种人觉得这些语言特性太牛逼了，简直是无所不能的阿拉丁神灯，必须找机会用上才能显示自己的 Python 实力。另一种观点则是认为这些语言特性太危险了，会蛊惑人心去滥用，一旦打开就会释放“恶魔”，让整个代码库变得难以维护。市面上的很多中文书，都把 metaclass 译为“元类”。我一直认为这个翻译很糟糕，所以也不想在这里称 metaclass 为元类。因为如果仅从字面理解，“元”是

装饰器一直以来都是 Python 中很有用、很经典的一个 feature，在工程中的应用也十分广泛，比如日志、缓存等等的任务都会用到。然而，在平常工作生活中，我发现不少人，尤其是初学者，常常因为其相对复杂的表示，对装饰器望而生畏，认为它“too fancy to learn”，实际并不如此。函数 -> 装饰器引入装饰器之前，我们首先一起来复习一下，必须掌握的函数的几个核心概念。第一点，我们要知道，在 Python 中，函数是一等公民（first-class citizen），函数也是对象。我们可

什么是值传递和引用传递如果你接触过其他的编程语言，比如 C/C++，很容易想到，常见的参数传递有 2 种：值传递和引用传递。所谓值传递，通常就是拷贝参数的值，然后传递给函数里的新变量。这样，原变量和新变量之间互相独立，互不影响。比如，我们来看下面的一段 C++ 代码：#include <iostream>using namespace std; // 交换2个变量的值void swap(int x, int y) {int temp;temp = x; // 交换x和y的值

已经接触到了很多 Python 对象比较和复制的例子，比如下面这个，判断 a 和 b 是否相等的 if 语句：if a == b: ...再比如第二个例子，这里 l2 就是 l1 的拷贝。l1 = [1, 2, 3]l2 = list(l1)但你可能并不清楚，这些语句的背后发生了什么。比如，l2 是 l1 的浅拷贝（shallow copy）还是深度拷贝（deep copy）呢？a == b是比较两个对象的值相等，还是两个对象完全相等呢？‘==’ VS ‘is’等于（=

问题一：列表和元组的内部实现有关列表（list）和元组（tuple）的内部实现，想知道里边是 linked list 或 array，还是把 array linked 一下这样的方式？list 的具体结构放在了下面：可以看到，list 本质上是一个 over-allocate 的 array。其中，ob_item 是一个指针列表，里面的每一个指针都指向列表的元素。而 allocated 则存储了这个列表已经被分配的空间大小。需要注意的是，allocated 与列表实际空间大小的区别。列表实际空间大

简单模块化说到最简单的模块化方式，你可以把函数、类、常量拆分到不同的文件，把它们放在同一个文件夹，然后使用 from your_file import function_name, class_name 的方式调用。之后，这些函数和类就可以在文件内直接使用了。# utils.pydef get_sum(a, b): return a + b# class_utils.pyclass Encoder(object): def encode(self, s):

我们假设搜索样本存在于本地磁盘上。为了方便，我们只提供五个文件的检索，内容我放在了下面这段代码中：# 1.txtI have a dream that my four little children will one day live in a nation where they will not be judged by the color of their skin but by the content of their character. I have a dream today.# 2.

面向对象基础我们先来看一段最基本的 Python 面向对象的应用代码，不要被它的长度吓到。class Document(): def __init__(self, title, author, context): print('init function called') self.title = title self.author = author self.__context = context # __开头的属性是私有属性

匿名函数在实际工作中同样举足轻重，正确地运用匿名函数，能让我们的代码更简洁、易读。匿名函数基础首先，什么是匿名函数呢？以下是匿名函数的格式：lambda argument1, argument2,... argumentN : expression我们可以看到，匿名函数的关键字是 lambda，之后是一系列的参数，然后用冒号隔开，最后则是由这些参数组成的表达式。我们通过几个例子看一下它的用法：square = lambda x: x**2square(3)9这里的匿名函数只输入一个

函数是 Python 程序中不可或缺的一部分。事实上，在前面的学习中，我们已经用到了很多 Python 的内置函数，比如 sorted() 表示对一个集合序列排序，len() 表示返回一个集合序列的长度大小等等。函数基础说白了，函数就是为了实现某一功能的代码段，只要写好以后，就可以重复利用。我们先来看下面一个简单的例子：def my_func(message): print('Got a message: {}'.format(message))# 调用函数 my_func()my_f

错误与异常通常来说，程序中的错误至少包括两种，一种是语法错误，另一种则是异常。所谓语法错误，你应该很清楚，也就是你写的代码不符合编程规范，无法被识别与执行，比如下面这个例子：if name is not None print(name)If 语句漏掉了冒号，不符合 Python 的语法规范，所以程序就会报错invalid syntax。而异常则是指程序的语法正确，也可以被执行，但在执行过程中遇到了错误，抛出了异常，比如下面的 3 个例子：10 / 0Traceback (most

条件语句表示y=∣x∣y=|x|y=∣x∣这个函数。# y = |x|if x < 0: y = -xelse: y = x由于 Python 不支持 switch 语句，因此，当存在多个条件判断时，我们需要用 else if 来实现，这在 Python 中的表达是 elif。语法如下：if condition_1: statement_1elif condition_2: statement_2...elif condition_i: st

输入输出基础最简单直接的输入来自键盘操作。name = input('your name:')gender = input('you are a boy?(y/n)')###### 输入 ######your name:Jackyou are a boy?welcome_str = 'Welcome to the matrix {prefix} {name}.'welcome_dic = { 'prefix': 'Mr.' if gender == 'y' else 'Mrs',

字符串基础字符串是由独立字符组成的一个序列，通常包含在单引号（’’）双引号（""）或者三引号之中（’’’ ‘’'或""" “”"，两者一样），比如下面几种写法。name = 'jason'city = 'beijing'text = "welcome to jike shijian"这里定义了 name、city 和 text 三个变量，都是字符串类型。我们知道，Python 中单引号、双引号和三引号的字符串是一模一样的，没有区别，比如下面这个例子中的 s1、s2、s3 完全一样。s1 = '

字典（dict）和集合（set）在 Python 被广泛使用，并且性能进行了高度优化，其重要性不言而喻。字典和集合基础字典是一系列由键（key）和值（value）配对组成的元素的集合。python3.7之后，字典底层是2个数组，一个为一维数组，存放hash(key)取余后的值作为数组的索引，对应索引位置存放键值对在二维数组的索引位置。因此二维数组是一个有序的数组。相比于列表和元组，字典的性能更优，特别是对于查找、添加和删除操作，字典都能在常数时间复杂度内完成。而集合和字典基本相同，唯一的区别，就是集

首先就看看什么是列表？什么是元组？列表和元组，都是一个可以放置任意数据类型的有序集合。在绝大多数编程语言中，集合的数据类型必须一致。不过，对于 Python 的列表和元组来说，并无此要求。列表：l = [1, 2, 'hello', 'world'] l[1, 2, 'hello', 'world']元组：tup = ('jason', 22)tup('jason', 22)区别列表是动态的，长度大小不固定，可以随意地增加、删减或者改变元素（mutable）。元组是静态的，长