随笔分类 - 学习记录
python设计模式
摘要：在 Python 中，设计模式是一种解决软件设计中常见问题的通用方法。设计模式并不是代码的具体实现，而是给出了一种结构或方法，帮助开发人员以最佳的方式解决问题。Python 中的设计模式与其他编程语言中的设计模式基本相同，但由于 Python 本身的特性（如动态类型、简洁的语法和强大的标准库），许多
python中的GIL
摘要：Python 中的全局解释器锁（Global Interpreter Lock，简称 GIL）是一种存在于 CPython 实现中的机制，它确保在任一时刻只有一个线程能够执行 Python 字节码，从而保证了解释器内部（尤其是内存管理和引用计数）的线程安全。下面将从多个角度详细解释 GIL 的机制、
python中的内存管理
摘要：Python 中的内存管理是 Python 解释器高效运行的重要基础，涉及对象的分配、释放以及内存碎片的控制。总体来说，Python 内存管理主要包括以下几个方面： 1. 私有堆与内存管理器 Python 所有对象和数据结构都存储在一个由解释器管理的私有堆中。内存的分配与释放都由 Python 内部
python中的多线程和协程
摘要：在 Python 中，多线程与协程都是实现并发编程的常用手段，但它们的实现机制、资源消耗和适用场景各不相同。下面将详细说明二者的原理、区别及各自的优缺点。 1. 多线程 原理与实现 多线程模型 多线程是在一个进程内部创建多个线程，每个线程拥有自己的调用栈和执行上下文。Python 提供了标准库 th
python中的生成器
摘要：Python 中的生成器是一种特殊的迭代器，它通过“惰性求值”（Lazy Evaluation）机制按需生成数据，而不是一次性计算或加载所有数据。这不仅让代码更加简洁，而且在处理大数据、流式数据、无限序列以及需要节省内存的场景下具有显著优势【citeturn0search0】。 1. 生成器的
python中的装饰器
摘要：Python中的装饰器（Decorator） 1. 什么是装饰器？ 装饰器（Decorator）是 Python 中的一种高级函数功能，它允许在不修改原函数代码的情况下，动态地增强或修改函数的功能。常用于日志记录、权限验证、函数执行时间计算、缓存等场景。 装饰器本质上是一个高阶函数： 接受一个函数作
python中的format
摘要：Python 中的 format() 方法用于格式化字符串，功能非常强大、灵活，适合生成带变量的动态字符串。下面是 format() 的详细用法和实例讲解。 1. 基本语法 "模板字符串 {位置/名称}".format(参数) 花括号 {} 是占位符，format() 方法会将参数填入对应的占位符中
python中针对实例对象的方法
摘要：以下是包含 hasattr 的 Python 内置函数列表，类似于之前提到的各种方法： 1. getattr() 功能：获取对象的属性值。如果属性不存在，可以返回默认值。 语法：getattr(object, name, default) object: 对象 name: 属性名称（字符串） def
python中针对类本身的方法
摘要：当你提到 __getattribute__ 时，它是 Python 中一个特殊的方法，用于访问对象的属性。重载该方法可以控制访问实例属性的行为。在 Python 中，__getattribute__ 是所有属性访问的基础方法，每次你访问对象的属性时，都会调用它。除了 __class__、__mro_
SQL创建表的语法
摘要：在 SQL 中，创建表的基本语法是使用 CREATE TABLE 语句。通过这个语句，可以定义新表的结构，包括列（字段）名称、数据类型以及其他约束。 基本语法 CREATE TABLE table_name ( column1 datatype [constraint], column2 datat
Flask中的jinji2---过滤器
摘要：在 Jinja2 中，过滤器是用于对模板变量进行操作的工具，类似于管道。以下是 Jinja2 中常用的过滤器及其功能： 1. 字符串处理 capitalize 将字符串的首字母大写，其余部分小写。 {{ "hello world" | capitalize }} <!-- 输出: Hello wor
python中的堆
摘要：在Python中，堆（Heap）是一种特殊的完全二叉树结构，满足以下特性： 最大堆（Max Heap）：父节点的值大于或等于子节点的值。 最小堆（Min Heap）：父节点的值小于或等于子节点的值。 Python标准库 heapq 提供了一个 最小堆 的实现，虽然没有直接提供最大堆的实现，但是可以通
关于递归
摘要：递归是一个非常重要且常用的编程思想，尤其在树、图、动态规划等问题中非常有用。它的核心是：将问题分解为子问题，通过递归的方式解决更小的子问题，最终汇聚成整体的解答。 如果你对递归函数感到陌生，或者不确定如何编写一个递归函数，可以通过以下步骤逐步建立递归的理解和技巧。 递归的基本结构 递归函数通常有两个
python中的列表
摘要：在刷算法题时，Python 的列表（list）是非常常用的数据结构。列表的操作灵活且功能丰富，非常适合用来处理数组、队列、堆栈等问题。以下总结了常用的列表语法和在算法题中会用到的场景： 1. 列表的创建 直接创建 lst = [1, 2, 3, 4] 列表推导式 squares = [x ** 2
python中的队列
摘要：在 Python 中，队列（Queue）通常使用 collections.deque 来实现，因其提供了高效的从两端添加和删除元素的操作。队列通常遵循 先进先出（FIFO） 的原则，也就是最先插入的元素最先被移除。 队列的基本操作： append(x): 将元素 x 加入队列的尾部。 popleft
排序算法模板--python版
摘要：在刷算法题时，排序是一个非常常见的操作。Python 提供了多种排序算法的实现方式，而在一些经典的算法题中，我们需要手动实现不同的排序算法以符合题目要求。以下是一些常见的排序算法模板，包含了 冒泡排序、选择排序、插入排序、快速排序、归并排序 和 堆排序，这些算法的模板通常会在刷题中频繁用到。 1.
python中的图
摘要：在 Python 中，图（Graph）是一个非常重要的数据结构，特别是在刷算法题时。图有许多类型（如有向图、无向图、有权图、无权图等），并且涉及的算法（如深度优先搜索、广度优先搜索、最短路径等）都非常常见。以下是 Python 中常见的图的语法，尤其是刷算法题时用到的技巧。 1. 图的基本定义 图通
python中的二叉树
摘要：在刷算法题中，二叉树是常见的题型，掌握二叉树的基本语法和常见操作是非常重要的。以下是一些在Python中常用的二叉树语法及操作，特别是刷算法题时用到的。 1. 二叉树的定义： 首先定义二叉树的节点结构。每个节点通常有三个属性：val（节点的值），left（左子节点），right（右子节点）。 # D
python中的队列
摘要：在 Python 中，队列（Queue）是一种常见的数据结构，特别是在刷算法题时经常被用到。以下是队列相关的基础语法及其在算法题中的应用总结。 1. 队列的基本定义 队列遵循 FIFO（先进先出） 原则，可以通过以下方式实现： 1) collections.deque deque 是双端队列，支持快
python中的链表
摘要：在 Python 中，链表不是内置的数据结构，但可以通过类的方式实现自定义链表。以下是链表在刷算法题中常用的语法和操作方法。 1. 定义链表节点 链表节点是一个包含值和指向下一个节点的指针的结构： class ListNode: def __init__(self, val=0, next=None
