使用executemany对数据进行批量插入的话,要注意一下事项: #coding:utf8 conn = MySQLdb.connect(host = "localhost", user = "root", passwd = "123456", db = "myDB") cursor = conn.cursor() sql = "insert into myTable (created_day,name,count

#-*-coding:utf8-*- import random a=[] b=[] def init_array(): for i in range(10000): v = random.randint(1,10000) a.append(v) b.append(v) #冒泡 def sort_array(a): for i in range(len(a)): for j in range(i+1,len(a)): if a[i] > a[j]: i_v = a[i] a[i]=a[j] a[

不论什么语言,我们都需要注意性能优化问题,提高执行效率.选择了脚本语言就要忍受其速度,这句话在某种程度上说明了Python作为脚本语言的不足之处,那就是执行效率和性能不够亮.尽管Python从未如C和Java一般快速,但是不少Python项目都处于开发语言领先位置. Python很简单易用,但大多数人使用Python都知道在处理密集型cpu工作时,它的数量级依然低于C.Java和JavaScript.但不少第三方不愿赘述Python的优点,而是决定自内而外提高其性能.如果你想让Python在同一

#-*-coding:utf8-*- import random a=[] b=[] def init_array(): for i in range(10000): v = random.randint(1,10000) a.append(v) b.append(v) #冒泡 def sort_array(a): for i in range(len(a)): for j in range(i+1,len(a)): if a[i] > a[j]: i_v = a[i] a[i]=a[j] a[

快排过程比较简单就直接上代码了: #!/usr/bin/python3 def quik_sort(L, left, right): if left <= right: key = L[left] i = left j = right while i < j: while i < j and key <= L[j]: j -= 1 L[i] = L[j] while i < j and L[i] <= key: i += 1 L[j] = L[i] L[i] = key

一.冒泡排序 1.1.冒泡的原理 比较相邻的元素.如果第一个比第二个大,就交换他们两个. 对每一对相邻元素做同样的工作,从开始第一对到结尾的最后一对.在这一点,最后的元素应该会是最大的数. 针对所有的元素重复以上的步骤,除了最后一个. 持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字需要比较.    2.1.冒泡排序的代码实现 def bubble_sort(seq): count=len(seq) for i in range(0,count): for j in range(i+

Python的格式化有%s,format,F-string,下面是比较这三种格式化的速度比较 In [12]: a = 'hello' In [13]: b = 'world' In [14]: f'{a+b}' Out[14]: 'helloworld' In [16]: '%s'%(a+b) Out[16]: 'helloworld' In [17]: '{}'.format(a+b) Out[17]: 'helloworld' 比较代码的运行时间 在ipython中用%timeit执行 I

python多进程和多线程谁更快 python3.6 threading和multiprocessing 四核+三星250G-850-SSD 自从用多进程和多线程进行编程,一致没搞懂到底谁更快.网上很多都说python多进程更快,因为GIL(全局解释器锁).但是我在写代码的时候,测试时间却是多线程更快,所以这到底是怎么回事?最近再做分词工作,原来的代码速度太慢,想提速,所以来探求一下有效方法(文末有代码和效果图) 这里先来一张程序的结果图,说明线程和进程谁更快 一些定义 并行是指两个或者多个事件

1.什么是对象?什么是类? 对象是对类的具体表达,类是对象的抽象表达. 类只是为所有的对象定义了抽象的属性与行为. ——————————————————————————————————————————— ●re.search 函数返回的结果是 一个Match对象 ●re.findall 函数返回的结果是一个列表 ——————————————————————————————————————————— ●设计模式:六大原则 单一职责 (一个方法实现一个功能) 里氏替换原则 依赖倒置原则 接口隔离原则

Problems     # Name     A Infinite Sequence standard input/output 1 s, 256 MB    x3509 B Restoring Painting standard input/output 1 s, 256 MB    x2519 C Money Transfers standard input/output 1 s, 256 MB    x724 D Tree Construction standard input/outp

布隆过滤器 布隆过滤器是一种概率空间高效的数据结构.它与hashmap非常相似,用于检索一个元素是否在一个集合中.它在检索元素是否存在时,能很好地取舍空间使用率与误报比例.正是由于这个特性,它被称作概率性数据结构(probabilistic data structure). 空间效率 我们来仔细地看看它的空间效率.如果你想在集合中存储一系列的元素,有很多种不同的做法.你可以把数据存储在hashmap,随后在hashmap中检索元素是否存在,hashmap的插入和查询的效率都非常高.但是,由于ha

本文由EarlGrey@编程派独家编译,转载请务必注明作者及出处. 原文:Sheena@codementor 译文:编程派 引言 想找一份Python开发工作吗?那你很可能得证明自己知道如何使用Python.下面这些问题涉及了与Python相关的许多技能,问题的关注点主要是语言本身,不是某个特定的包或模块.每一个问题都可以扩充为一个教程,如果可能的话.某些问题甚至会涉及多个领域. 我之前还没有出过和这些题目一样难的面试题,如果你能轻松地回答出来的话,赶紧去找份工作吧! 问题1 到底什么是Pyth

如果我们有这么一项任务:简单測试局域网中的电脑是否连通.这些电脑的ip范围从192.168.0.101到192.168.0.200.        思路:用shell编程.(Linux一般是bash而Windows是批处理脚本).比如,在Windows上用ping ip 的命令依次測试各个机器并得到控制台输出.因为ping通的时候控制台文本一般是"Reply from ... " 而不通的时候文本是"time out ... " ,所以,在结果中进行字符串查找,就可

假设我们有这么一项任务:简单测试局域网中的电脑是否连通.这些电脑的ip范围从192.168.0.101到192.168.0.200. 思路:用shell编程.(Linux通常是bash而Windows是批处理脚本).例如,在Windows上用ping ip 的命令依次测试各个机器并得到控制台输出.由于ping通的时候控制台文本通常是"Reply from ... " 而不通的时候文本是"time out ... " ,所以,在结果中进行字符串查找,即可知道该机器是否

Python版的快排,使用递归. 1.设置递归终止条件,当元素个数<1时 2.从列表中pop出一个元素pv 3.列表中的剩余值与pv进行对比,大的放入smaller列表,小的放入larger列表 4.返回qs(smaller)+[pv]+qs(larger) 代码如下: def quicksort(array): smaller=[];larger=[] if len(array)<1: return array pv=array.pop() for num in array: if num&

Python爬虫和毛爷爷的关系:Python是最简单最流行的开发语言,毛爷爷是最招人喜欢的人民币.如果你学会了Python爬虫,就可以挣更多的毛爷爷. 大家发现没有,实际上Python早已经火起来了,而且越来越流行,但是,我们总是给自己找各种借口,迄今为止还没有开始学习这么语言,为什么呢? 我觉得是因为大家没有找到动力,学习新技术需要投入很多时间,本来已经疲惫不堪的你,可能觉得学会了Python也没啥用,那么为什么还要学呢,因此干脆不学. 如果我告诉你,学会了Python可以挣钱,而且爬虫是让使

今日为2017年2月6日,据在慕课网上学习廖雪峰Python教程也快一周左右了,完全是零基础入门Python,大一上学期粗浅的接触学习了C语言,早就听说过Python语言的大名,又想把Python的爬虫技术收入囊中,所以开始入门学习Python基础,把知识点发布到博客上一是为了增加自己的记忆,深化对知识的理解.二是为了日后忘记某个知识点时来这里翻一翻,希望自己能够坚持下去,也希望下半学期能有更大的进步!

MapReduce 原理与 Python 实践 1. MapReduce 原理 以下是个人在MongoDB和Redis实际应用中总结的Map-Reduce的理解 Hadoop 的 MapReduce 是基于 Google - MapReduce: Simplified Data Processing on Large Clusters的一种实现.对 MapReduce 的基本介绍如下: MapReduce is a programming model and an associated impl

算法 递归两个特点: 调用自身 有穷调用 计算规模越来越小,直至最后结束 用装饰器修饰一个递归函数时会出现问题,这个问题产生的原因是递归的函数也不停的使用装饰器.解决方法是,只让装饰器调用一次即可,那么可以出创建一个新的普通函数,执行一下递归函数,并放回递归函数的返回值,给这个普通函数加上装饰器即可. 尾递归和正常循环时间复杂度相同,尾递归:每次递归尾部return递归函数 算法关键: 有序区和无序区,随着算法的推进,有序区越来越大,无序区越来越小,直至消失,完成排序 代码: import ra

2017年被称为中国人工智能元年--在两会时期,人工智能曾经成为国度计策,同时被写进当局报告.在从前的一年里,人工智能获得注重,已逐步浸透到别的行业,无人超市.主动驾驶.人脸识别.智能家居等"黑科技"早已成为各大媒体的头条.据麦肯锡公司估计,到2018年,中国当局对人工智能研发的投入可望到达150亿美元,当局.市集对高端IT人才的需求将会倍增. 想处置人工智能研发的相干工作,就必需先理解人工智能的相干编程,像大数据.云计较.深度进修.算法.机械人手艺.语音识别手艺等作为人工智能的手艺储