文章目录一、插入排序1.2 直接插入排序1.2 希尔（shell）排序二、选择排序2.1 简单选择排序2.2 堆排序三、交换排序3.1 冒泡排序3.2 快速排序四、归并排序五、基数排序 常见的八大排序算法，他们之间关系如下： 各种算法的时间复杂度和稳定性：一、插入排序1.2 直接插入排序一）、算法思想直接插入排序（Insertion Sort）序是一种最简单的插入排序。为简化问题，我们下面只讨论
Pendulum是一个Python库，它提供了一种简单而强大的方式来处理日期和时间。它可以轻松地进行时区转换、日期计算、时间差计算等操作。在本教程中，我们将介绍如何使用Pendulum库进行日期和时间操作。安装Pendulum库在使用Pendulum库之前，我们需要先安装它。可以使用pip命令来安装Pendulum库：pip install pendulum导入Pendulum库安装完成后，我们需
转载
2023-12-25 06:29:21
83阅读
CUSUM退化点识别python是一种用于检测时间序列数据变化的方法。通过统计分析，特别是累积和控制图，CUSUM（Cumulative Sum Control Chart）能够帮助我们识别潜在的异常点。在本文中，我们将详细介绍如何使用Python实现CUSUM退化点识别的过程，包括环境预检、部署架构、安装过程、依赖管理、版本管理和最佳实践。
## 环境预检
在开始工作之前，我们需要确保环境的
python 检验数据分布，KS-检验（Kolmogorov-Smirnov test） – 检验数据是否符合某种分布 Kolmogorov-Smirnov是比较一个频率分布f(x)与理论分布g(x)或者两个观测值分布的检验方法。其原假设H0:两个数据分布一致或者数据符合理论分布。D=max| f(x)- g(x)|，当实际观测值D>D(n,α)则拒绝H0，否则则接受H0假设。 KS检验与t
转载
2024-03-12 21:04:25
129阅读
本系列博文基于廖雪峰老师的官网Python教程，笔者的编程环境是Anaconda+Pycharm，Python版本：Python3.1.返回函数# 函数作为返回值
# 高阶函数可以接受函数作为参数，还可以把函数作为结果返回；
# 实例：
def lazySum(*args):
def calcNumsSum():
ax = 0
for num
转载
2024-06-19 04:06:27
59阅读
PV:预算值AC:实际成本EV:挣值，是实际完成工作的预算价值CV,成本偏差=EV-AC，<0为预算超出，>0为预算节省SV,进度偏差=EV-PV，<0为进度落后，>0为进度超前CPI,成本绩效指数=EV/AC，<1，预算超出，>1，预算节省SPI,进度绩效指数=EV/PV，<1，进度落后，>1，进度超前ETC:剩余成本估算=总的PV-EV，偏差只是
函数函数的参数位置参数默认参数可变参数(传入tuple)def calc(numbers):
sum = 0
for n in numbers:
sum = sum + n * n
return sum我们把函数的参数改为可变参数：def calc(*numbers):
sum = 0
for n in numbers:
su
转载
2024-06-19 04:47:48
92阅读
导数：导数简单点说,就是函数的斜率.比如说y=x这个函数,图像你应该很清楚吧,虽然y是随着x的正加而增大的,但是其变化率也就是斜率是一直不变的.那么你能猜出来y=x的导数是多少么?y=x的导数y'=1,同理y=2x时,则y'=2,这是最简单的.当函数是2次函数的时候,其斜率会忽大忽小,甚至忽正忽负,这时y'不再是一个固定的数,而是一个根据x值变化的数（说白了也是一个函数） 协方差：
转载
2023-12-02 21:01:38
71阅读
非平稳时间序列突变检测 -- Bernaola Galvan分割算法引言原理实现结果 引言非平稳序列是指包含趋势、季节性或周期性的序列，它可能只含有其中的一种成分， 也可能是几种成分的组合，例如温度、降雨等数据。在一些研究中，如气候突变检测中，经常需要对气候数据进行突变检测。常用的突变检测方法有滑动t-检验、Cramer’s方法、Yamamoto方法、M-K突变检测方法、Pettitt方法、Be
转载
2024-08-25 13:46:02
243阅读
之前看到一篇文章，变点理论CUSUM在量化交易中；列了一堆数据和公式，说结果不错。链接如下: 或者这个，就是整理版，有很详细的公式推导，不过代码写的不清不楚的，应该没写完。 花了些时间研究下： 原理描述：CUSUM控制图的设计思想是对信息加以累积，将过程的小偏移累加起来，达到放大的结果，从而提高检验 ...
转载
2021-09-07 20:37:00
768阅读
2评论
# Python中的`with`语句及其应用
在Python编程中，资源管理是一个不可忽视的重要课题。我们在进行文件操作、数据库连接或网络请求时，常常需要手动管理资源的申请和释放。然而，手动管理资源容易出错，若不小心可能会造成资源泄露。为了解决这个问题，Python提供了`with`语句，它利用上下文管理器来简化资源管理。
## `with`语句的基本用法
`with`语句的主要作用是在代码
# 实现均值滤波的 Python 教程
均值滤波是一种常用的图像处理技术，用于减少图像噪声并平滑图像。对于刚入行的小白来说，了解均值滤波的基本概念及其在 Python 中的实现会是一个不错的起点。本文将引导你完成均值滤波的实现。
## 流程概述
首先，让我们了解实现均值滤波的整个流程。我们可以用以下表格表示关键步骤：
| 步骤 | 描述 |
https://github.com/huiluczP/finiteAutomata/blob/master/NFA.py求解问题的思路数据结构的设计参考了NFA的定义，NFA是一个5-元组：M = (Q, ∑, Δ, s, F)其中：Q是状态的有限集 ∑是有穷字母表 s是开始状态 F含于Q，结束状态集 Δ状态
转载
2023-10-01 10:00:44
178阅读
面向对象的基本特征：继承，封装，多态类的定义和使用 类的创建语句 class 语句 语法：class 类名（继承列表）:
'''类的文档字符串'''
实例方法
类变量
类方法
静态方法示例代码：#创建类
class Dog:
'''此语句用来定义一个类型'''
pass
print(Dog) <class '__main__.Dog'&
转载
2023-09-21 22:41:56
98阅读
在Python中可以使用提供的sort排序法对list实现排序。 Python提供两种内置排序的函数分别是sort()和sorted()，这两种
原创
2022-07-31 00:51:00
10000+阅读
小方法，在这里共享一下。[root@web-02 dist-packages]# pythonPython 2.7.5 (default, Jun 17 2014, 18:11:42) [GCC 4.8.2 20140120 (Red Hat 4.8.2-16)] on linux2Type "help", "copyright", "credits" or "license" for
原创
2015-11-26 17:56:52
704阅读
点赞
import sys
import socket
import getopt
import threading
import subprocess
listen = False
command = False
upload = False
execute = ""
ta
原创
2016-04-12 22:51:39
1015阅读
一般的前馈神经网络中, 输出的结果只与当前输入有关与历史状态无关, 而递归神经网络(Recurrent Neural Network, RNN)神经元的历史输出参与下一次预测.本文中我们将尝试使用RNN处理二进制加法问题: 两个加数作为两个序列输入, 从右向左处理加数序列.和的某一位不仅与加数的当前位有关, 还与上一位的进位有关.词语的含义与上下文有关, 未来的状态不仅与当前相关还与历史状态相关.
转载
2017-05-15 09:53:42
1841阅读
Python实现堆栈
原创
2018-01-10 17:16:04
2238阅读
点赞
Python实现队列
原创
2018-01-10 20:44:56
1929阅读
