Python-3.12.0文档解读-内置函数sorted()详细说明+记忆策略+常用场景+巧妙用法+综合技巧


一个认为一切根源都是“自己不够强”的INTJ

个人主页：用哲学编程-CSDN博客
专栏：每日一题——举一反三
Python编程学习
Python内置函数

Python-3.12.0文档解读

目录

Python-3.12.0文档解读详细说明

功能描述

参数说明

用法示例

备注

进阶用法

参考资料

记忆策略

常用场景

示例1：基本排序

示例2：逆序排序

示例3：根据字符串长度排序

示例4：对包含字典的列表进行排序

示例5：多重排序（先按部门，再按薪资）

示例6：对元组列表进行排序

示例7：排序包含混合大小写字符串的列表

巧妙用法

技巧1：排序自定义对象列表

技巧2：按多个条件进行复杂排序

技巧3：对嵌套结构进行排序

技巧4：使用 sorted() 进行字符串排列组合

技巧5：根据条件过滤并排序

技巧6：自定义排序顺序（非标准排序）

综合技巧

技巧1：结合 sorted() 和 zip()对多个列表进行同步排序

技巧2：结合 sorted() 和 itertools.groupby() 对数据进行分组

技巧3：结合 sorted() 和 enumarate() 对带索引的数据进行排序

技巧4：结合 sorted() 和 set() 对集合进行排序

技巧5：结合 sorted() 和 pandas 库对数据框进行排序

技巧6：结合 sorted() 和 functools.cmp_to_key() 实现自定义复杂排序


详细说明

sorted(iterable, /, *, key=None, reverse=False)

功能描述

sorted() 函数根据 iterable 中的项返回一个新的已排序列表。

参数说明

  • iterable: 要排序的可迭代对象，如列表、元组、字符串等。
  • key (可选): 指定一个带有单个参数的函数，用于从 iterable 的每个元素中提取用于比较的键。例如，key=str.lower 将按照忽略大小写的字母顺序进行排序。默认值为 None，即直接比较元素。
  • reverse (可选): 一个布尔值。如果设为 True，则每个列表元素将按反向顺序进行排序。默认值为 False。

用法示例

# 按默认顺序排序
sorted_list = sorted([5, 2, 3, 1, 4])
print(sorted_list)  # 输出: [1, 2, 3, 4, 5]

# 按反向顺序排序
sorted_list = sorted([5, 2, 3, 1, 4], reverse=True)
print(sorted_list)  # 输出: [5, 4, 3, 2, 1]

# 使用 key 参数进行排序
sorted_list = sorted(["bob", "Alice", "eve"], key=str.lower)
print(sorted_list)  # 输出: ['Alice', 'bob', 'eve']

备注

  1. sorted() 函数确保排序是稳定的。稳定排序意味着不会改变比较结果相等的元素的相对顺序，这对于多重排序非常有用（例如，先按部门、再按薪级排序）。
  2. 排序算法只使用 < 运算符在项目之间进行比较。虽然定义一个 __lt__() 方法就足以进行排序，但 PEP 8 建议实现所有六个富比较运算符 (__lt__, __le__, __eq__, __ne__, __gt__, __ge__)。这将有助于避免在与其他排序工具（如 max()）使用相同的数据时出现错误，因为这些工具依赖于不同的底层方法。实现所有六个比较运算符也有助于避免混合类型比较的混乱，因为混合类型比较可以调用反射到 __gt__() 的方法。

进阶用法

  • 使用 functools.cmp_to_key(): 如果你有一个老式的比较函数（cmp 函数），可以使用 functools.cmp_to_key() 将其转换为 key 函数，以便与 sorted() 一起使用。
from functools import cmp_to_key

def compare(x, y):
    if x < y:
        return -1
    elif x > y:
        return 1
    else:
        return 0

sorted_list = sorted([5, 2, 3, 1, 4], key=cmp_to_key(compare))
print(sorted_list)  # 输出: [1, 2, 3, 4, 5]

参考资料

  • PEP 8 - Python 代码风格指南（https://peps.python.org/pep-0008/）
  • 排序指南（https://docs.python.org/zh-cn/3/howto/sorting.html）

记忆策略


函数名的含义：
sorted 是 sort 的过去分词形式，表示“已排序的”。这一点暗示了这个函数的作用是返回一个排序后的新列表。

常用场景

示例1：基本排序

# 原始列表包含未排序的数字
numbers = [4, 2, 9, 1, 5, 6]

# 使用 sorted() 对列表进行排序，返回一个新的已排序列表
sorted_numbers = sorted(numbers)

# 输出排序后的新列表
print(sorted_numbers)  # 输出: [1, 2, 4, 5, 6, 9]

示例2：逆序排序

# 原始列表包含未排序的数字
numbers = [4, 2, 9, 1, 5, 6]

# 使用 sorted() 并设置 reverse=True 对列表进行逆序排序
sorted_numbers_desc = sorted(numbers, reverse=True)

# 输出逆序排序后的新列表
print(sorted_numbers_desc)  # 输出: [9, 6, 5, 4, 2, 1]

示例3：根据字符串长度排序

# 原始列表包含不同长度的字符串
words = ["apple", "banana", "cherry", "date"]

# 使用 sorted() 并设置 key 参数为 len 函数，对字符串长度进行排序
sorted_by_length = sorted(words, key=len)

# 输出按长度排序后的新列表
print(sorted_by_length)  # 输出: ['date', 'apple', 'banana', 'cherry']

示例4：对包含字典的列表进行排序

# 原始列表包含字典，每个字典代表一个人及其年龄
people = [
    {"name": "John", "age": 25},
    {"name": "Jane", "age": 22},
    {"name": "Dave", "age": 30}
]

# 使用 sorted() 并设置 key 参数为一个 lambda 函数，按年龄进行排序
sorted_by_age = sorted(people, key=lambda person: person["age"])

# 输出按年龄排序后的新列表
print(sorted_by_age)
# 输出: [{'name': 'Jane', 'age': 22}, {'name': 'John', 'age': 25}, {'name': 'Dave', 'age': 30}]

示例5：多重排序（先按部门，再按薪资）

# 原始列表包含字典，每个字典代表一个员工及其部门和薪资
employees = [
    {"name": "John", "department": "HR", "salary": 5000},
    {"name": "Jane", "department": "Engineering", "salary": 7000},
    {"name": "Dave", "department": "HR", "salary": 6000},
    {"name": "Anna", "department": "Engineering", "salary": 6500}
]

# 使用 sorted() 进行多重排序，先按部门排序，再按薪资排序
sorted_employees = sorted(employees, key=lambda emp: (emp["department"], emp["salary"]))

# 输出按部门和薪资排序后的新列表
print(sorted_employees)
# 输出:
# [{'name': 'Anna', 'department': 'Engineering', 'salary': 6500},
#  {'name': 'Jane', 'department': 'Engineering', 'salary': 7000},
#  {'name': 'John', 'department': 'HR', 'salary': 5000},
#  {'name': 'Dave', 'department': 'HR', 'salary': 6000}]

示例6：对元组列表进行排序

# 原始列表包含元组，每个元组代表一个学生及其分数
students = [
    ("John", 88),
    ("Jane", 92),
    ("Dave", 85)
]

# 使用 sorted() 并设置 key 参数为一个 lambda 函数，按分数进行排序
sorted_by_score = sorted(students, key=lambda student: student[1])

# 输出按分数排序后的新列表
print(sorted_by_score)
# 输出: [('Dave', 85), ('John', 88), ('Jane', 92)]

示例7：排序包含混合大小写字符串的列表

# 原始列表包含混合大小写的字符串
words = ["banana", "Apple", "cherry", "Date"]

# 使用 sorted() 并设置 key 参数为 str.lower，对字符串进行不区分大小写的排序
sorted_case_insensitive = sorted(words, key=str.lower)

# 输出按不区分大小写排序后的新列表
print(sorted_case_insensitive)  # 输出: ['Apple', 'banana', 'cherry', 'Date']

巧妙用法

sorted() 函数在 Python 中不仅仅是一个简单的排序工具，还可以通过一些巧妙的使用技巧来实现更复杂的操作。以下是一些一般人可能想不到的使用技巧，它们展示了 sorted() 函数的强大和灵活性：

技巧1：排序自定义对象列表

可以通过 sorted() 函数和自定义的 key 函数对自定义对象列表进行排序。

# 定义一个自定义类
class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

    def __repr__(self):
        return f"{self.name} ({self.age})"

# 创建一个 Person 对象的列表
people = [Person("John", 25), Person("Jane", 22), Person("Dave", 30)]

# 使用 sorted() 对 Person 对象列表按年龄进行排序
sorted_people = sorted(people, key=lambda person: person.age)

# 输出排序后的 Person 对象列表
print(sorted_people)  # 输出: [Jane (22), John (25), Dave (30)]

技巧2：按多个条件进行复杂排序

可以使用多个 key 条件来对数据进行复杂排序，例如先按一个条件排序，再按另一个条件排序。

# 原始列表包含字典，每个字典代表一个员工及其部门和薪资
employees = [
    {"name": "John", "department": "HR", "salary": 5000},
    {"name": "Jane", "department": "Engineering", "salary": 7000},
    {"name": "Dave", "department": "HR", "salary": 6000},
    {"name": "Anna", "department": "Engineering", "salary": 6500}
]

# 使用 sorted() 进行多重排序，先按部门排序，再按薪资排序
sorted_employees = sorted(employees, key=lambda emp: (emp["department"], emp["salary"]))

# 输出按部门和薪资排序后的新列表
print(sorted_employees)
# 输出:
# [{'name': 'Anna', 'department': 'Engineering', 'salary': 6500},
#  {'name': 'Jane', 'department': 'Engineering', 'salary': 7000},
#  {'name': 'John', 'department': 'HR', 'salary': 5000},
#  {'name': 'Dave', 'department': 'HR', 'salary': 6000}]

技巧3：对嵌套结构进行排序

可以通过 sorted() 对嵌套的数据结构（例如列表中的列表或字典中的字典）进行排序。

# 原始列表包含嵌套的列表，每个子列表代表一个人的信息
nested_list = [
    ["John", {"age": 25}],
    ["Jane", {"age": 22}],
    ["Dave", {"age": 30}]
]

# 使用 sorted() 并设置 key 参数为一个 lambda 函数，对嵌套的 age 进行排序
sorted_nested_list = sorted(nested_list, key=lambda item: item[1]["age"])

# 输出按年龄排序后的嵌套列表
print(sorted_nested_list)
# 输出: [['Jane', {'age': 22}], ['John', {'age': 25}], ['Dave', {'age': 30}]]

技巧4：使用 sorted() 进行字符串排列组合

可以使用 sorted() 函数对字符串中的字符进行排序，从而生成所有字符的排列组合。

# 原始字符串
s = "python"

# 将字符串转换为字符列表并使用 sorted() 进行排序
sorted_chars = sorted(s)

# 将排序后的字符列表重新组合成字符串
sorted_string = ''.join(sorted_chars)

# 输出排序后的字符串
print(sorted_string)  # 输出: 'hnopty'

技巧5：根据条件过滤并排序

可以结合列表解析和 sorted() 函数，根据特定条件对数据进行过滤并排序。

# 原始列表包含未排序的数字
numbers = [4, 2, 9, 1, 5, 6, 10, 3]

# 使用列表解析和 sorted() 对大于 5 的数字进行排序
sorted_filtered_numbers = sorted([n for n in numbers if n > 5])

# 输出过滤并排序后的新列表
print(sorted_filtered_numbers)  # 输出: [6, 9, 10]

技巧6：自定义排序顺序（非标准排序）

可以通过自定义的排序顺序来对数据进行排序，例如按特定规则对字符串排序。

# 自定义的排序顺序
order = {'low': 0, 'medium': 1, 'high': 2}

# 原始列表包含不同优先级的字符串
priority = ["medium", "high", "low", "medium", "low", "high"]

# 使用 sorted() 并设置 key 参数为查找自定义排序顺序的值进行排序
sorted_priority = sorted(priority, key=lambda x: order[x])

# 输出按自定义顺序排序后的新列表
print(sorted_priority)  # 输出: ['low', 'low', 'medium', 'medium', 'high', 'high']

这些技巧展示了 sorted() 函数的灵活性和强大功能，通过巧妙的使用，可以实现许多复杂的数据排序任务。

综合技巧

结合 sorted() 函数和其他函数或方法，可以实现一些非常巧妙和复杂的操作。以下是几个非常巧妙的组合用法示例：

技巧1：结合 sorted() 和 zip()对多个列表进行同步排序

当有多个相关联的列表时，可以使用 zip() 将它们合并，然后使用 sorted() 进行同步排序，最后再解压缩回来。

# 原始列表
names = ["John", "Jane", "Dave"]
ages = [25, 22, 30]
salaries = [5000, 7000, 6000]

# 使用 zip() 将多个列表合并成一个列表的元组
combined = list(zip(names, ages, salaries))

# 使用 sorted() 对合并后的列表按年龄进行排序
sorted_combined = sorted(combined, key=lambda x: x[1])

# 使用 zip(*iterable) 解压缩回多个列表
sorted_names, sorted_ages, sorted_salaries = zip(*sorted_combined)

# 输出排序后的结果
print(sorted_names)      # 输出: ('Jane', 'John', 'Dave')
print(sorted_ages)       # 输出: (22, 25, 30)
print(sorted_salaries)   # 输出: (7000, 5000, 6000)

技巧2：结合 sorted() 和 itertools.groupby() 对数据进行分组

可以使用 sorted() 函数对数据进行排序，然后使用 itertools.groupby() 对数据进行分组。

import itertools

# 原始列表包含字典，每个字典代表一个员工及其部门和薪资
employees = [
    {"name": "John", "department": "HR", "salary": 5000},
    {"name": "Jane", "department": "Engineering", "salary": 7000},
    {"name": "Dave", "department": "HR", "salary": 6000},
    {"name": "Anna", "department": "Engineering", "salary": 6500}
]

# 使用 sorted() 按部门排序
sorted_employees = sorted(employees, key=lambda x: x['department'])

# 使用 itertools.groupby() 对排序后的结果按部门进行分组
grouped_employees = itertools.groupby(sorted_employees, key=lambda x: x['department'])

# 输出分组后的结果
for department, group in grouped_employees:
    print(department)
    for employee in group:
        print(employee)
# 输出:
# Engineering
# {'name': 'Jane', 'department': 'Engineering', 'salary': 7000}
# {'name': 'Anna', 'department': 'Engineering', 'salary': 6500}
# HR
# {'name': 'John', 'department': 'HR', 'salary': 5000}
# {'name': 'Dave', 'department': 'HR', 'salary': 6000}

技巧3：结合 sorted() 和 enumarate() 对带索引的数据进行排序

可以使用 sorted() 函数结合 enumerate() 对带有索引的数据进行排序。

# 原始列表包含未排序的数字
numbers = [4, 2, 9, 1, 5, 6]

# 使用 enumerate() 为每个元素添加索引，然后使用 sorted() 按值进行排序
sorted_with_index = sorted(enumerate(numbers), key=lambda x: x[1])

# 输出排序后的结果，包含原始索引
print(sorted_with_index)
# 输出: [(3, 1), (1, 2), (0, 4), (4, 5), (5, 6), (2, 9)]

技巧4：结合 sorted() 和 set() 对集合进行排序

可以使用 sorted() 函数对集合（set）进行排序，因为集合是无序的。

# 原始集合包含未排序的数字
numbers_set = {4, 2, 9, 1, 5, 6}

# 使用 sorted() 对集合进行排序，返回一个列表
sorted_numbers = sorted(numbers_set)

# 输出排序后的列表
print(sorted_numbers)  # 输出: [1, 2, 4, 5, 6, 9]

技巧5：结合 sorted() 和 pandas 库对数据框进行排序

如果使用 pandas 库处理数据，可以结合 sorted() 函数对数据框进行排序。

import pandas as pd

# 创建一个 DataFrame
data = {
    'name': ['John', 'Jane', 'Dave', 'Anna'],
    'age': [25, 22, 30, 28]
}
df = pd.DataFrame(data)

# 使用 sorted() 对 DataFrame 按年龄排序
sorted_df = df.loc[sorted(df.index, key=lambda x: df.loc[x, 'age'])]

# 输出排序后的 DataFrame
print(sorted_df)
# 输出:
#    name  age
# 1  Jane   22
# 0  John   25
# 3  Anna   28
# 2  Dave   30

技巧6：结合 sorted() 和 functools.cmp_to_key() 实现自定义复杂排序

可以使用 functools.cmp_to_key() 函数将自定义比较函数转换为 sorted() 函数可接受的 key 函数，从而实现复杂的自定义排序。

from functools import cmp_to_key

# 自定义比较函数
def compare(a, b):
    # 按绝对值大小进行比较
    return abs(a) - abs(b)

# 原始列表包含正负数
numbers = [4, -2, -9, 1, -5, 6]

# 使用 sorted() 和 cmp_to_key() 对列表按绝对值进行排序
sorted_numbers = sorted(numbers, key=cmp_to_key(compare))

# 输出排序后的列表
print(sorted_numbers)  # 输出: [1, -2, 4, -5, 6, -9]

这些巧妙的组合用法展示了 sorted() 函数在与其他函数和方法结合使用时的强大功能。通过这些技巧，可以实现更加复杂和灵活的数据操作。

感谢。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/668653.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

集合操作进阶：关于移除列表元素的那点事

集合操作进阶：关于移除列表元素的那点事

介绍 日常开发中&#xff0c;难免会对集合中的元素进行移除操作&#xff0c;如果对这方面不熟悉的话&#xff0c;就可能遇到 ConcurrentModificationException&#xff0c;那么&#xff0c;如何优雅地进行元素删除&#xff1f;以及其它方式为什么不行&#xff1f; 数据初始化…
阅读更多...
力扣--双指针15.三数之和

力扣--双指针15.三数之和

详细思路 排序数组&#xff1a;首先对数组 nums 进行排序&#xff0c;目的是为了方便后续使用双指针查找和避免重复结果。遍历数组&#xff1a;使用一个 for 循环从头遍历到倒数第三个元素。i 表示当前固定的元素。 跳过重复元素&#xff1a;如果当前元素 nums[i] 与前一个元素…
阅读更多...
使用matplotlib绘制折线条形复合图

使用matplotlib绘制折线条形复合图

使用matplotlib绘制折线条形复合图 介绍效果代码 介绍 在数据可视化中&#xff0c;复合图形是一种非常有用的工具&#xff0c;可以同时显示多种数据类型的关系。在本篇博客中&#xff0c;我们将探讨如何使用 matplotlib 库来绘制包含折线图和条形图的复合图。 效果 代码 imp…
阅读更多...
登录安全分析报告：小米官网注册

登录安全分析报告：小米官网注册

前言 由于网站注册入口容易被黑客攻击&#xff0c;存在如下安全问题&#xff1a; 暴力破解密码&#xff0c;造成用户信息泄露短信盗刷的安全问题&#xff0c;影响业务及导致用户投诉带来经济损失&#xff0c;尤其是后付费客户&#xff0c;风险巨大&#xff0c;造成亏损无底洞 …
阅读更多...
【算法】模拟算法——数青蛙(medium)

【算法】模拟算法——数青蛙(medium)

题解&#xff1a;模拟算法——数青蛙(medium) 目录 1.题目2.题解3.参考代码4.总结 1.题目 题目链接&#xff1a;LINK 2.题解 用循环进行遍历&#xff0c; 如果该字符为o\o\a\k 找一下前驱字符是否存在 如果存在&#xff0c;前驱字符–&#xff0c;该字符如果不存在&#x…
阅读更多...
STM32_IIC

STM32_IIC

1、IIC简介 I2C&#xff0c;即Inter IC Bus。是由Philips公司开发的一种串行通用数据总线&#xff0c;主要用于近距离、低速的芯片之间的通信&#xff1b;有两根通信线&#xff1a;SCL&#xff08;Serial Clock&#xff09;用于通信双方时钟的同步、SDA&#xff08;Serial Data…
阅读更多...
echarts渐变色与css渐变色互转（两个坐标点转角度）

echarts渐变色与css渐变色互转（两个坐标点转角度）

前言 用于 echarts 的小伙伴都知道&#xff0c;他使用的渐变色写法和 css 的写法不一样。css 中直接使用角度定义渐变的方向&#xff0c;而 echarts 使用的是两个坐标点来进行标识方向&#xff08;线性渐变&#xff09;。 本文主要针对线性渐变的转换 那怎么在 css 中使用 e…
阅读更多...
BrainGPT1，一个帮你b站点歌放视频的多模态多轮对话模型

BrainGPT1，一个帮你b站点歌放视频的多模态多轮对话模型

BrainGPT1&#xff0c;一个帮你b站点歌放视频的多模态多轮对话模型 返回论文目录 项目地址 模型地址 作者&#xff1a;华东师范大学&#xff0c;计算机科学与技术学院&#xff0c;智能教育研究院的小怪兽会微笑。 介绍 BrainGPT1是一个工具调用多轮对话模型&#xff0c;与G…
阅读更多...
[机器学习]GPT LoRA 大模型微调，生成猫耳娘

[机器学习]GPT LoRA 大模型微调，生成猫耳娘

往期热门专栏回顾 专栏描述Java项目实战介绍Java组件安装、使用&#xff1b;手写框架等Aws服务器实战Aws Linux服务器上操作nginx、git、JDK、VueJava微服务实战Java 微服务实战&#xff0c;Spring Cloud Netflix套件、Spring Cloud Alibaba套件、Seata、gateway、shadingjdbc…
阅读更多...
BU01板卡引脚

BU01板卡引脚

概述 BU01 是一款高速采集卡&#xff0c;主要用于高带宽数据采集及传输&#xff0c;应用领域多为数据中 心及数据采集领域。 端口提供60Gbps 传输带宽&#xff0c;可兼容2 个SFP万兆网口&#xff0c;和1 个40GE QSFP 光 口。和主机通信采用的是PCIE 2.0 x8 模式&#xff0c;最…
阅读更多...
C++哈希的应用：位图 布隆过滤器 哈希切割

C++哈希的应用：位图 布隆过滤器 哈希切割

目录 位图 bitset 构造空间 将某个位变为0 将某个位变为1 检查是否存在 完整代码 拓展问题一 ​编辑 拓展问题二 布隆过滤器 判断是否存在 使用场景 哈希切割 拓展问题一 拓展问题二 位图 问题&#xff1a;有四十个亿未排序的不重复的无符号整数&#xff0c;此…
阅读更多...
算法导论 总结索引 | 第三部分 第十四章：数据结构的扩张

算法导论 总结索引 | 第三部分 第十四章：数据结构的扩张

1、通过存储 额外信息的方法来扩张一 种标准的数据结构&#xff0c;然后对这种数据结构&#xff0c;编写新的操作来支持所需的应用。因为添加的信息 必须要能被该数据结构上的常规操作更新和维护 2、通过扩张红黑树构造出的两种数据结构&#xff1a;14.1介绍 一种支持一般动态…
阅读更多...
对boot项目拆分成cloud项目的笔记

对boot项目拆分成cloud项目的笔记

引言&#xff1a;这里我用的是新版本的技术栈 spring-boot-starter-parent >3.2.5 mybatis-spring-boot-starter >3.0.3 mybatis-plus-boot-starter >3.5.5 spring-cloud-dependencies …
阅读更多...
给Docker一个辈分(备份）,免得无后...

给Docker一个辈分(备份）,免得无后...

定期备份所有 Docker 镜像 Linux 脚本 创建一个名为 backup_all_docker_images.sh 的脚本文件&#xff0c;内容如下&#xff1a; #!/bin/bash# 定义变量 BACKUP_DIR"/backup/docker" TIMESTAMP$(date "%Y%m%d%H%M") BACKUP_FILE"${BACKUP_DIR}/doc…
阅读更多...
vx小程序初学

vx小程序初学

小程序初学 在我还没接触到微信小程序之前&#xff0c;通常使用轮播要么手写或使用swiper插件去实现&#xff0c;当我接触到微信小程序之后&#xff0c;我看到了微信小程序的强大之处&#xff0c;让我为大家介绍一下吧&#xff01; swiper与swiper-item一起使用可以做轮播图 …
阅读更多...
Facebook开户 | Facebook二不限户

Facebook开户 | Facebook二不限户

Facebook二不限户的正确使用方法 Facebook 二不限是指 Facebook 国内二不限户&#xff0c;是通过代理开出来的一种特殊账户&#xff0c;️需要广告主准备主页。 其特点是&#xff1a;限主页、不限域名、额度没解限&#xff0c;解限后则不限额度。 相比于三不限户&#xff0c;…
阅读更多...
Keras 3.0强势回归，助力深度学习

Keras 3.0强势回归，助力深度学习

大家好&#xff0c;Keras的简洁代码风格一直受到开发者的青睐&#xff0c;自从Keras宣布支持Pytorch和Jax后&#xff0c;开发者们迎来了新的选择。 本文将介绍Keras 3.0的实用技巧&#xff0c;以一个典型的编码器-解码器循环神经网络为例&#xff0c;展示如何利用子类化API构建…
阅读更多...
【Ubuntu】100 系统字体安装和更改

【Ubuntu】100 系统字体安装和更改

系统&#xff1a;Ubuntu18.04LTS 1 Why we need&#xff1f; 写这篇经验贴的原因&#xff1a; ①我需要装一下中文字体&#xff08;Qt要用&#xff09;&#xff1b; ②想调一下字体大小和默认中文字体的样式 2 装第三方字体 Step1&#xff1a;安装软件Font Manager sudo ap…
阅读更多...
AI数据分析：用kimi生成一个正弦波数学动画

AI数据分析：用kimi生成一个正弦波数学动画

正弦波公式: ƒ(x) a * sin(x x0) b 公式中&#xff1a; a: 决定正弦函数振动幅度的大小&#xff1b; x0:表示x开始比0拖后的弧度值&#xff1b; b&#xff1a;表示函数偏离X轴的距离&#xff1b; 对于难以理解的学生来说&#xff0c;可以用动画把这个公式直观的展现出…
阅读更多...
数据结构05：树与二叉树 习题02[C++]

数据结构05：树与二叉树 习题02[C++]

考研笔记整理&#xff0c;本篇作为二叉树的入门习题&#xff0c;供小伙伴们参考~&#x1f95d;&#x1f95d; 之前的博文链接在此&#xff1a;数据结构05&#xff1a;树与二叉树[C]-CSDN博客~&#x1f95d;&#x1f95d; 第1版&#xff1a;王道书的课后习题~&#x1f9e9;&am…
阅读更多...
最新文章

Copyright @ 2022~2023