【读书笔记】 《流畅的python》 2.9 当列表不是首选时 读书笔记

《流畅的python》读书笔记 《流畅的python》这本书值得推荐,认真读完2篇,对python的理解提高一大截。本书属于python进阶书,不适合入门读物。另外还有2本进阶书《python cookbook》和《Effective Python:编写高质量Python代码的59个有效方法》。下面是本书的读书笔记,其他2本后面陆续补充。 阅读详情

《流畅的python》 2.9 当列表不是首选时 读书笔记

虽然列表既灵活又简单,但面对各类需求时,我们可能会有更好的选择。比如,要存放 1000 万个浮点数的话,数组(array)的效率要高得多,因为数组在背后存的并不是 float 对象,而是数字的机器翻译,也就是字节表述。
如果需要频繁对序列做先进先出的操作,deque(双端队列)的速度应该会更快。
如果在你的代码里,包含操作(比如检查一个元素是否出现在一个集合中)的 频率很高,用 set(集合)会更合适。set 专为检查元素是否存在做过优化。但是它 并不是序列,因为 set 是无序的。
一、数组
如果我们需要一个只包含数字的列表,那么 array.array 比 list 更高效。数组支持所 有跟可变序列有关的操作,包括 .pop、.insert 和 .extend。另外,数组还提供从文件 读取和存入文件的更快的方法,如 .frombytes 和 .tofile。
例子:从创建一个有 1000 万个随机浮点数的数组开始,到如何把这个数组存放 到文件里,再到如何从文件读取这个数组。

from array import array  # 引入 array 类型。
from random import random
floats = array('d', (random() for i in range(10 ** 7)))  # 利用一个可迭代对象来建立一个双精度浮点数组(类型码是 'd'),这里我们用的可迭代对象是一个生成器表达式。
print(floats[-1])  # 查看数组的最后一个元素。
fp = open('floats.bin', 'wb')
floats.tofile(fp)  # 把数组存入一个二进制文件里。
fp.close()
floats2 = array('d')  # 新建一个双精度浮点空数组。
fp = open('floats.bin', 'rb')
floats2.fromfile(fp, 10**7)  # 把1000万个浮点数从二进制文件里读取出来。
fp.close()
print(floats2[-1])  # 查看新数组的最后一个元素。
if floats2 == floats:  # 检查两个数组的内容是不是完全一样。
    print(True)
else:
    print(False)

从上面的代码我们能得出结论,array.tofile 和 array.fromfile 用起来很简单。
把 这段代码跑一跑,你还会发现它的速度也很快。一个小试验告诉我,用 array.fromfile 从一个二进制文件里读出 1000 万个双精度浮点数只需要 0.1 秒,这比从文本文件里读取 的速度要快 60 倍,因为后者会使用内置的 float 方法把每一行文字转换成浮点数。另 外,使用 array.tofile 写入到二进制文件,比以每行一个浮点数的方式把所有数字写 入到文本文件要快 7 倍。另外,1000 万个这样的数在二进制文件里只占用 80 000 000 个 字节(每个浮点数占用 8 个字节,不需要任何额外空间,如果是文本文件的话,我们需 要 181 515 739 个字节。
另外一个快速序列化数字类型的方法是使用 pickle模块。pickle.dump 处理浮点 数组的速度几乎跟 array.tofile 一样快。不过前者可以处理几乎所有的内置数字 类型,包含复数、嵌套集合,甚至用户自定义的类。

列表数组
s.__add(s2)__••s + s2,拼接
s.__iadd(s2)__••s += s2,就地拼接
s.append(e)••在尾部添加一个元素
s.byteswap•翻转数组内每个元素的字节序列,转换字节序
s.clear()•删除所有元素
s.__contains__(e)••s 是否含有 e
s.copy()•对列表浅复制
s.__copy__()•对 copy.copy 的支持
s.count(e)••s 中 e 出现的次数
s.__deepcopy__()•对 copy.deepcopy 的支持
s.__delitem__(p)••删除位置 p 的元素
s.extend(it)••将可迭代对象 it 里的元素添加到尾部
s.frombytes(b)•将压缩成机器值的字节序列读出来添加到尾部
s.fromfile(f, n)•将二进制文件 f 内含有机器值读出来添加到尾部,最多添加 n 项
s.fromlist(l)•将列表里的元素添加到尾部,如果其中任何一个元素导致了 TypeError 异 常,那么所有的添加都会取消
s.__getitem__(p)••s[p],读取位置 p 的元素
s.index(e)••找到 e 在序列中第一次出现的位置
s.insert(p, e)••在位于 p 的元素之前插入元素 e
s.itemsize•数组中每个元素的长度是几个字节
s.__iter__()••返回迭代器
s.__len__()••len(s),序列的长度
s.__mul__(n)••s * n,重复拼接
s.__imul__(n)••s *= n,就地重复拼接
s.__rmul__(n)••n * s,反向重复拼接*
s.pop([p])••删除位于 p 的值并返回这个值,p 的默认值是最后一个元素的位置
s.remove(e)••删除序列里第一次出现的 e 元素
s.reverse()••就地调转序列中元素的位置
s.__reversed__()•返回一个从尾部开始扫描元素的迭代器
s.__setitem__(p, e)••s[p] = e,把位于 p 位置的元素替换成 e
s.sort([key], [revers])•就地排序序列,可选参数有 key 和 reverse
s.tobytes()•把所有元素的机器值用 bytes 对象的形式返回
s.tofile(f)•把所有元素以机器值的形式写入一个文件
s.tolist()•把数组转换成列表,列表里的元素类型是数字对象
s.typecode•返回只有一个字符的字符串,代表数组元素在 C 语言中的类型

从 Python 3.4 开始,数组类型不再支持诸如 list.sort() 这种就地排序方法。要给 数组排序的话,得用 sorted 函数新建一个数组:

a = array.array(a.typecode, sorted(a))

想要在不打乱次序的情况下为数组添加新的元素,bisect.insort 还是能派上用场

二、内存视图
memoryview 是一个内置类,它能让用户在不复制内容的情况下操作同一个数组的不同切 片。
内存视图其实是泛化和去数学化的 NumPy 数组。它让你在不需要复制内容的前提 下,在数据结构之间共享内存。其中数据结构可以是任何形式,比如 PIL图片、 SQLite 数据库和 NumPy 的数组,等等。这个功能在处理大型数据集合的时候非常重 要。
memoryview.cast 的概念跟数组模块类似,能用不同的方式读写同一块内存数据,而且 内容字节不会随意移动。这听上去又跟 C 语言中类型转换的概念差不 多。memoryview.cast 会把同一块内存里的内容打包成一个全新的 memoryview 对象给 你。
通过改变数组中的一个字节来更新数组里某个元素的值:

numbers = array('h', [-2, -1, 0, 1, 2])  # 利用含有 5 个短整型有符号整数的数组(类型码是 'h')创建一个 memoryview
memv = memoryview(numbers)
print(len(memv))
print(memv[0])  # memv 里的 5 个元素跟数组里的没有区别。
memv_oct = memv.cast('B')  # 创建一个 memv_oct,这一次是把 memv 里的内容转换成 'B' 类型,也就是无符号字 符。
print(memv_oct.tolist())  # 以列表的形式查看 memv_oct 的内容。
memv_oct[5] = 4  # 把位于位置 5 的字节赋值成 4。
print(numbers)  # 因为我们把占 2 个字节的整数的高位字节改成了 4,所以这个有符号整数的值就变成 了 1024。

运行结果:

5
-2
[254, 255, 255, 255, 0, 0, 1, 0, 2, 0]
array('h', [-2, -1, 1024, 1, 2])

三、 NumPy和SciPy
NumPy 实现了多维同质数组(homogeneous array)和矩阵,这些数据结构不但能处理 数字,还能存放其他由用户定义的记录。通过 NumPy,用户能对这些数据结构里的元素 进行高效的操作。
SciPy 是基于 NumPy 的另一个库,它提供了很多跟科学计算有关的算法,专为线性代数、 数值积分和统计学而设计。
对 numpy.ndarray 的行和列进行基本操作:

import numpy  # 安装 NumPy 之后,导入它(NumPy 并不是 Python 标准库的一部分)
a = numpy.arange(12)  # 新建一个 0~11 的整数的 numpy.ndarry,然后把它打印出来。
print(a)
print(type(a))
print(a.shape)  # 看看数组的维度,它是一个一维的、有 12 个元素的数组。
a.shape = 3, 4  # 把数组变成二维的,然后把它打印出来看看。
print(a)
print(a[2])  # 打印出第 2 行。  ? 应为第三行  
print(a[2, 1])  # 打印第 2 行第 1 列的元素。  ? 应为第三行 
print(a[:, 1])  # 把第 1 列打印出来。  ? 应为第二列
print(a.transpose())  # 把行和列交换,就得到了一个新数组。

运行结果:

[ 0  1  2  3  4  5  6  7  8  9 10 11]
<class 'numpy.ndarray'>
(12,)
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[ 8  9 10 11]
9
[1 5 9]
[[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]]

NumPy 也可以对 numpy.ndarray 中的元素进行抽象的读取、保存和其他操作。
四、双向队列和其他形式的队列
利用 .append 和 .pop 方法,我们可以把列表当作栈或者队列来用(比如,把 .append 和 .pop(0) 合起来用,就能模拟栈的“先进先出”的特点)。但是删除列表的第一个元素 (抑或是在第一个元素之前添加一个元素)之类的操作是很耗时的,因为这些操作会牵扯 到移动列表里的所有元素。
collections.deque 类(双向队列)是一个线程安全、可以快速从两端添加或者删除元 素的数据类型。而且如果想要有一种数据类型来存放“最近用到的几个元素”,deque 也是 一个很好的选择。这是因为在新建一个双向队列的时候,你可以指定这个队列的大小,如 果这个队列满员了,还可以从反向端删除过期的元素,然后在尾端添加新的元素。

使用双向队列:

from collections import deque
dq = deque(range(10), maxlen=10)  # maxlen 是一个可选参数,代表这个队列可以容纳的元素的数量,而且一旦设定,这个 属性就不能修改了。
print(dq)
dq.rotate(3)  # 队列的旋转操作接受一个参数 n,当 n > 0 时,队列的最右边的 n 个元素会被移动到 队列的左边。当 n < 0 时,最左边的 n 个元素会被移动到右边。
print(dq)
dq.rotate(-4)
print(dq)
dq.appendleft(-1)  # 当试图对一个已满(len(d) == d.maxlen)的队列做尾部添加操作的时候,它头部 的元素会被删除掉。注意在下一行里,元素 0 被删除了。
print(dq)
dq.extend([11, 22, 33])  # 在尾部添加 3 个元素的操作会挤掉 -1、1 和 2。
print(dq)
dq.extendleft([10, 20, 30, 40])  # extendleft(iter) 方法会把迭代器里的元素逐个添加到双向队列的左边,因此迭代 器里的元素会逆序出现在队列里。
print(dq)

运行结果:

deque([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen=10)
deque([7, 8, 9, 0, 1, 2, 3, 4, 5, 6], maxlen=10)
deque([1, 2, 3, 4, 5, 6, 7, 8, 9, 0], maxlen=10)
deque([-1, 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen=10)
deque([3, 4, 5, 6, 7, 8, 9, 11, 22, 33], maxlen=10)
deque([40, 30, 20, 10, 3, 4, 5, 6, 7, 8], maxlen=10)

1.双向队列实现了大部分列表所拥有的方法,也有一些额外的符合自身设计的方法,比如说 popleft 和 rotate。但是为了实现这些方法,双向队列也付出了一些代价,从队列中间 删除元素的操作会慢一些,因为它只对在头尾的操作进行了优化。
2.append 和 popleft 都是原子操作,也就说是 deque 可以在多线程程序中安全地当作先 进先出的栈使用,而使用者不需要担心资源锁的问题。
3.queue 提供了同步(线程安全)类 Queue、LifoQueue 和 PriorityQueue,不同的线程可以利用这些数据类型来交换信息。这三个类的构造方法都有一个可选参数 maxsize,它接收正整数作为输入值,用来限定队列的大小。但是在满员的时候,这些类不会扔掉旧的元素来腾出位置。相反,如果队列满了,它就会被锁住,直到另外的线程移除了某个元素而腾出了位置。这一特性让这些类很适合用来控制活跃线程的数量。
4.multiprocessing 这个包实现了自己的 Queue,它跟 queue.Queue 类似,是设计给进程间通信用的。 同时还有一个专门的 multiprocessing.JoinableQueue 类型,可以让任务管理变得更 方便。
5. asyncio Python 3.4 新提供的包,里面有 Queue、LifoQueue、PriorityQueue 和 JoinableQueue,这些类受到 queue 和 multiprocessing 模块的影响,但是为异步编 程里的任务管理提供了专门的便利。
6.heapq 没有队列类,而是提供了 heappush 和 heappop 方法,让用户可以把可变序列当作堆队列或者优先队列来使用。

《流畅的Python》读书笔记(二) 更专业点-《流畅的Python》读书笔记(二)第2章 序列构成的数组python标准库用C实现了丰富的序列类型列表推导和生成器表达式元组不仅仅是不可变的列表切片序列运算符几个重要的模块当列表不是首选时 第2章 序列构成的数组 python标准库用C实现了丰富的序列类型 可分类成: 容器序列(存放对象的引用),如:list、tuple和collections.deque 扁平序列(存放的是值,是一... 阅读详情

相关推荐

从零搭建uniapp+vue3+ts+tailwindcss多端兼容开发环境

本文详细介绍了如何从零搭建uniapp+vue3+ts+tailwindcss多端兼容开发环境,包括环境准备、TailwindCSS集成、小程序兼容性解决方案以及样式优化技巧。通过实战步骤和常见问题解答,帮助开发者快速掌握这套技术栈,提升开发效率。

weixin_28693309的博客 325

[numpy]构建ndarray: array,asarray,fromfile,loadtxt,fromiter

本期介绍的函数: 文章目录从列表生成ndarray1. 基本操作:2. 指定维度3. 指定数据类型array和asarray的区别fromfile和loadtxt常用参数解释fromiter 从列表生成ndarray 1. 基本操作: list=[[1,2,3],[4,5,6]] a=np.array(list) # output # array([[1, 2, 3], # [4, 5...

thompson的博客 482

新手避坑指南:用Silvaco Atlas搞定GaN HEMT电热仿真的完整流程(附代码解读)

本文详细介绍了使用Silvaco Atlas进行GaN HEMT电热特性仿真的完整流程,特别针对新手常见问题提供避坑指南。从软件环境配置、结构定义、网格划分到物理模型设置,逐步解析关键步骤,并附有代码解读和调试技巧,帮助读者快速掌握GaN器件仿真的核心技术。

weixin_29215815的博客 598

python进阶学习笔记-数组array用法

数组 如果我们需要一个只包含数字的列表,那么 array.array 比 list 更高效。数组支持所有跟可变序列有关的操作,包括 .pop、.insert 和 .extend。另外,数组还提供从文件读取和存入文件的更快的方法,如 .frombytes 和 .tofile。 创建数组需要一个类型码,这个类型码用来表示在底层的 C 语言应该存放怎样的数据类型。比如 b 类型码代表的是有符号的字符(s...

sinat_41395907的博客 7378

运行openclaw gateway install时出现Gateway install failed: Error: schtasks create failed的解决方案

本文主要介绍了运行openclaw gateway install时出现Gateway install failed: Error: schtasks create failed的解决方案,希望能对学习和使用openclaw的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 11万+

Halcon 深度学习实战:PCB 缺陷检测模型的 TensorRT/OpenVino 加速推理

本文介绍了如何利用TensorRT和OpenVino对Halcon深度学习模型进行加速优化,以提升PCB缺陷检测系统的实时性能。文章详细阐述了模型加速框架的选择策略(根据硬件选用TensorRT或OpenVino)、优化流程实施(包括混合精度优化和模型导出)以及加速后的推理实现。实验结果表明,优化后的模型体积缩小40%,推理速度提升2-5倍(GPU环境下从79ms降至38ms,CPU环境下从3804ms降至2152ms),同时保持检测精度。通过完整的代码示例展示了从模型加速到实际部署的全流程,为工业视觉场景

LIN943168247的博客 538

python numpy中fromfile函数的使用

def fromfile(file, dtype=None, count=-1, sep=''): # real signature unknown; restored from __doc__ """ fromfile(file, dtype=float, count=-1, sep='') Construct an array from data in a text or binary file. #从文本或二进制文件中的数据构造一个数组。 .

qq_43668591的博客 6518

在 SAP GUI Editor 中使用 OpenAI 自动生成 ABAP 代码 —— 技术实践与思考

在传统 SAP GUI Editor 场景下融入OpenAI开发者表达意图,模型负责实现。随着的持续演进,以及Joule等官方 Copilot 的加入,未来 ABAP 开发形态必将更加专注业务逻辑与架构设计,而把样板式编码交给 AI 自动完成。现在就动手试试,让你的下一段 ABAP 由 AI 来书写吧!

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 710

Python 3.7.1 模块 数据类型 高效的数值数组 array

结构1. 明确数组类型2. 定义class array.array(typecode[, initializer])3.方法和常量3.1 常量array.typecodes 常量3.2 方法array.typecodearray.itemsizearray.append(x)array.buffer_info()array.byteswap()array.count(x)array.extend(...

百年da孤独 的专栏 1619

js逆向-逆向部分技巧总结

js逆向-逆向部分技巧总结

Deng872347348的博客 2134

部署与可视化系统:移动端跟踪系统:YOLOv8 + ByteTrack 结合 Android CameraX 实现实时行人计数 App

本文详细介绍了在Android移动端实现实时行人检测、跟踪与计数系统的完整方案。系统采用YOLOv8+ByteTrack技术栈,基于NCNN推理引擎,无需云端算力即可在手机端侧完成全流程处理。文章从技术选型、系统架构、CameraX集成等多个维度进行深入解析,重点阐述了移动端部署面临的工程挑战和优化策略。通过四层管道模型设计,实现了从图像采集到目标跟踪的高效处理流程,并采用C++ NDK开发确保性能。该系统在中端手机上可达到10FPS,旗舰机型可达30FPS,为移动端实时目标跟踪提供了可落地的解决方案。

ZXSXJ的博客 95

Python学习笔记(八)—— Array

array.array, memoryview, numpy.ndarray

998

如何提高电路的抗干扰能力

本内容详细介绍了电源传导干扰处理,包括滤波、Feedthrough电容器、磁环、磁珠、屏蔽的使用与选型,EMC电磁兼容测试项目简介与要求,单片机与电源抗干扰处理等。

让你爱上电路设计 8609

流畅的python读书笔记_流畅的Python_读书笔记(一)

这周正式开始阅读另一本Python的书籍《流畅的Python》,这周阅读的部分有Python数据模型、序列构成的数组和字典和集合。下面分享我的读书笔记。首先书中用一个简单的代码展示了如何实现__getitem__和__len__特殊方法。针对上述代码,我最大的启发就是Python特殊方法真的很有用。通过实现__getitem__和__len__特殊方法,我们直接可以用len()计算卡片的长度,而且...

weixin_39790760的博客 288

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

[读书笔记]流畅的Python(Fluent Python)

指的是,在计算机语言中添加某种语法,这种语法能使程序员更方便的使用语言开发程序,同时增强程序代码的可读性,避免出错的机会;作者从Python的特性角度出发,以Python的数据模型和特殊方法为主线,主要介绍了python的集合类型(sequence、mapping、set等)、把函数作为一等对象来使用、类的构建、新的文件控制流程(生成器、上下文管理器、协程)、用描述符来从底层解释Python对象属性的存储等各个方面。可以看一看官网教程,做一做里面的例子,如果感觉吃力,那么就是新手了。

jggnice的博客 365

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

[读书笔记]流畅的python-一等函数

流畅的python-一等函数高阶函数map、filter、reduce、列表推导 在python中函数是一等对象。 一等对象定义 在运行时创建 能赋值给变量或数据结构中的元素 能作为参数传给函数 能作为函数的返回结果 一等函数意味着可以使用函数式风格编程 高阶函数 定义:接受函数为参数,或者把函数作为结果返回的函数。例如map函数,sorted函数。 map、filter、reduce、列表推导 map,filter和列表推导的例子 >>> list(map(fact, range(6

shuaziii的博客 311

《流畅的Python》读书笔记01: 开启“流畅的Python”之旅

流畅的Python》()由巴西Python专家所著,豆瓣评分高达9.4分,是Python进阶领域的必读经典。由奋战在Python开发一线近20年的Luciano Ramalho执笔,Victor Stinner、Alex Martelli等Python大咖担纲技术审稿人,从语言设计层面剖析编程细节,兼顾Python 3和Python 2,告诉你Python中不亲自动手实践就无法理解的语言陷阱成因和解决之道,教你写出风格地道的Python代码。

2870

流畅的Python读书笔记

流畅的Python

weixin_43420691的博客 1818

【python】《流畅的python》读书笔记之第1-2章

流畅的python》是还在上学时就被安利的一本奇书,马克了很久一直没机会系统拜读。最近碰巧偶得第二版的pdf。经济周期的下行阶段正是用来学习充电的,于是乎打算捡起荒废许久的blog,读读书,写写字,蓄势待东风。

玄云飘风的博客 565

《流畅的Python第二版》读书笔记——序列数组

主要介绍了常见的序列类型。

日积月累,天道酬勤 1075

《流畅的Python》——读书笔记(2)

第四部分 面向对象惯用法 第8章 对象引用、可变性与垃圾回收 变量不是盒子:变量保存的是“便利贴”,贴在对象上;赋值语句右边先执行; 标识、相等性和别名:id()返回对象唯一的数值标注; is和==之间的区别:比较id()和对象保存的数据。==更常出现,因为通常更关心数据 元组的相对不可变性:a = (1, (2,3), [4, 5])时,a[-1].append(6)是合法的,因为未改变a[...

aruihuang的博客 222

流畅的python读书笔记②:序列构成的数组

文章目录2.1 内置序列类型按存放数据类型分类按是否能被修改来分类2.2 列表推导和生成器表达式2.2.1 列表推导和可读性代码2-1 把一个字符串变成Unicode码位的列表声明 2.1 内置序列类型 按存放数据类型分类 容器序列——存放的是它们所包含的任意类型的对象的引用,有:list(列表)、tuple (元组)和 collections.deque (双向列表)。 扁平序列——存放具体的值,显然,扁平序列更加紧凑,但是其仅能存放如字符、字节、数值等基础数据类型,有:str(字符串)、bytes(字

fishfuck的博客 305

【读书笔记】《流畅的python》2.4切片 2021-09-01

《流畅的python》2.4切片 读书笔记 在 Python 里,像列表(list)、元组(tuple)和字符串(str)这类序列类型都支持切片操作,但是实际上切片操作比人们所想象的要强大很多。 一、为什么切片和区间会忽略最后一个元素 1.当只有最后一个位置信息时,我们也可以快速看出切片和区间里有几个元素:range(3) 和 my_list[:3] 都返回 3 个元素。 2…当起止位置信息都可见时,我们可以快速计算出切片和区间的长度,用后一个数减去第一个下标(stop - start)即可。 3.这样

TengTesting的博客 166

流畅的Python读书笔记(四)序列:序列的运算及陷阱

文章介绍了Python中关于序列运算,如`+,*,+=,*=`的一些细节和注意点,重点讲述了+=运算符作用于嵌套序列时的一个谜团,同时引用了其他两篇关于Python中引用的文章。

m0_52339560的博客 594

看流畅的python感觉有难度_《流畅的Python》读书笔记

第一部分:序幕第1章:Python数据模型通过实现特殊方法,自定义数据类型可以表现得和内置类型一样;__repr__方便调试和记录日志,__str__方便用户看;序列数据类型特殊方法使用最多;第二部分:数据结构第2章:序列构成的数组系列类型可分为 可变和不可变、扁平序列和容器序列;列表推导生成器表达式提供了灵活构建和初始化序列的方式;元组、切片、array.array、collections.de...

weixin_39580682的博客 234
上一篇: 【读书笔记】 《流畅的python》2.7-2.8 读书笔记
下一篇: 【读书笔记】 《流畅的python》3.1-3.4 读书笔记
TengTesting
博客等级 码龄6年 4粉丝 15原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值