<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_73581472的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_73581472</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_73581472]]></copyright><item><title><![CDATA[Python中使用f-string进行格式化输出]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/147097496</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/147097496</guid><author>m0_73581472</author><pubDate>Wed, 09 Apr 2025 16:51:05 +0800</pubDate><description><![CDATA[在Python中使用f-string进行格式化输出时，可通过特定的语法符号实现左对齐、右对齐和保留小数等操作。]]></description><category></category></item><item><title><![CDATA[蓝桥杯备考神器！题库电子资料 PDF 代码]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/146328417</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/146328417</guid><author>m0_73581472</author><pubDate>Mon, 17 Mar 2025 23:02:53 +0800</pubDate><description><![CDATA[蓝桥杯]]></description><category></category></item><item><title><![CDATA[ NumPy 函数用法详解：np.full 和 np.concatenate]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/146301418</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/146301418</guid><author>m0_73581472</author><pubDate>Sun, 16 Mar 2025 21:03:07 +0800</pubDate><description><![CDATA[np.full：快速生成固定值数组，适用于初始化或占位 [[3]][[8]]。：灵活合并数组，需注意形状和轴方向的匹配 [[7]][[9]]。通过这两个函数，可以高效完成数组的创建与操作，是科学计算和数据分析中的常用工具。]]></description><category></category></item><item><title><![CDATA[Python正则表达式完全指南：从入门到精通]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/146164912</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/146164912</guid><author>m0_73581472</author><pubDate>Mon, 10 Mar 2025 21:45:21 +0800</pubDate><description><![CDATA[正则表达式（Regular Expression）是用于匹配和处理文本的强大工具，通过特定语法规则实现：文本搜索与匹配数据验证（邮箱、电话等）文本替换与清洗复杂模式提取文本分割Python通过内置的re模块提供正则支持，我们先导入模块：python复制import re。]]></description><category></category></item><item><title><![CDATA[pandas——to_datatime用法]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/146118295</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/146118295</guid><author>m0_73581472</author><pubDate>Sat, 08 Mar 2025 16:30:18 +0800</pubDate><description><![CDATA[通过format参数显式指定日期格式（提升解析效率）：Python复制date_str = "08-03-2024" # 格式为 DD-MM-YYYYprint(date) # 输出：2024-03-08 00:00:00引用。]]></description><category></category></item><item><title><![CDATA[集合中difference和difference_update方法的区别]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/146116568</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/146116568</guid><author>m0_73581472</author><pubDate>Sat, 08 Mar 2025 14:55:26 +0800</pubDate><description><![CDATA[difference() 方法用于返回集合的差集，即返回的集合元素包含在第一个集合中，但不包含在第二个集合中” [[8]]。“difference_update 会直接修改原集合，移除与另一个集合的交集” [[10]]。“取出两个集合的差集：集合1.difference(集合2)” [[4]][[7]]。“消除差集后，集合1结果：{2, 3}” [[7]]。可用于节省内存（避免创建新集合）[[10]]。：返回两个集合的差集（即仅保留。]]></description><category></category></item><item><title><![CDATA[知识卡片1——pandas——data.info( )]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/146046667</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/146046667</guid><author>m0_73581472</author><pubDate>Wed, 05 Mar 2025 16:34:54 +0800</pubDate><description><![CDATA[是 Pandas 库中的一个方法，用于快速查看 DataFrame 的基本信息。它可以帮助你了解数据集的结构、数据类型以及是否存在缺失值等关键信息。这个方法在数据分析和数据清洗阶段非常有用。]]></description><category></category></item><item><title><![CDATA[sort_values、sort 和 sorted 的区别与用法详解]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145864968</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145864968</guid><author>m0_73581472</author><pubDate>Tue, 25 Feb 2025 22:54:13 +0800</pubDate><description><![CDATA[特性sortsorted适用对象Pandas 的Series或DataFrame列表（list任何可迭代对象是否修改原数据默认不修改（可通过修改）直接修改原列表不修改原数据返回值排序后的新对象无返回值（原地修改）排序后的新对象复杂排序支持支持按列或多列排序不支持复杂排序支持自定义排序规则（通过key性能高效处理大规模数据适合小规模列表更通用，但可能稍慢：Pandas 专用，适合处理表格数据。sort：列表专用，原地排序。sorted：通用性强，适合所有可迭代对象，且不修改原数据。]]></description><category></category></item><item><title><![CDATA[ Python 3.11 69 个内置函数（完整版）]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145864695</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145864695</guid><author>m0_73581472</author><pubDate>Tue, 25 Feb 2025 22:40:37 +0800</pubDate><description><![CDATA[调试断点（Python 3.7+）返回对象唯一标识符（内存地址）退出程序（交互式环境专用）返回对象可打印的字符串表示。判断对象是否是某类型实例。判断类是否是某类的子类。并行遍历多个可迭代对象。列出对象所有属性和方法。返回对象官方字符串表示。判断可迭代对象是否全为。判断可迭代对象是否存在。动态导入模块（底层实现。转换为十六进制字符串。对可迭代对象应用函数。]]></description><category></category></item><item><title><![CDATA[数据分析——Pandas 中的 apply() 函数]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145863989</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145863989</guid><author>m0_73581472</author><pubDate>Tue, 25 Feb 2025 22:02:37 +0800</pubDate><description><![CDATA[apply()对数据集的某一部分（行、列、分组）执行自定义函数，并将结果自动整合返回。调用对象行为Series对每个元素执行函数DataFrame对每列（默认axis=0）或每行（axis=1）执行函数GroupBy 对象对每个分组执行函数，结果自动合并核心价值apply()的灵活性使其成为处理复杂逻辑的首选工具。最佳实践：优先使用向量化操作，仅在必要时使用apply()。进阶方向：结合lambda、自定义函数和分组操作，解决真实业务问题。通过本文的学习，你应该能熟练使用apply()]]></description><category></category></item><item><title><![CDATA[Python Seaborn库使用指南：从入门到精通]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145840310</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145840310</guid><author>m0_73581472</author><pubDate>Mon, 24 Feb 2025 22:39:12 +0800</pubDate><description><![CDATA[本文详细介绍了 Seaborn 的基本概念、常用功能以及高级用法。通过学习本文，你应该能够熟练使用 Seaborn 进行数据可视化。如果你希望进一步提升数据可视化能力，可以探索 Matplotlib、Plotly 等其他可视化库。📊。]]></description><category></category></item><item><title><![CDATA[Python NumPy库使用指南：从入门到精通]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145840259</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145840259</guid><author>m0_73581472</author><pubDate>Mon, 24 Feb 2025 22:36:19 +0800</pubDate><description><![CDATA[本文详细介绍了 NumPy 的基本概念、常用功能以及高级用法。通过学习本文，你应该能够熟练使用 NumPy 进行数值计算和数据分析。如果你希望进一步提升科学计算能力，可以探索 Pandas、Matplotlib、SciPy 等库的结合使用。🧮。]]></description><category></category></item><item><title><![CDATA[Python Pandas库使用指南：从入门到精通]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145840220</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145840220</guid><author>m0_73581472</author><pubDate>Mon, 24 Feb 2025 22:33:31 +0800</pubDate><description><![CDATA[本文详细介绍了 Pandas 的基本概念、常用功能以及高级用法。通过学习本文，你应该能够熟练使用 Pandas 进行数据处理和分析。如果你希望进一步提升数据分析能力，可以探索 NumPy、Matplotlib、Seaborn 等库的结合使用。📊。]]></description><category></category></item><item><title><![CDATA[Python Matplotlib库使用指南：从入门到精通]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145840138</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145840138</guid><author>m0_73581472</author><pubDate>Mon, 24 Feb 2025 22:29:44 +0800</pubDate><description><![CDATA[Matplotlib 提供了多种内置样式，也可以自定义样式。Python复制# 使用内置样式# 数据# 创建图形# 添加标题和标签# 显示图例# 显示图形plt.show()'default''classic''ggplot''seaborn'本文详细介绍了 Matplotlib 的基本概念、常用功能以及高级用法。通过学习本文，你应该能够熟练使用 Matplotlib 绘制各种类型的图表，并根据需求进行个性化定制。]]></description><category></category></item><item><title><![CDATA[Python 爬虫入门：从基础到实战]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145717653</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145717653</guid><author>m0_73581472</author><pubDate>Wed, 19 Feb 2025 00:17:32 +0800</pubDate><description><![CDATA[定义：爬虫是一种自动化程序，用于从互联网上抓取数据。用途数据采集（如新闻、商品信息）数据分析（如市场趋势、用户行为）自动化任务（如监控网站更新）通过以上内容，你已经掌握了 Python 爬虫的基础知识和实战技巧。接下来可以尝试更多复杂的项目，如爬取电商网站、社交媒体数据等。祝你学习愉快！如果有任何问题，欢迎随时提问！希望这篇整理后的文章能够满足你的需求！如果还有其他修改意见，比如增加更多细节、调整格式等，随时告诉我。]]></description><category></category></item><item><title><![CDATA[（蓝桥杯——10. 小郑做志愿者）洛斯里克城志愿者问题详解]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145714448</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145714448</guid><author>m0_73581472</author><pubDate>Tue, 18 Feb 2025 22:21:12 +0800</pubDate><description><![CDATA[小郑是一名大学生，她决定通过做志愿者来增加自己的综合分。她的任务是帮助游客解决交通困难的问题。洛斯里克城是一个六朝古都，拥有 N 个区域和古老的地铁系统。地铁线路覆盖了树形结构上的某些路径，游客会询问两个区域是否可以通过某条地铁线路直达，以及有多少条这样的线路。小郑需要快速回答这些问题，否则可能会失去志愿者工时。每条地铁线路覆盖了树上某两点之间的最短路径。对于任意两点 u 和 v，可以通过向上跳转的方式找到它们的最近公共祖先（LCA）。希望这篇文章能帮助你理解这道题的解法！如果还有疑问，请随时提问！]]></description><category></category></item><item><title><![CDATA[（算法基础——树）——python树结构使用指南]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145694003</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145694003</guid><author>m0_73581472</author><pubDate>Mon, 17 Feb 2025 23:19:24 +0800</pubDate><description><![CDATA[树是一种非线性数据结构，常用于解决层次化数据问题（如路径搜索、二叉树遍历等）。掌握以上内容后，可以覆盖蓝桥杯中80%的树相关题目！如果需要更具体的题目解析或优化技巧，请随时告诉我！]]></description><category></category></item><item><title><![CDATA[算法练习（力扣-BFS）——102. 二叉树的层序遍历]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145693204</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145693204</guid><author>m0_73581472</author><pubDate>Mon, 17 Feb 2025 22:30:10 +0800</pubDate><description><![CDATA[Python复制这是二叉树节点的定义，每个节点包含一个值val和两个指针left和right，分别指向左子节点和右子节点。通过使用队列实现 BFS，我们可以轻松地完成二叉树的层序遍历。每层的节点值按顺序加入结果列表，最终返回一个二维列表。希望这个解析对你有帮助！如果有任何问题，欢迎随时提问。]]></description><category></category></item><item><title><![CDATA[BFS广度优先搜索——994.腐烂的橘子]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145691829</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145691829</guid><author>m0_73581472</author><pubDate>Mon, 17 Feb 2025 21:14:28 +0800</pubDate><description><![CDATA[通过 BFS 逐层处理腐烂橘子，精确模拟感染过程并统计时间。代码通过队列管理腐烂橘子，利用判断是否全部腐烂，最终返回结果。此方法高效且直观，是处理网格扩散问题的经典方案。]]></description><category></category></item><item><title><![CDATA[Python队列模块全解析：从线程间通信到高效双端队列]]></title><link>https://blog.youkuaiyun.com/m0_73581472/article/details/145690763</link><guid>https://blog.youkuaiyun.com/m0_73581472/article/details/145690763</guid><author>m0_73581472</author><pubDate>Mon, 17 Feb 2025 20:19:03 +0800</pubDate><description><![CDATA[Python通过不同的队列实现，为开发者提供了灵活的选择空间。理解各队列类型的设计哲学和实现原理，能够帮助我们在实际开发中做出最优选择。无论是处理高并发请求、实现高效算法，还是构建分布式系统，正确使用队列都将显著提升程序的健壮性和执行效率。]]></description><category></category></item></channel></rss>