m0_47704575的博客

原创 个人向从零pyqt5项目：day7

早就写好了一直放在草稿里忘了发…可以在表格中修改数据终于迎来的快要结束的日子，虽然记录只记录了七天，但是拖拖拉拉也是好久，包括去除了一些查资料的时间，今天的目标是能检测qtableview手动修改的内容，找了属实有几天。最开始一直是在纠结怎么用python把c++qt的connet写成python的.datachanged.connect(函数)的样子，并且已经找到了是QStandardItemModel类的函数，但是一直没找到信号和槽的链接方案。最后还是在我经常搜索能碰到但是一直没关注的老猿那里找到

原创 数据结构（六）图

原创 个人向从零pyqt5项目：day6

今天要将导出文件完善一下。布局那天去翻了隔壁大佬的qt编程，发现了这个函数.addStretch()简直就是我的就行，直接用空白分配1/n的位置，可以随意调整百分比布局了。模板设定将五个模板都设置为 #替换名字# 的形式，规范模板，以方便替换文字。在测试过程中发现如下问题：docx包的paragraphs段落划分非常迷幻，比如 #学号#，可能会被划分位 # + 学号 + # ，也可能会被分为 # + 学号#，或者 #学号 + # 的形式，经过一系列修改之后都可以满足。目前暂时不想考虑会被划

原创 个人向从零pyqt5项目：day5

加了几个功能完善：全选学分修满的同学，全选可以毕业的同学。这样的话突然就感觉按键之间会有冲突，每次点击都会选择/取消全部符合条件的同学，但是我也没想到其他更好的逻辑，而且这个逻辑我思考了一下还挺能满足各种条件的，比如在打印一波能毕业的学生之后，再打印一波不能毕业的同学的成绩。...

原创 个人向从零pyqt5项目：day4

甲方“简单”修改了需求，明确了后续开发方向。1 页面跳转首先是页面跳转，经过多次尝试，终于实现了QWidget类的跳转。网上的所有页面跳转都用QMainWindow，所有布局教学都用QWidget，真是挺折磨人的，不过好在经过实验，只需要在按钮的clicked事件里将新QWidget对象global成全局变量即可操作。2 新页面的表格2.1 表格创建新页面的重要内容是导出word文档和excel文档，所以需要名单选择，在excel中插入单选框，效果如下：2.2 全选我将所有的QCheckBo

原创 数据结构（五） 树与二叉树

1 树的基本概念根、子树、有序树、森林、父亲、儿子、度、次数、叶子结点、树的深度、树的高度2 二叉树2.1 定义从p100到p102的引理5.1，5.2，5.3，5.4，5.5，定义5.3，5.4都需要看一遍，不需要刻意背诵。其中重点是完全二叉树和满二叉树定义，还有引理5.4便于理解接下来的顺序存储。2.2 顺序存储下标为1为根结点，每个结点的下标，*2是他的左儿子下标，*2+1是他的右儿子下标。即使在代码中用数组表示也不要每个下标向前移一位，数组0下标空间不适用即可。2.3 链接存储链接存

原创 数据结构（四）数组和字符串

这章就更水了，前半章是我心中的复习快乐章，kmp有点死亡。1 数组寻址定义a[9][8][7]，a[1][2][3]是数组中第几个元素这个从python的角度更好理解一些，三维数组的python输出结果是（可能不标准）[ [ 0 1 2 3 4 5 6 7 8 9 0 1] [ 0 1 2 3 4 5 6 7 8 9 0 1] [ 0 1 2 3 4 5 6 7 8 9 0 1]]就是说，三维只不过是把多个二维堆起来，所以&a[1][2][3

原创 数据结构（三）线性表、堆栈和队列

1 线性表1.1 线性表有关定义（书P49）线性表、空表、表头、表尾、顺序表、有序顺序表1.2 线性表的顺序存储结构值得注意的是，虽然线性表在实际使用中多为数组，但是在抽象的谈到线性表时，下标是从1开始。插入/删除是，把插入和删除位置后面的每个元素往后/前调一个位置。插入的位置可以是从1到n+1，删除的位置可以是从1到n。（了解即可）优点：可以通过下标直接访问内容，空间利用率高，存取速度快。缺点：插入和删除元素比较困难。1.3 线性表的链接存储结构不管是单链表、循环链表、双向链表，都只是根

原创 数据结构（二）绪论

只要是我写的基本都是我印象中期末考试会考到的点，包括前面有一些背诵内容。1 数据结构1.1 数据的逻辑结构：线性结构和非线性结构用不太准确的话说，数组/链表是线性结构，树/图是非线性结构。需要掌握的定义（P29）：始结点、终结点、前驱结点、后继结点、中间结点其中也介绍了线性结构和非线性结构比较专业的解释方式。1.2 数据的存储结构：顺序存储（数组）链接存储（结构体中包含结构体指针，如链表等）索引存储散列存储（散列表）2 算法2.1 算法的特点有限性、确定性、输入、输出、可信性

原创 数据结构（一） 前言

觉得自己当年数据结构学的还说的过去，正值考研前夕，所以打算过一遍王道，顺便写一份笔记。有些感到唏嘘，当时还觉得自己挺厉害的，结果大二忙了整整一年，细数这一年发现什么成果都没忙出来，马上又值考研，感觉我自己的本科阶段也不过就如此了。倒是想以此警戒他人，想要做出点什么东西还是要趁早吧。至于当年只是开学和期末分别过了一遍书，虽然学的粗糙，但是成果似乎还不错，为数不多满绩的学科，当年数据结构的期末上机考试成绩第一时间第三（普班），所以觉得还是稍微有资格写这一份资料供大家批评。其实我很意外的是kmp居然也是考

原创 个人向从零pyqt5项目：day3

昨天发现错误在于环境错误，更换到pytorch环境就好了今天新的问题是怎么读入.xlsx文件，在网上查询得到是xlrd2.0.1版本不支持读入.xls文件，但是我将xlrd版本退回到1.2.0仍无法读取.xlsx文件。查了全网也没查到解决方案，倒是在搜索的时候跳出了xlrd1.2.0版本仍无法读取xlsx文件的提示，但是没有有关帖子，最后发现在参数中加入engine = 'xlrd’即可，困扰我快四五个小时的excel文件读取基本完成。休息一会，先吃早饭...

原创 使用read_excel时xlrd1.2.0也无法读取xlsx

xlrd版本已经退回1.2.0，但仍无法读取.xlsx，没查到解决方案。在read_excel的参数中添加engine = 'xlrd’即可

原创 个人向从零pyqt5项目：day2

今天要做的就是把designer的页面设计完，把代码移植到py上。第一步：确定需求导入三种excl，读入三种excl的有效信息，中间计算平均分和均绩，生成五种word文档，一种excl文档。输入的excl中（成绩，缴费，原专业），每个excl的学号和姓名是判定是否为同一个人的标准，通过第一行的列名判断是否是有效数据，生成可视化表格。在输出word文档的时候要有选择输出人员以及输出何种表单的功能，并且在输出excl的时候能选择要输出的列（必须包含学号和姓名）。第二步 设计uidesigner的设计

原创 个人向从零pyqt5项目：day1

之前：过了一遍最基础的python语法使用过c++的qt可视化1.下载各种插件2.b站视频开始学习最简单的操作

原创 操作系统（四）文件系统 （五）输入/输出

0文件是进程创建的信息逻辑单元。储存在文件内的信息是持久的。操作系统处理文件的部分成为文件系统。4.1 文件4.1.2 文件结构字节序列：记录序列：文件是具有固定长度记录的序列，每个记录都有其内部结构。树：按键字段进行排序，可以对特定“键”查找。4.1.4 文件访问随机访问文件：磁盘读取储存文件，可以不按文件中字节和目录，按照关键字而不是位置来访问记录。4.3 文件系统的实现4.3.1 文件系统布局多个磁盘划分为一个或多个分区，每个分区有一个独立的文件系统。磁盘0号扇区是主引导记录M

原创 操作系统（三）内存管理

3.2 一种储存器抽象：地址空间物理地址暴露给用户有两个问题：1.容易被用户寻址破坏操作系统 2.同时运行多个程序很困难3.2.1 地址空间的概念为了保护和重定位每个进程都有属于自己的地址空间。relocation 重定位：把每个进程的地址空间映射到物理内存的不同部分。利用基址寄存器（起始物理位置）和界限寄存器（地址大小）缺点就是每次都要用加法计算真实物理地址。3.2.2 交换技术两种处理内存超载技术的通用方法：交换和虚拟内存。把内存看成一整块，每次一个新的进程索取的内存都插入到最下面

原创 操作系统（六）死锁

6.1 资源可抢占资源：进程可以从其他进程中抢占而不会产生副作用的资源，如打印时的内存。6.2 死锁简介死锁：一个进程集合中，每个进程都在等待只能由该进程集合中的其他进程才能引发的事件。（这个定义是大黑书上的，虽然不如2.3.7那里王道上写得明白，但是更靠谱一点）资源死锁：因为需要其他进程所拥有的资源，每个进程还都无法释放资源，产生的死锁。6.2.1 资源死锁产生的条件1.互斥条件：每个资源要么已经分配给了一个进程，要么时可用的。2.占有和等待条件：进程如果已经得到某个资源，就可以再请求新的资

原创 操作系统（二）进程与线程

2.1 进程并发：某个瞬间CPU只进行一个进程，但在某个时间间隔CPU运行多个进程。2.1.1 进程进程：计算机上所有可运行的软件，被组织成若干进程，一个进程就是一个正在执行程序的实例。CPU在各种进程中快速切换称作多道程序设计。2.1.5 进程的状态运行态：实际占用CPU就绪态：可运行，但实际没运行阻塞态：除非外部事件发生否则不能运行CPU的快速切换使进程在1和2之间转换。系统发现进程持续不下去（比如需要等待输入）1->3，外部事件发生可以3->2，如果此时发现CPU空

原创 操作系统（一）引论

operation system：运行在内核态的软件，控制和管理整个计算机系统的硬件和软件，，提供给用户更好的计算机模型。1.1 什么是操作系统自顶向下：向应用程序提供基本抽象的概念。自底向上：在相互竞争的程序之间有序控制资源的分配。共享（多路复用）：在时间上复用：给多个用户分配资源的使用顺序在空间上复用：每个用户获得资源的一部分busy waiting：用户发出系统调用，CPU循环检查该设备是否完成工作，结束后操作系统将控制返回给调用者。1.4 操作系统大观园我找到了我当年听了一节课的笔

原创 算法（九）NP难度和NP完全

1 P与NP1.1 易解与难解易解的：可以在多项式时间内求解的问题。难解的：不能在多项式时间内求解的问题。1.2 优化问题与判定问题最优化问题：题中求的问题（求k的最大/最小值）判定的问题：是否存在k使问题可以成立举例：1.3 P类问题目前没有找到多项式算法，且又无法证明不存在易解的解法但是发现，所有的P类问题，都有一个特征——多项式时间可验证：在多项式时间内求解是困难的，但是在多项式时间内验证一个解是否是正确的是简单的。1.4 不确定算法对于有解的每个实例，不确定算法都会在

原创 算法（八）分枝-限界法

1 定义1.1 部分定义活结点：没有生成全部儿子结点死结点：儿子已经全部生成的结点，或已经剪枝无需向下扩展的结点E-结点：正在生成其儿子结点的活结点。1.2 与回溯法的异同（重要）同：都是在解空间树上搜索问题解的算法。异：求解目标回溯法：找出解空间树中满足约束条件的所有解。分支限界法：找出满足条件的一个解或者找到使某个函数达到极大或极小的解，即某种意义下的最优解。解空间树的构造过程：回溯法：当前E-结点一旦生成一个新的子结点，孩子就进入活结点表，且变成新的E结点分支限界法：当前E

原创 算法（七）回溯

回溯问题一大解：void f(){ for(每一种情况){ if(这种情况可以尝试){ 写入这一种情况; if(没结束) f(); //递归 else 输出; 把写入的再改回来; //因为要在下一次循环可能写入下一种情况 //改回来的前提是写入会影响本递归层的下一次循环 } }}定义解空间：由根到叶节点的所有路径所定义。状态空间树：解空间的树结构。（感觉解空间树也是这个定义）问题状态：树的每一个节点都确定求解问题的一个问题状态。状态空间：由

原创 算法（六）动态规划

总结这个东西真的比自己复习多浪费了不少的时间，如果你觉得对你有帮助，就留下一个赞吧。1 前言小心考简答。1.1 多阶段决策问题这么一类问题，它们的活动过程可以分为若干个阶段，而且在任一阶段后的行为都仅依赖于i阶段的过程状态，而与i阶段之前的过程如何达到这种状态的方式无关。贪心也属于一种一系列贪心决策的多阶段决策。1.2 最优性原理即什么时候使用动态规划：无论过程的初始状态和初始决策是什么，其余的决策都必须相对于初始决策所产生的状态构成一个最优决策序列。如果所求解问题的最优性原理成立，则说明

原创 算法（五）贪心方法

1.背包问题1.1 题目1.2 算法（GREEDY-KNAPSACK）太简单了，把单位重量价格贵的往里放就行。其中，p是价格，w是重量，x是物品放进去的比例。1.3 定理这个证明要求会。证明思路：先设最优解X= (x1_11​,x2_22​,…,xj_jj​,…,xn_nn​)如果x都=1，即所有物品都选了，那么一定是最优解。如果x不都是1，那么设j是第一个≠1的x的下标，即X = (1,1,1,…,1,xj_jj​,0,0,0,…,0)。如果X不是最优解，那么一定有一个最优解Y

原创 算法（四）分治法

1 一般方法1.1 基本的二分思想没啥可说的，贴图了。1.2 二分策略的计算时间g(n)就是个O(1)，放这里就是让式子看起来更恶心一点。每一层要把这部分分成的两小部分计算完之后再合并，T(n/2)就是每一个小部分计算需要的时间，f(n)就是合并过程需要的时间，因为合并需要的时间是和n有关系的，所以f(n)不能忽略。1.3 更一般的情况我觉得这就是考试考点了吧，把这章所有东西改成三分出题，二分考的应该有限，重点是弄清思想。2 二分检索2.1 二分检索算法（BINSRCH）2.1.1

原创 算法（三）递归算法

之前遇到了一点事情，今天开始应该能保持每天一更到两更，不过会跳过一些过于基础的知识。1 递归算法设计1.1 递归算法的基本形式递归两大要素：递归出口、调用本身的函数1.2 简单0/1背包问题在递归这打dp的擦边球是吧。本题每个物品只有质量属性，只需要使放入背包的质量之和恰好为m即可。递归f(m,n) m为剩余质量，n为正在考虑第几件物品递归分为以下四种情况：(1)（出口）n=0时，return mn_{n}n​==m;(2)mn_{n}n​=m时，return true;(3)mn

原创 算法（二）分析算法

第二章只有一个知识点计算时间的渐进表示定义记住这几个定义，以后的整明全靠这些定义了。这几个分别表示，g(x)是f(x)的：渐进上界、渐进下界、渐进确信界。（考试说这几个词知道是啥就行）这个定理说是定理，不如说就是个例子而已…O的时间比较从计算时间上把算法分为两类：多项式时间算法：指数时间算法：这里有一道考试题我得去问一下再更新。证明考试真题里有一道很像的，不过是把O换成Ω，max换成min而已，思路应该一样的。幸好我已经有心理预期，这里f’(n)是另一个函数而已，你可

原创 算法（一）引言

想了一上午要怎么说，不想用太过激的言辞。有关这本书这本书是真的不推荐，只是用来期末考试看看就好了，如果你想好好学算法提升代码水平，请移步其他视频或教材。本教材在理论上的讲解不是非常到位，不是很令人舒服的代码写法和不易读的讲解使这本书也无法成为一个很好的专业参考书籍。本教材存在一些很经典的例题，但是也存在一些只留存于本教材的“考试重点”，其他教材并不涉猎。有关学校的教材选择另外，某个学校选教材的本领真是不错，不亏是本科学校。在c语言和数据结构两本书已经让同学丧失了学习本校课程的前提下，选择了这本更

原创 计算方法（五）函数插值

首先知道插值算法是用来图像缩放的。（图片放大，像素点增多，如何处理放大的更多像素点上的值）1. 引入1.1 最邻近插值算法思路：新位置就照搬旁边的元素。A是原图像，B是新图像（更大的），图像就是像素值的矩阵。B中的一个值(Bx_xx​,By_yy​)怎么求：Ax_xx​=Bx_xx​（A的列数 / B的列数）Ay_yy​=By_yy​（A的行数 / B的行数）如果结果有小数，那就四舍五入。用(Ax_xx​,Ay_yy​)的值填入(Bx_xx​,By_yy​)1.2 双线性插值算法思路：

原创 计算方法（四）特征值问题的数值解

如果不是我的理解有问题，或者因为我没做题的话，那这章就是没什么知识点。1.乘幂法两步一直重复：y(k)^{(k)}(k)=x(k)^{(k)}(k)/(max(x(k)^{(k)}(k)))x(k+1)^{(k+1)}(k+1)=A*y(k)^{(k)}(k)max(x(k)^{(k)}(k))就是取x(k)^{(k)}(k)中最大的分量。看一下P82例4.1就好有个重点：y才是特征向量2. 反幂法y(k)^{(k)}(k)=x(k)^{(k)}(k)/(max(x(k)^{(k)}(k)

原创 计算方法（三）非线性方程的数值解

1. 二分法很简单啦，高中知识。设ε是允许误差，初始区间长度b-a，迭代次数k，取最终区间的重点值为最终解，(b-a)/2k+12^{k+1}2k+1<ε即可。重点：二分法只对单实根或奇数重实根有效。2. 不动点迭代法2.1 不动点迭代法不动点：所有满足x=φ(x)的点x为给方程的不动点。把本身f(x)=0的方程转化为x=φ(x)即可。举例：x2x^{2}x2=0 变成 xxx=x2x^{2}x2+xxx要记住，第二讲讲过，迭代公式中，所有左侧的x是指xk+1x_{k+1}xk+

原创 计算方法（二）线性代数方程组的数值解

1. 高斯消元法线性代数的知识，过于基础2. 矩阵的三角分解2.1 LU分解主要记住，如何通过LU分解（包括接下来的杜利特尔分解也属于其中一种）来计算Axxx=b最初：Axxx=bLU分解：LUxxx=b（这里分解方法看2.2）求y：Ly=b求x：Ux=y2.2 杜利特尔分解就是高斯消元的过程，每次消元的乘积数写在对应位置上得到L，高斯消元的结果是U，必考。题目一般要结合上述通过分解计算Axxx=b的方法。下图第一行为LDU分解，第二行为克洛特分解。挺简单的，稍微看一下就好。LDU

原创 计算方法（一）绪论

本章内容重点不多，简单了解即可。1 误差1.1 计算机浮点表示及算术运算1.加减先对阶再运算，乘除先运算再对阶2.尽量避免三种误差： ①绝对值相差悬殊的两个数做加、减法 ②非常接近的数相减 ③相对于被除数来说，除数的绝对值很小3.例1.2的小tip1.2 误差来源方法误差是重点，但在此节似乎无什么有效知识点· 观测误差：测量时产生· 模型误差：模型建立产生· 方法误差：近似公式代替精确公式产生· 舍入误差：四舍五入产生1.3 误差的基本概念定义1.1xxx为精确值，x∗x

原创 机器学习实战(4)：决策树&集成学习&随机森林

4.1 训练和可视化决策树可以将决策树理解成一个判断二叉树我们继续用花的数据集，训练一个决策树。import numpy as npfrom sklearn.datasets import load_irisfrom sklearn.tree import DecisionTreeClassifieriris = load_iris()X = iris["data"][:, 2:]y = iris.targettree_clf = DecisionTreeClassifier(ma

原创 机器学习实战(3)：支持向量机

5.1 线性SVM分类硬间隔如上一部分末尾的花数据集，两个类可以轻松用一条直线隔开。SVM分类器的决策边界可以尽可能的远离了最近的训练实例你也可以称其为大间隔分类。它对特征缩放会特别敏感。软间隔但是有可能有一部分的点不那么尽如人意存在异常值，这时候我们就要用软间隔，设定一个超参数C，这种情况下C从低到高会使模型从欠拟合到过拟合。我们在这里使用花数据集，进行特征缩放后训练SVM模型(C=1)import numpy as npfrom sklearn import datasetsfro

原创 机器学习实战(2)：训练模型

参考书籍：Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, Second Edition；机器学习 周志华编译器：jupyter notebook本文章涉及到的西瓜书中的公式不做推导和说明4.1 线性回归最终的多元线性回归方程是：接下来用θ代替图中的β（没找到θ的图）生成一组线性数据测试这个公式

原创 机器学习实战(1)：分类

机器学习实战（1）分类参考书籍：Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, Second Edition编译器：jupyter notebook3.1 MNISTMNIST数据集是一组数字图片，相当于机器学习的“hello world”，其下载内容是一个类字典结构下载数据集from sklear