Welcome to Durango's blog!

时间复杂度 排序算法 时间复杂度（平均） 时间复杂度（最坏） 时间复杂度（最好） 空间复杂度 稳定性 冒泡排序 $O(n^2)$ $O(n^2)$ $O(n)$ $O(1)$ 稳定 选择排序 $O(n^2)$ $O(n^2)$ $O(n^2)$ $O(1)$ 不稳定 插入排序 $O(n^2)$ $O(n^2)$ $O(n)$ $O(1)$ 稳定 希尔排序 $O(n^{1.3})$ $O(n^2)$ $O(n)$ $O(1)$ 不稳定 归并排序 $O(nlog^n)$ $O(nlog^n)$ $O(nlog^n)$ $O(n)$ 稳定 快速排序 $O(nlog^n)$ $O(n^2)$ $O(nlog^n)$ $O(nlog^n)$ 不稳定 堆排序 $O(nlog^n)$ $O(nlog^n)$ $O(nlog^n)$ $O(1)$ 不稳定 计数排序 $O(n+k)$ $O(n+k)$ $O(n+k)$ $O(n+k)$ 稳定 桶排序 $O(n+k)$ $O(n^2)$ $O(n)$ $O(n+k)$ 稳定 基数排序 $O(n*k)$ $O ...

Java开发过程中常见的正则表达式，可参考和改进

本笔记为B站学习【韩顺平 零基础30天学会Java】课程个人笔记

几个机器学习的实验

龙曲良pytorch基础教程

生物信息学基础知识

pandas基础pandas介绍Python Data Analysis Library pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入 了大量库和一些标准的数据模型，提供了高效地操作大型结构化数据集所需的工具。 pandas核心数据结构数据结构是计算机存储、组织数据的方式。 通常情况下，精心选择的数据结构可以带来更高的运行或者存储效率。数据结构往往同高效的检索算法和索引技术有关。 SeriesSeries可以理解为一个一维的数组，只是index名称可以自己改动。类似于定长的有序字典，有Index和 value。 1234567891011121314import pandas as pdimport numpy as np# 创建一个空的系列s = pd.Series()# 从ndarray创建一个系列data = np.array(['a','b','c','d'])s = pd.Series(data)s = pd.Series(data,index ...

matplotlib函数功能速查 函数 说明 plt.plot(x,y,fmt,…) 绘制一个坐标图 plt.boxplot(data,notch,position) 绘制一个箱型图 plt.bar(left,height,width,bottom) 绘制一个条形图 plt.barh(width,bottom,left,height) 绘制一个横向条形图 plt.polar(theta,r) 绘制极坐标图 plt.pie(data,explode) 绘制饼图(explode接收一个列表,根据列表对应数据突出各部分内容) plt.psd(x,NFFT=256,pad_to,Fs) 绘制功率谱密度图 plt.specgram(x,NFFT=256,pad,F) 绘制谱图 plt.cohere(x,y,NFFT=256,Fs) 绘制X-Y的相关性函数 plt.scatter(x,y) 绘制散点图,其中,x和y长度相同 plt.step(x,y,where) 绘制步阶图 plt.hist(x,bins,normed) 绘制直方图(bins表 ...

NumPy 教程 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。 NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含： 一个强大的N维数组对象 ndarray 广播功能函数 整合 C/C++/Fortran 代码的工具 线性代数、傅里叶变换、随机数生成等功能 NumPy Ndarray 对象 NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。 ndarray 对象是用于存放同类型元素的多维数组。 ndarray 中的每个元素在内存中都有相同存储大小的区域。 ...

Python基础+面向对象+python高级