资讯专栏INFORMATION COLUMN

Python入门,学习Udacity的《计算机基础导论》的笔记

SKYZACK / 3095人阅读

摘要:此文是记录我在学习的过程,主要目的是怕学了后面的了前面的,方便复习。不得不承认,老外的课程确实比国内的课程更有趣。所以提升性能的个关键降低电子需要行径的距离提高每秒发射电子的次数。

此文是记录我在udacity.com学习python的过程,主要目的是怕学了后面的wan了前面的,方便复习。
也希望能帮到和我一样的初学者,这个课程的是Udacity的《计算机基础导论》,https://classroom.udacity.com...

准备工作

下载ATOM编辑器:https://atom.io/

安装扩展包:atom-beautify,autocomplete-python,script

在ATOM里新建一个Python文件,敲入代码,然后按Ctrl+Shift+B就可以测试运行代码啦

当然,学一下MarkDown语法,然后在SegmentFault上注册个账号,做一下笔记也是必不可少的步骤。
因为写公开笔记,需要别人也能看得懂你的笔记,这逼迫自己的代码与备注必须写清楚,而且这种把自己输入的东西再输出的方法,可以更好的帮助自己学习。

计算光1纳秒行径多少厘米
speed_of_light = 299792458   #申明一个变量speed_of_light的值是299792458米/秒
centimeters = 100            #申明一个变量centimeters 代表1米=100厘米
nanosecond = 1.0/1000000000  #申明一个变量nanosecond 代表1纳秒=十亿分之一秒
print speed_of_light * centimeters / nanosecond #python 2.x的打印命令方式
print (speed_of_light * centimeters / nanosecond) #python 3.x的打印命令方式

结果是2.99792458,约等于3秒

计算2.7G的CPU每次1hz时间,光在CPU中行径的距离。

这是我第一次明白了,CPU工艺提升是怎么提高性能的,CPU小了,电子从一端到达另一端的需要的距离变短了。不得不承认,老外的课程确实比国内的课程更有趣。

speed_of_light = 299792458.0 #光的速度 米/秒
cycles_per_second = 2700000000.0 #2.7G的CPU相当于每秒运行的Hz数
print (speed_of_light / cycles_per_second)

答案是11CM。所以提升CPU性能的2个关键:1.降低电子需要行径的距离;2.提高每秒发射电子的次数。

选择序列
name ="Jianpin Yuan"
#序列是从0开始算的,所以0代表第1位,1代表第2位,-1代表倒数第1位
print (name[0]) #打印 索引字符串的第1个字符,得到结果J
print (name[1:4]) #打印 索引字符串的第2到第5个之间的字符,得到结果ian
print (name[1:]) #打印 索引字符串的第2到最后之间的字符,得到结果ianpin Yuan
print (name[-1]) #打印 索引字符串的倒数第1个字符,得到结果n
print (name[1+1*2]) #打印 索引字符串的倒数第4个字符,得到结果n
print ("Q" + name[1:]) #打印 Q+name的第二到结尾的字符,使其变成一个新名字
print (name.find("in",6)) #打印 在name里的第7位开始查找in,得到-1,代表在找到底都没有找到in
查找字符串中的字符串

爬虫程序在网页里寻找a href链接,并且输入这个rul地址

page =("

以上是我的写法,下面是课程的写法。课程的方法明显更好

page =("
" "

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/38494.html

相关文章

  • 入门人工智能? 这些优质 AI 资源绝对不要错过

    摘要:该课程旨在面向有抱负的工程师,从人工智能的基本概念入门到掌握为人工智能解决方案构建深度学习模型所需技能。 showImg(https://segmentfault.com/img/bVbkP5z?w=800&h=664); 作者 | Jo Stichbury翻译 | Mika本文为 CDA 数据分析师原创作品,转载需授权 前言 如今人工智能备受追捧,由于传统软件团队缺乏AI技能,常常会...

    Barrior 评论0 收藏0
  • 入门机器学习,看这些材料就够了

    摘要:作者微信号微信公众号博客地址现在网上有很多的机器学习材料,让人一下子看不过来。在我看来,多种类型的文件学习对自己是由帮助的。作者微信号博客地址是一个专注于算法实战的平台,从基础的算法到人工智能算法都有设计。 作者:chen_h微信号 & QQ:862251340微信公众号:coderpai博客地址:http://www.jianshu.com/p/5084... showImg(htt...

    whatsns 评论0 收藏0

发表评论

0条评论

SKYZACK

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<