bar

数据结构和序列 元组 固定长度 不可改变 创建方法：逗号分隔/加括号（） tuple将任意序列转化为元组 串联元组 *复制元组 count：统计某个值出现的频率 In [ 1 ] : tup = 4 , 5 , 6 In [ 2 ] : tup Out [ 2 ] : ( 4 , 5 , 6 ) In [ 3 ] : nested_tup = ( 4 , 5 , 6 ) , ( 7 , 8 ) In [ 4 ] : nested_tup Out [ 4 ] : ( ( 4 , 5 , 6 ) , ( 7 , 8 ) ) In [ 5 ] : tuple ( [ 4 , 0 , 2 ] ) Out [ 5 ] : ( 4 , 0 , 2 ) In [ 6 ] : tup = tuple ( 'string' ) In [ 7 ] : tup Out [ 7 ] : ( 's' , 't' , 'r' , 'i' , 'n' , 'g' ) In [ 8 ] : tup [ 0 ] Out [ 8 ] : 's In [ 9 ] : tup = tuple ( [ 'foo' , [ 1 , 2 ] , True ] ) In [ 10 ] : tup [ 2 ] = False - - - - - - - - - - - - - - - - - - - - - - - - - - -

Gevent： Gevent 是一个第三方库，可以轻松通过gevent实现并发同步或异步编程，在gevent中用到的主要模式是 Greenlet , 它是以C扩展模块形式接入Python的轻量级协程。 Greenlet全部运行在主程序操作系统进程的内部，但它们被协作式地调度。在greenlet 中用switch调度。 例子1： import gevent def foo(): print('Running in foo') gevent.sleep(2) #遇到sleep会被切换走 print('Explicit context switch to foo again') def bar(): print('Explicit context to bar') gevent.sleep(1) #又切换到上面，来回切换，直到sleep(1)结束。 print('Implicit context switch back to bar') gevent.joinall([gevent.spawn(foo),gevent.spawn(bar),]) #列表的形式启动2个协程 运行结果： Running in foo Explicit context to bar Implicit context switch back to bar Explicit context switch to

Aspen Electronics | electrical/electronic manufacturing Dielectric Laboratories, Inc. | electrical/electronic manufacturing GigaLane | electrical/electronic manufacturing Networks International Corporation | electrical/electronic manufacturing Cain-Forlaw | electrical/electronic manufacturing M2 Global Technology, Ltd. | electrical/electronic manufacturing Advanced Power Components | electrical/electronic manufacturing Rojone - Your best connection! | electrical/electronic manufacturing Integrated Microwave Corporation | electrical/electronic manufacturing MegaPhase, LLC | electrical

from stack overflow： http://stackoverflow.com/questions/100003/what-is-a-metaclass-in-python Classes as objects Before understanding metaclasses, you need to master classes in Python. And Python has a very peculiar idea of what classes are, borrowed from the Smalltalk language. In most languages, classes are just pieces of code that describe how to produce an object. That's kinda true in Python too: >>> class ObjectCreator(object): ... pass ... >>> my_object = ObjectCreator() >>> print(my_object) <__main__.ObjectCreator object at 0x8974f2c> But classes are more than that in Python. Classes are

原文： How to Read an RFC 在实验室时，读 RFC 就是一件令人痛苦的事情。今天搬运了一份 RFC 查阅指南，有助于大家查阅的时候保持一个良好的心情。作者是 Charles Eames ，从2000年起就活跃于 IETF，现为 HTTP and QUIC Working Groups 的联席主席。 甭管好坏，请求评论（RFCs）正是今天我们在互联网上定义繁多协议的方式。一开始这些文件会被试图解读它们的开发者奉为圭稚，很快又因为难以理解而被弃之不顾。这种事情令人沮丧，更严重的是会导致互通性和安全上的问题。 但是（ 敲黑板 ），只要了解它们是如何创建和发布的，就会更容易理解它们。以下是我从事 HTTP 和 其他 一些工作中总结出来的经验。 从哪里开始 获取 RFC 文件的标准地方是 RFC Editor Web Site 。但是，正如下面将会看到的，这个网站上缺少一部分关键信息，所以大多数人会选择从 tools.ietf.org 获取。 因为 RFC 文件实在浩如烟海（目前数量已经超过了9000！），从中找到正确的 RFC 也变成一件困难的事。显然你可以借助 Web 搜索引擎来检索，同时 RFC Editor 网站也提供了出色的站内搜索功能。 另一个选择是 EveryRFC ，在这个网站（作者搞的）允许通过 RFC 名称和关键词一起来进行搜索，以及通过标签进行探索。

装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。 先来看一个简单例子： def foo(): print('i am foo') 现在有一个新的需求，希望可以记录下函数的执行日志，于是在代码中添加日志代码： def foo(): print('i am foo') logging.info("foo is running") bar()、bar2()也有类似的需求，怎么做？再写一个logging在bar函数里？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门处理日志 ，日志处理完之后再执行真正的业务代码 def use_logging(func): logging.warn("%s is running" % func.__name__) func() def bar(): print('i am bar') use_logging(bar) 逻辑上不难理解， 但是这样的话，我们每次都要将一个函数作为参数传递给use

RewriteEngine on RewriteCond %{HTTP_USER_AGENT} ^Mozilla/5.0.* RewriteRule index.php index.m.php RewriteCond %{HTTP_USER_AGENT} ^Lynx.* RewriteRule index.php index.L.php RewriteRule index.php index.b.php 上面语句的作用是当你是用firefox访问index.php这个文件的时候，会自动让你访问到index.m.php这个文件，当你是用一些移动终端访问的 时候，会让你对index.php这个文件的访问实际访问的是index.L.php去，如果你是用其它的浏览器访问的时候，会让你跳到 index.b.php。在说形象一点，上面的语句就等同于程序里面的下面语句(依PHP语句为例): 再看例2： RewriteCond %{HTTP_REFERER} (www.test.cn) RewriteRule (.*)$ test.php 上面语句的作用是如果你访问的上一个页面的主机地址是www.test.cn，则无论你当前访问的是哪个页面，都会跳转到对test.php的访问。 再看例3： RewriteCond %{REMOTE_HOST} ^host1.* [OR] RewriteCond %

导读：pyecharts是一款将python与echarts结合的强大的数据可视化工具，本文将为你阐述pyecharts的使用细则。 前言 我们都知道python上的一款可视化工具matplotlib,而前些阵子做一个Spark项目的时候用到了百度开源的一个可视化JS工具-Echarts，可视化类型非常多，但是得通过导入js库在Java Web项目上运行，平时用Python比较多，于是就在想有没有Python与Echarts结合的轮子。Google后，找到一个国人开发的一个Echarts与Python结合的轮子：pyecharts，下面就来简述下pyecharts一些使用细则： 安装 写这篇文章用的是Win环境，首先打开命令行(win+R),输入： pip install pyecharts 但笔者实测时发现，由于墙的原因，下载时会出现断线和速度过慢的问题导致下载失败，所以建议通过清华镜像来进行下载： pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts 我出现了这个问题： 然后执行了提示操作更新pip，再重新安装 出现上方的信息，即代表下载成功，我们可以来进行下一步的实验了！ 使用实例 使用之前我们要强调一点：就是python2.x和python3.x的编码问题，在python3

装饰器： 定义：本质就是函数，（装饰其他函数）为了其他函数添加功能； 原则：1、不能修改被装饰的函数的源代码； 2、不能修改被装饰的函数的调用方式； 　　　　以上两点其实就是装饰器对被他装饰的函数是完全透明的，也就是说用你函数的人不知道你改了这个函数的。 需要用到的知识： 　　1、函数即“变量”；2、高阶函数；3、嵌套函数 　　高阶函数+嵌套函数 =》装饰器 1、函数即变量----函数定义和变量定义一样，当定义一个函数或者变量时，在内存中放入变量的值或者函数体，变量名或者函数名知识相当于该内存块的门牌号 def bar(): #python中bar函数在foo之前和之后定义都是一样的，只要bar在调用之前存在了就可以；不同于C++； print('in the bar')def foo(): print('in the foo') bar()foo()2、高阶函数---满足条件：　　a、把一个函数名当着实参传给另外一个函数；（在不修改被装饰函数源代码的情况下为其添加功能）　　b、返回值中包含函数名；两个条件任意一个条件之一就是高阶函数（不修改函数调用方式）。　　　a、　　　　import time 　　　　def bar(): #python中bar函数在foo之前和之后定义都是一样的；不同于C++ 　　　　time.sleep(3) 　　　　 print('in the bar'

已知三维空间中的一堆点，拟合平面平面的方程为 a x + b y + c z = d ax + by + cz = d a x + b y + c z = d ，为了容易得到平面到原点距离，需要使 a 2 + b 2 + c 2 = 1 a^{2}+b^{2}+c^{2}=1 a 2 + b 2 + c 2 = 1 。 首先计算这些点 ( x i , y i , z i ) (x_{i},y_{i},z_{i}) ( x i ​ , y i ​ , z i ​ ) 的平均坐标 ( x ˉ , y ˉ , z ˉ ) (\bar x,\bar y,\bar z) ( x ˉ , y ˉ ​ , z ˉ ) ,显然，有 a x ˉ + b y ˉ + c z ˉ = d a\bar x + b\bar y + c\bar z = d a x ˉ + b y ˉ ​ + c z ˉ = d 与平面方程相减，并写为矩阵形式，得到 [ x 1 − x ˉ y 1 − y ˉ z 1 − z ˉ x 2 − x ˉ y 2 − y ˉ z 2 − z ˉ x 3 − x ˉ y 3 − y ˉ z 3 − z ˉ . . . x n − x ˉ y n − y ˉ z n − z ˉ ] [ a b c ] = 0 \begin{bmatrix} {{x_1} - \bar x} & {{y