gz模块安装包一样打包我们的源代码并执行setup.py去安装我们 的代码模块，可以使用distu�ls模块里的setup函数去打包 例如，我们写的代码有cof.py及lee.py两个模块，main.py只是用于测试 的主函数 现在需要把cof.py及lee.py打包成一个安装包 在我们的源程序目录下再创建一个setup.py文件，内容如下： from distutils.core import setup setup(name='cof' 用于安装和管理软件包的 包管理器，维护多个环境难度较大。 virtualenv是 用于创建一个独立的Python环境 的工具。 不同的py程序需要不同的python版本及不同版本的依赖包，在共享主 机时，无法在全局site-packages目录中安装依赖包。 virtualenv将会为它自己的安装目录创建一个环境，这并不与其他 virtualenv环境共享库；同时也可以选择性地不连接已安装的全局库。 canvas.create_image(0, 0, anchor=tkinter.NW, image=imgtk) # 在画布上绘制图像 window.mainloop() # 运行主循环 cap.release() # 释放摄像头资源 if __name__ == '__main__': test_tk() ★django模块 Django是一个高级的Python

感謝校銓在智慧財產權方面提供的專業幫助，這對本開源書的完善起到了重要作用； ‧ 感謝蘇潼為本書設計了精美的封面和 logo ，並在我的強迫症的驅使下多次耐心修改； ‧ 感謝 @squidfunk 提供的排版建議，以及他開發的開源文件主題 Material‑for‑MkDocs 。 在寫作過程中，我閱讀了許多關於資料結構與演算法的教材和文章。這些作品為本書提供了優秀的範本，確 保了本書內容的準確性與品質。在此感謝所有老師和前輩的傑出貢獻！ """ 0.2.2 在動畫圖解中高效學習 相較於文字，影片和圖片具有更高的資訊密度和結構化程度，更易於理解。在本書中，重點和難點知識將主 要透過動畫以圖解形式展示，而文字則作為解釋與補充。 如果你在閱讀本書時，發現某段內容提供瞭如圖 0‑2 所示的動畫圖解，請以圖為主、以文字為輔，綜合兩者 來理解內容。 圖 0‑2 動畫圖解示例 0.2.3 在程式碼實踐中加深理解 本書的配套程式碼託管在 GitHub 本書的主要受眾是演算法初學者。如果你已有一定基礎，本書能幫助你系統回顧演算法知識，書中源程 式碼也可作為“刷題工具庫”使用。 ‧ 書中內容主要包括複雜度分析、資料結構和演算法三部分，涵蓋了該領域的大部分主題。 ‧ 對於演算法新手，在初學階段閱讀一本入門書至關重要，可以少走許多彎路。 ‧ 書中的動畫圖解通常用於介紹重點和難點知識。閱讀本書時，應給予這些內容更多關注。 ‧ 實踐乃學習程式設計之最佳途

# 内容注释，用于详解代码 """ 多行 注释 """ 0.2.2 在动画图解中高效学习 相较于文字，视频和图片具有更高的信息密度和结构化程度，更易于理解。在本书中，重点和难点知识将主 要通过动画和图解形式展示，而文字则作为动画和图片的解释与补充。 如果你在阅读本书时，发现某段内容提供了图 0‑2 所示的动画或图解，请以图为主、以文字为辅，综合两者 来理解内容。 图 0‑2 树”或“红黑树”，从而 将查询操作的时间复杂度优化至 ?(log ?) 。 6.2.2 开放寻址 「开放寻址 open addressing」不引入额外的数据结构，而是通过“多次探测”来处理哈希冲突，探测方式主 要包括线性探测、平方探测、多次哈希等。 1. 线性探测 线性探测采用固定步长的线性搜索来进行探测，其操作方法与普通哈希表有所不同。 ‧ 插入元素：通过哈希函数计算数组索引，若发现桶内已有元素，则从冲突位置向后线性遍历（步长通常 表示两顶点之间无边。 第 9 章 图 hello‑algo.com 179 图 9‑5 图的邻接矩阵表示 邻接矩阵具有以下特性。 ‧ 顶点不能与自身相连，因此邻接矩阵主对角线元素没有意义。 ‧ 对于无向图，两个方向的边等价，此时邻接矩阵关于主对角线对称。 ‧ 将邻接矩阵的元素从 1 和 0 替换为权重，则可表示有权图。 使用邻接矩阵表示图时，我们可以直接访问矩阵元素以获取边，因此增删查操作的效率很高，时间复杂度均

表示两顶点之间无边。 9. 图 hello‑algo.com 158 Figure 9‑5. 图的邻接矩阵表示 邻接矩阵具有以下特性： ‧ 顶点不能与自身相连，因此邻接矩阵主对角线元素没有意义。 ‧ 对于无向图，两个方向的边等价，此时邻接矩阵关于主对角线对称。 ‧ 将邻接矩阵的元素从 1 , 0 替换为权重，则可表示有权图。 使用邻接矩阵表示图时，我们可以直接访问矩阵元素以获取边，因此增删查操作的效率很高，时间复杂度均 i < 0 or j < 0 or i >= self.size() or j >= self.size() or i == j: raise IndexError() # 在无向图中，邻接矩阵沿主对角线对称，即满足 (i, j) == (j, i) self.adj_mat[i][j] = 1 self.adj_mat[j][i] = 1 9. 图 hello‑algo.com 162 这个结论与线性查找和二分查找的适用情况的结论类似。快速排序这类 ?(? log ?) 的算法属于基于分治的 排序算法，往往包含更多单元计算操作。而在数据量较小时，?2 和 ? log ? 的数值比较接近，复杂度不占主 导作用；每轮中的单元计算操作数量起到决定性因素。 实际上，许多编程语言（例如 Java）的内置排序函数都采用了插入排序，大致思路为：对于长数组，采用基 于分治的排序算法，例如快速排序；对于短数组，直接使用插入排序。

# 内容注释，用于详解代码 """ 多行 注释 """ 0.2.2 在动画图解中高效学习 相较于文字，视频和图片具有更高的信息密度和结构化程度，更易于理解。在本书中，重点和难点知识将主 要通过动画以图解形式展示，而文字则作为解释与补充。 如果你在阅读本书时，发现某段内容提供了如图 0‑2 所示的动画图解，请以图为主、以文字为辅，综合两者 来理解内容。 图 0‑2 动画图解示例 树”或“红黑树”，从而 将查询操作的时间复杂度优化至 ?(log ?) 。 6.2.2 开放寻址 开放寻址（open addressing）不引入额外的数据结构，而是通过“多次探测”来处理哈希冲突，探测方式主 要包括线性探测、平方探测和多次哈希等。 下面以线性探测为例，介绍开放寻址哈希表的工作机制。 1. 线性探测 线性探测采用固定步长的线性搜索来进行探测，其操作方法与普通哈希表有所不同。 ‧ 之间存在边，反之 ?[?, ?] = 0 表示两顶点之间无边。 图 9‑5 图的邻接矩阵表示 邻接矩阵具有以下特性。 ‧ 顶点不能与自身相连，因此邻接矩阵主对角线元素没有意义。 ‧ 对于无向图，两个方向的边等价，此时邻接矩阵关于主对角线对称。 ‧ 将邻接矩阵的元素从 1 和 0 替换为权重，则可表示有权图。 第 9 章 图 hello‑algo.com 182 使用邻接矩阵表示图时，

第 0 章 前言 hello‑algo.com 5 注释 """ 0.2.2 在动画图解中高效学习 相较于文字，视频和图片具有更高的信息密度和结构化程度，更易于理解。在本书中，重点和难点知识将主 要通过动画以图解形式展示，而文字则作为解释与补充。 如果你在阅读本书时，发现某段内容提供了如图 0‑2 所示的动画图解，请以图为主、以文字为辅，综合两者 来理解内容。 图 0‑2 动画图解示例 树”或“红黑树”，从而 将查询操作的时间复杂度优化至 ?(log ?) 。 6.2.2 开放寻址 「开放寻址 open addressing」不引入额外的数据结构，而是通过“多次探测”来处理哈希冲突，探测方式主 要包括线性探测、平方探测和多次哈希等。 下面以线性探测为例，介绍开放寻址哈希表的工作机制。 1. 线性探测 线性探测采用固定步长的线性搜索来进行探测，其操作方法与普通哈希表有所不同。 ‧ 表示两顶点之间无边。 第 9 章 图 hello‑algo.com 182 图 9‑5 图的邻接矩阵表示 邻接矩阵具有以下特性。 ‧ 顶点不能与自身相连，因此邻接矩阵主对角线元素没有意义。 ‧ 对于无向图，两个方向的边等价，此时邻接矩阵关于主对角线对称。 ‧ 将邻接矩阵的元素从 1 和 0 替换为权重，则可表示有权图。 使用邻接矩阵表示图时，我们可以直接访问矩阵元素以获取边，因此增删查改操作的效率很高，时间复杂度

# 内容注释，用于详解代码 """ 多行 注释 """ 0.2.2 在动画图解中高效学习 相较于文字，视频和图片具有更高的信息密度和结构化程度，更易于理解。在本书中，重点和难点知识将主 要通过动画以图解形式展示，而文字则作为解释与补充。 如果你在阅读本书时，发现某段内容提供了如图 0‑2 所示的动画图解，请以图为主、以文字为辅，综合两者 来理解内容。 图 0‑2 动画图解示例 树”或“红黑树”，从而 将查询操作的时间复杂度优化至 ?(log ?) 。 6.2.2 开放寻址 开放寻址（open addressing）不引入额外的数据结构，而是通过“多次探测”来处理哈希冲突，探测方式主 要包括线性探测、平方探测和多次哈希等。 下面以线性探测为例，介绍开放寻址哈希表的工作机制。 1. 线性探测 线性探测采用固定步长的线性搜索来进行探测，其操作方法与普通哈希表有所不同。 ‧ 之间存在边，反之 ?[?, ?] = 0 表示两顶点之间无边。 图 9‑5 图的邻接矩阵表示 邻接矩阵具有以下特性。 ‧ 在简单图中，顶点不能与自身相连，此时邻接矩阵主对角线元素没有意义。 ‧ 对于无向图，两个方向的边等价，此时邻接矩阵关于主对角线对称。 ‧ 将邻接矩阵的元素从 1 和 0 替换为权重，则可表示有权图。 第 9 章 图 www.hello‑algo.com 182 使用邻接矩阵表

用户方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1784 29.3.4 主方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1784 29.3.5 默认的sys.int_info.default_max_str_digits 被预期对于大多数应用程序来说都是合理的。如果你 的应用程序需要不同的限制值，请使用不预设 Python 版本的代码从你的主入口点进行设置，因为这些 API 是在 3.12 之前的版本所发布的安全补丁中添加的。 示例： >>> import sys >>> if hasattr(sys, "set_int_max_str_digits"): match='\\'> 写一个词法分析器 一个 词法器或词法分析器 分析字符串，并分类成目录组。这是写一个编译器或解释器的第一步。 文字目录是由正则表达式指定的。这个技术是通过将这些样式合并为一个主正则式，并且循环匹配来实 现的 from typing import NamedTuple import re class Token(NamedTuple): type: str value:

用户方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1780 29.3.4 主方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1780 29.3.5 默认的sys.int_info.default_max_str_digits 被预期对于大多数应用程序来说都是合理的。如果你 的应用程序需要不同的限制值，请使用不预设 Python 版本的代码从你的主入口点进行设置，因为这些 API 是在 3.12 之前的版本所发布的安全补丁中添加的。 示例： >>> import sys >>> if hasattr(sys, "set_int_max_str_digits"): match='\\'> 写一个词法分析器 一个 词法器或词法分析器 分析字符串，并分类成目录组。这是写一个编译器或解释器的第一步。 文字目录是由正则表达式指定的。这个技术是通过将这些样式合并为一个主正则式，并且循环匹配来实 现的 from typing import NamedTuple import re class Token(NamedTuple): type: str value:

用户方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1736 29.2.4 主方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1737 29.2.5 match='\\'> 写一个词法分析器 一个 词法器或词法分析器 分析字符串，并分类成目录组。这是写一个编译器或解释器的第一步。 文字目录是由正则表达式指定的。这个技术是通过将这些样式合并为一个主正则式，并且循环匹配来实 现的 from typing import NamedTuple import re class Token(NamedTuple): type: str value: 8.2.3 ZoneInfo 类 class zoneinfo.ZoneInfo(key) 一个具体的datetime.tzinfo 子类，它代表一个由字符串 key 所指定的 IANA 时区。对主构造 器的调用将总是返回可进行标识比较的对象；但是另一种方式，对所有的 key 值通过ZoneInfo. clear_cache() 禁止缓存失效，对以下断言将总是为真值: a = ZoneInfo(key)