秒。 Python3 基础教程【完整版】 http://www.yeayee.com/ 6/531 那是不是越低级的程序越难学，越高级的程序越简单？表面上来说，是 的，但是，在非常高的抽象计算中，高级的 Python 程序设计也是非常 难学的，所以，高级程序语言不等于简单。 但是，对于初学者和完成普通任务，Python 语言是非常简单易用的。连 Google 都在大规模使用 [序号]:作为提示符。 PyPy PyPy 是另一个 Python 解释器，它的目标是执行速度。PyPy 采用 JIT 技 术，对 Python 代码进行动态编译（注意不是解释），所以可以显著提 高 Python 代码的执行速度。 绝大部分 Python 代码都可以在 PyPy 下运行，但是 PyPy 和 CPython 有 一些是不同的，这就导致相同的 Python 代码在两种解释器下执行可能 Python3 基础教程【完整版】 http://www.yeayee.com/ 123/531 对应到编程语言，就是越低级的语言，越贴近计算机，抽象程度低，执 行效率高，比如 C 语言；越高级的语言，越贴近计算，抽象程度高，执 行效率低，比如 Lisp 语言。 函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言 编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出

0年年落地开花，并集中统⼀一 各种Ops平台 IT运维的⽬目标/KPI 1 2 3 IT运维的挑战 • 复杂度越来越⾼高： • 架构演变：SaaS、多云、容器器、微服务等 • 数据孤岛越来越多：⼤大数据的3V（容量量、变化、种类） • 成本越来越⾼高： • 业务中断成本 • 缺少持续改进（运维⼈人员⼤大部分时间忙于救⽕火） • ⼈人员学习速度跟不不上业务增⻓长和问题出现的速度 单条⼤大⼩小 100~10KB 100~10KB < 500 100~10KB 采集难度 ⼀一般 较难 ⼀一般 ⼀一般 加⼯工难度 较难 ⼀一般 简单 较难 价值 ⾼高（尤其安全） ⾼高 随着时间推移变低 ⽐比较⾼高 数据之间的重叠 数据中台的处理理 • 海海量量多样数据的存储/索引： • 时序指标数据、⽂文本数据、⽇日志、⽹网络数据、Tracking等 • 各种分析的⽀支持： • ⾃自由报表定制与构建 • 30+ 可视化插件 • ⽀支持查询原始指标 prometheus的扩展 - thanos • 全兼容Prometheus，提供全局视图+HA • 扩展⾼高可⽤用 • Sidecar + Query节点 • ⻓长时间备份与归档 • 压缩与下采样（DownSampling） Open Telemetry • CNCF统⼀一Metric、Tracking的新标准

Dic�onary Set bytearray set 集合是由若干个元素组成的，基本功能是 进行成员关系测试 和 删 除重复元素 set可以进行数学上的集合运算（差集，并集，交集等） 可用 { ... } 和 set() 函数创建集合，创建空集合必须使用 set()而不能用 {} 例： a=set("fldsaj") b=set("fdslj") a - b /参与运算的数为float，则返回float，不再是整数 在python 3中，/ 不论参与运算的数为int还是float，不是整除，都返回 float 若参与运算的数只有int，则可用 // 运算符，取整数商 若参与运算的数为float，则返回float 也可用 import math ; math.trunc(xx/yy) 来取整，(xx/yy)可为float，结果 也是整数商 ★小数取整 ①内置函数round()为四舍五入，n #输出时3个参数之间默认使用空格隔开 print( arg1, arg2, sep="" ) #输出时不使用任何字符隔开，也可 在""内指定分隔符 print()默认是带换行的，即默认结尾符为\n，可用end=""指定结尾符为 空（不带换行） 如 print( argx, argv, end="" ) ②print()旧式字符串格式化 同C语言的sprin�()的格式化字符串用法，用 % 操作符

development team 九月 07, 2024 Python Software Foundation Email: docs@python.org Contents 1 概述 3 1.1 可用性注释 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 有更新和移植版本的 Python 中可用；另一些模块仅在 底层系统支持或要求时可用；还有些模块则仅当编译和安装 Python 时选择了特定配置选项时才可用。 本手册以” 从内到外” 的顺序组织：首先描述内置函数、数据类型和异常，最后是根据相关性进行分组的各 种模块。 这意味着如果你从头开始阅读本手册，并在感到厌烦时跳到下一章，你仍能对 Python 库的可用模块和所支持 的应用领域有个大致了解。当然，你并非 是建议先从内置函数 这一章开始，因为本手册的其余内容都需要你熟悉其中的基本概念。 让我们开始吧！ 3 The Python Library Reference, 发布 3.8.20 1.1 可用性注释 • 如果出现“适用：Unix”注释，意味着相应函数通常存在于 Unix 系统中。但这并不保证其存在于某个 特定的操作系统中。 • 如果没有单独说明，所有注明“适用：Unix”的函数都支持基于

development team 三月 16, 2022 Python Software Foundation Email: docs@python.org Contents 1 概述 3 1.1 可用性注释 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 有更新和移植版本的 Python 中可用；另一些模块仅在 底层系统支持或要求时可用；还有些模块则仅当编译和安装 Python 时选择了特定配置选项时才可用。 本手册以” 从内到外” 的顺序组织：首先描述内置函数、数据类型和异常，最后是根据相关性进行分组的各 种模块。 这意味着如果你从头开始阅读本手册，并在感到厌烦时跳到下一章，你仍能对 Python 库的可用模块和所支持 的应用领域有个大致了解。当然，你并非 是建议先从内置函数 这一章开始，因为本手册的其余内容都需要你熟悉其中的基本概念。 让我们开始吧！ 3 The Python Library Reference, 发布 3.7.13 1.1 可用性注释 • 如果出现“适用：Unix”注释，意味着相应函数通常存在于 Unix 系统中。但这并不保证其存在于某个 特定的操作系统中。 • 如果没有单独说明，所有注明“适用：Unix”的函数都支持基于

development team 九月 09, 2024 Python Software Foundation Email: docs@python.org Contents 1 概述 3 1.1 可用性注释 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1369 24.1.2 可用的 Turtle 和 Screen 方法概览 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1371 24.1.3 RawTurtle/Turtle . . . . . . . . . . . . . . . . 1733 29.5.6 可用的函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1733 29.5.7 可用的上下文管理器 . . . . . . . . . . . . . . . . . . . .

development team 九月 08, 2024 Python Software Foundation Email: docs@python.org Contents 1 概述 3 1.1 可用性注释 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1337 24.1.2 可用的 Turtle 和 Screen 方法概览 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1339 24.1.3 RawTurtle/Turtle . . . . . . . . . . . . . . . . 1685 29.5.6 可用的函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1686 29.5.7 可用的上下文管理器 . . . . . . . . . . . . . . . . . . . .

的方法是找一臺計算機，執行這兩個演算法，並監控記錄它們的執行時間和記憶體佔用情況。這種評估方式 能夠反映真實情況，但也存在較大的侷限性。 一方面，難以排除測試環境的干擾因素。硬體配置會影響演算法的效能表現。比如一個演算法的並行度較高， 那麼它就更適合在多核 CPU 上執行，一個演算法的記憶體操作密集，那麼它在高效能記憶體上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 複雜度分析為我們提供了一把評估演算法效率的“標尺”，使我們可以衡量執行某個演算法所需的時間和空 間資源，對比不同演算法之間的效率。 複雜度是個數學概念，對於初學者可能比較抽象，學習難度相對較高。從這個角度看，複雜度分析可能不太 適合作為最先介紹的內容。然而，當我們討論某個資料結構或演算法的特點時，難以避免要分析其執行速度 和空間使用情況。 綜上所述，建議你在深入學習資料結構與演算法之 表 2‑1 迭代與遞迴特點對比 迭代 遞迴 實現方 式 迴圈結構 函式呼叫自身 第 2 章 複雜度分析 www.hello‑algo.com 27 迭代 遞迴 時間效 率 效率通常較高，無函式呼叫開銷 每次函式呼叫都會產生開銷 記憶體 使用 通常使用固定大小的記憶體空間 累積函式呼叫可能使用大量的堆疊幀空間 適用問 題 適用於簡單迴圈任務，程式碼直觀、可讀 性好 適

“计算操作运行时间统计”简化为“计算操作数量统计”，这样一来估算难度就大大降低了。 ‧ 时间复杂度也存在一定的局限性。例如，尽管算法 A 和 C 的时间复杂度相同，但实际运行时间差别很 大。同样，尽管算法 B 的时间复杂度比 C 高，但在输入数据大小 ? 较小时，算法 B 明显优于算法 C 。在 这些情况下，我们很难仅凭时间复杂度判断算法效率的高低。当然，尽管存在上述问题，复杂度分析仍 然是评判算法效率最有效且常用的方法。 (?2) ?3 + 10000?2 ?(?3) 2? + 10000?10000 ?(2?) 2.3.4 常见类型 设输入数据大小为 ? ，常见的时间复杂度类型如图 2‑9 所示（按照从低到高的顺序排列）。 ?(1) < ?(log ?) < ?(?) < ?(? log ?) < ?(?2) < ?(2?) < ?(?!) 常数阶 < 对数阶 < 线性阶 < 线性对数阶 < 平方阶 < recur() 在运行过程中会同时存在 ? 个未返回的 recur() ，从而占用 ?(?) 的栈帧空间。 2.4.3 常见类型 设输入数据大小为 ? ，图 2‑16 展示了常见的空间复杂度类型（从低到高排列）。 ?(1) < ?(log ?) < ?(?) < ?(?2) < ?(2?) 常数阶 < 对数阶 < 线性阶 < 平方阶 < 指数阶 第 2 章 复杂度分析 hello‑algo.com