LaTeX 修改图片标题字体大小

字符串索引与切片是Python中最基础的序列操作机制，本质源于其Unicode原生、不可变序列的设计哲学。理解左闭右开区间、负索引的坐标系平移特性及步长切片的跨步采样逻辑，是避免IndexError和静默逻辑错误的关键。在数据清洗、日志解析、API响应处理等高频场景中，安全切片（如safe_slice）、find定位+边界校验、grapheme库的Unicode感知切片等技术显著提升鲁棒性。尤其在PyTorch等深度学习环境的文本预处理中，虽GPU不加速字符串操作，但正确使用索引切片可保障tokenizat

python迭代器知识

colors = ['red', 'green', 'blue', 'yellow'] #方法一： n = 0 for i in colors: print(n, i) n += 1 #方法二： for i in range(len(colors) ): print(i , colors[i]) #方法三： for i,j in enumerate(colors): print(i,j)

本文揭示了Python中迭代器与for循环的本质关系及迭代器的核心价值。for循环实际上是基于迭代器实现的语法糖，自动完成迭代器的创建、next()调用和异常处理。两者的关键区别在于：for循环自动遍历所有元素，而迭代器支持手动控制、惰性求值和精细粒度操作。迭代器的真正优势体现在三大场景：1)处理超大文件时节省内存；2)生成无限序列；3)实现精细的迭代控制（暂停/恢复/跳过）。此外，迭代器只能遍历一次，且Python许多内置函数返回迭代器以提高效率。

迭代器循环失效，同一个迭代器只能循环一次。

迭代器对象是Python中处理集合数据的重要工具，它们使得数据可以被逐个访问。通过实现迭代器协议或使用生成器，你可以创建自定义的迭代器对象，以适应特定的需求。生成器（Generator）是Python中一种特殊的迭代器，它允许你逐个产生值，而不是一次性生成所有值。生成器提供了一种优雅的方式来处理数据流，特别是在处理大量数据或需要懒加载（lazy evaluation）的场景中。

在代码中想查看map 函数执行结果的list，使用了如下的代码：``````在获得函数结果后，继续使用data这个迭代器，发现获得结果为空，如：结果为 []

列表去重是Python开发中最基础的数据清洗操作，其本质并非简单算法实现，而是涉及顺序保持（order preservation）、类型安全性（如0与False严格区分）和时间空间复杂度的工程决策。不同方案在语义准确性、执行效率和环境兼容性上差异显著：set方案最快但丢失顺序且类型不安全；dict.fromkeys自Python 3.7起成为标准保序解法，兼顾性能与语义鲁棒性；more_itertools和pandas则适用于已集成对应生态的大规模或流式场景。本文结合timeit benchmark与真实生

2.文件操作 文件操作的过程：打开文件获得句柄——>操作文件行（遍历等）——>关闭文件 打开文件获得句柄 　　　　　　比较low的方法： f = open("file_path","r","encoding=utf-8") 操作完后要关闭文件 f.close 　　　　　　高大上的方法：用完自动关闭 　　　　　　　　　　　　　with ...

Python 官网：https://www.python.org/ Free：大咖免费“圣经”教程《 python 完全自学教程》，不仅仅是基础那么简单…… My CSDN主页、My HOT博、My Python 学习个人备忘录 好文力荐、 老齐教室   自学并不是什么神秘的东西，一个人一辈子自学的时间总是比在学校学习的时间长，没有老师的时候总是比有老师的时候多。             —— 华罗庚 奇妙的 “黑板擦”字符串 ('\033[2J'可以擦除一屏) 目 录

声明：本帖子专为个人面试所写，本身只是为了加深自己的记忆，写完想着分享出来万一有人也需要呢。所以内容较浅，也比较基础，大佬们请绕道！参考链接在最后！不够看的可以看视频，老师讲的很好，就是有点浅，不过对于新手很友好！目录：一. 时间复杂度：计算规则常见时间复杂度常见时间复杂度比较List常见内置操作的时间复杂度Dict常见内置操作时间复杂度：二. 顺序表：定义存储方式三. python中的顺序表（列...

Pandas行迭代（iterate over rows）是数据分析中高频但易误用的核心操作，其本质涉及内存布局、CPU缓存效率与视图/副本机制。向量化操作之所以高效，关键在于连续内存访问带来的高缓存命中率，而iterrows等逐行遍历则引发大量随机读取与对象重建开销。在真实业务场景中，当逻辑无法完全向量化（如调用外部API、处理嵌套JSON、状态累积计算），必须选择可控的迭代策略。本文聚焦itertuples、apply(axis=1)、numba.jit、swifter及pandarallel五大方案，结

1、特殊符号(先解释，后面会有例子） 表示 描述 re1|re2 或的关系 . 匹配任何字符（\n除外），要显示的匹配.号，需要加\| ^ 匹配字符串的开头 $ 匹配字符串的结尾 * 匹配0次或多次前面出现的正则表达式 + 匹配1次或者多次前面出现的正则表达式 ？ 匹配0次或者一次（一句话，就是匹配越少越好） {N} 重复N次前面

声明：本帖子专为个人面试所写，本身只是为了加深自己的记忆，写完想着分享出来万一有人也需要呢。所以内容较浅，也比较基础，大佬们请绕道！参考链接在最后！不够看的可以看视频，老师讲的很好，就是有点浅，不过对于新手很友好！目录：一. 时间复杂度：计算规则常见时间复杂度常见时间复杂度比较List常见内置操作的时间复杂度Dict常见内置操作时间复杂度：二. 顺序表：定义存储方式三. python中的顺序表（列...

循环 重复执行某一个固定的动作或者任务 for语句 基础语法： for 临时变量(可以是多个，用逗号隔开) in iterable（可迭代元素）: 某一件事情 某几件事情 再次强调：python中iterable元素：bytes str tuple list set dict for输出不同数据类型 输入：for i in b'123': print(i) #输出其对应Ascii码值 结果：49 50 51 输入：for i in {1: 2, 2: 3, 3: 4}:

Python 中的迭代器和生成器是处理集合元素的重要工具，它们在处理大量数据时特别有用，因为它们不需要一次性将所有数据加载到内存中。

iter1.凡是可作用于 for循环的对象都是 Iterable 类型；2.但是可作用于 next()函数的对象都是 Iterator 类型；3.集合数据类型如 list、dict、str 等是 Iterable 但不是 Iterator, 不过可以通过 iter() 函数获得一个 Iterator 对象。

序列 1.仅能使用+和* + :拼接 *:相当于多次拼接 2.id(s) 查看一个序列的id 3.is /not is 判断变量是否相等，in/not in 判断前一个元素是否在后一个元素中 4.del x[1:4] #删除序列中下标为1，2，3的元素 zip() map() filter() 可迭代对象vs迭代器 迭代器一定是一个可迭代对象，可迭代对象可重复使用，迭代器只能使用一次。 ...

1、python会默认缓存[-5,256]之间的小整数和部分字符串（仅包含数字、字母和下划线）： 2、sorted（） 3、迭代器的特性： 迭代器只能进行一次遍历，遍历完之后迭代器就消失了 4、reversed（） 5、sum（） 6、enumerate（） 7、zip（） 8、list.append（） 9、list.extend（） 10、浅拷贝list.cop...