小编usu*_* me的帖子

Dijkstra 算法的一种标准实现使用堆来存储从起始节点 S 到所有未探索节点的距离。使用堆的论据是我们可以有效地弹出与它的最小距离，in O(log n)。然而，为了保持算法的不变性，还需要更新堆中的一些距离。这包括：

• 从堆中弹出非最小元素
• 计算更新的距离
• 将它们插回堆中

我知道O(log n)如果知道该元素在堆中的位置，则可以从堆中弹出非最小元素。但是，我无法理解在 Dijkstra 算法的情况下如何知道这个位置。听起来二叉搜索树更合适。

更一般地说，我的理解是，堆比平衡二叉搜索树做得更好的唯一一件事就是访问（而不删除）最小元素。我的理解正确吗？

所以我正在写一个双向链表的实现。这是实现单个节点的类的构造函数：

DNode::DNode(const int a_key, const DNode* a_prev, const DNode* a_next) 
    : key(a_key), prev(a_prev), next(a_next) {}

我写这本书的原因const int a_key, const DNode* a_prev, const DNode* a_next是因为构造函数没有理由修改它们。因此，我只想保护自己不要在构造函数内进行任何不必要的修改。这是一件好事吗？

编译输出以下错误：

dnode.cpp：6：89：错误：无法使用类型为const DNode *'的左值初始化类型为'DNode *'的成员子对象DNode :: DNode（const int a_key，const DNode * a_prev，const DNode * a_next） ：键（a_key），上一个（a_prev），下一个（a_next）{}

dnode.cpp：6：103：错误：无法使用类型为const DNode *'的左值初始化类型为'DNode *'的成员子对象DNode :: DNode（const int a_key，const DNode * a_prev，const DNode * a_next） ：键（a_key），上一个（a_prev），下一个（a_next）{}

我不明白该错误信息。DNode*是指针类型，而不是左值。欢迎任何帮助。

===编辑===

我将代码修改为以下内容。

dnode.h

class DNode {

 public:

  //
  DNode( const int a_key, const DNode& a_prev, const DNode& a_next );

  // …

所以我想测试列表是否已排序.阅读本页后,我这样做了:

ll = [ 0, 8, 4, 12, 2, 10, 6, 14, 1, 9, 5, 13, 3, 11, 7, 15 ]
all(b >= a for a, b in zip(ll, ll[1:]) )

产量

<generator object <genexpr> at 0x10d9ecaa0>

好的,所以all()返回发电机.但这是Python文档所说的all():

如果iterable的所有元素都为true(或者iterable为空),则返回True

我错过了什么？

关于gunicorn：我期望最佳工人数量为$num_cores或$num_cores-1，即每个工人都有自己的核心。但是 gunicorn文档给出了以下指南：

Gunicorn 依靠操作系统在处理请求时提供所有负载平衡。通常我们建议 (2 x $num_cores) + 1 作为开始的工作人员数量。虽然不太科学，但该公式基于这样一个假设，即对于给定的内核，一个 worker 将从套接字读取或写入，而另一个 worker 正在处理请求。

我不明白解释。这是否表明同一个内核可以同时用于 1）从套接字读取或写入以及 2）处理请求？（单核可以做这样的事情吗？）

我们在Python中称之为"堆栈"是什么？它是CPython的C堆栈吗？我读到Python堆栈帧是在堆中分配的.但我认为堆栈的目标是...堆栈堆栈帧.那堆栈到底是做什么的？

不久前我在OSX上安装了python科学环境(numpy,scipy,matplotlib,pandas,ipython),使用brew和pip或easy_install(或其中2个,我不记得了).现在,如果尝试运行ipython,我得到:

-> ipython
-bash: ipython: command not found

然后我做了:

-> sudo find . -iname "*ipython*"
Password:
find: ./dev/fd/3: Not a directory
find: ./dev/fd/4: Not a directory
./Users/jfk/.ipython
./usr/local/Cellar/matplotlib/1.2.0/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_console_highlighting.py
./usr/local/Cellar/matplotlib/1.2.0/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_console_highlighting.pyc
./usr/local/Cellar/matplotlib/1.2.0/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_directive.py
./usr/local/Cellar/matplotlib/1.2.0/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_directive.pyc
./usr/local/Cellar/matplotlib/1.2.1/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_console_highlighting.py
./usr/local/Cellar/matplotlib/1.2.1/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_console_highlighting.pyc
./usr/local/Cellar/matplotlib/1.2.1/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_directive.py
./usr/local/Cellar/matplotlib/1.2.1/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_directive.pyc
./usr/local/Cellar/python/2.7.4/Frameworks/Python.framework/Versions/2.7/share/doc/ipython
./usr/local/Cellar/python/2.7.4/Frameworks/Python.framework/Versions/2.7/share/doc/ipython/examples/core/ipython-get-history.py
./usr/local/Cellar/python/2.7.4/Frameworks/Python.framework/Versions/2.7/share/doc/ipython/examples/core/ipython-qtconsole.desktop
./usr/local/Cellar/python/2.7.4/Frameworks/Python.framework/Versions/2.7/share/doc/ipython/examples/core/ipython-sh.desktop
./usr/local/Cellar/python/2.7.4/Frameworks/Python.framework/Versions/2.7/share/doc/ipython/examples/core/ipython.desktop
./usr/local/Cellar/python/2.7.4/Frameworks/Python.framework/Versions/2.7/share/doc/ipython/examples/core/ipython_here_shell_extension.reg
./usr/local/Cellar/python/2.7.4/Frameworks/Python.framework/Versions/2.7/share/man/man1/ipython.1
./usr/local/lib/python2.7/site-packages/IPython
./usr/local/lib/python2.7/site-packages/IPython/config/profile/cluster/ipython_config.py
./usr/local/lib/python2.7/site-packages/IPython/config/profile/cluster/ipython_config.pyc
./usr/local/lib/python2.7/site-packages/IPython/config/profile/math/ipython_config.py
./usr/local/lib/python2.7/site-packages/IPython/config/profile/math/ipython_config.pyc
./usr/local/lib/python2.7/site-packages/IPython/config/profile/pysh/ipython_config.py
./usr/local/lib/python2.7/site-packages/IPython/config/profile/pysh/ipython_config.pyc
./usr/local/lib/python2.7/site-packages/IPython/config/profile/sympy/ipython_config.py
./usr/local/lib/python2.7/site-packages/IPython/config/profile/sympy/ipython_config.pyc
./usr/local/lib/python2.7/site-packages/IPython/frontend/html/notebook/static/codemirror/README-IPython.rst
./usr/local/lib/python2.7/site-packages/IPython/frontend/html/notebook/static/codemirror/theme/ipython.css
./usr/local/lib/python2.7/site-packages/IPython/frontend/qt/console/ipython_widget.py
./usr/local/lib/python2.7/site-packages/IPython/frontend/qt/console/ipython_widget.pyc
./usr/local/lib/python2.7/site-packages/IPython/frontend/qt/console/resources/icon/IPythonConsole.svg
./usr/local/lib/python2.7/site-packages/IPython/frontend/qt/console/rich_ipython_widget.py
./usr/local/lib/python2.7/site-packages/IPython/frontend/qt/console/rich_ipython_widget.pyc
./usr/local/lib/python2.7/site-packages/ipython-0.13.2-py2.7.egg-info
./usr/local/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_console_highlighting.py
./usr/local/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_console_highlighting.pyc
./usr/local/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_directive.py
./usr/local/lib/python2.7/site-packages/matplotlib/sphinxext/ipython_directive.pyc
./usr/local/share/python/ipython

我很惊讶没有看到任何/ bin目录.

然后我尝试重新安装ipython

-> pip install ipython
Requirement already satisfied (use --upgrade to upgrade): ipython in …

我知道如何使用发电机,但我对它们的内部结构一无所知.我试过这个:

In [4]: def f(): yield 1
In [6]: type(f())
Out[6]: generator

现在我拆开它:

In [7]: dis.dis(f)
  1           0 LOAD_CONST               1 (1)
              3 YIELD_VALUE         
              4 POP_TOP             
              5 LOAD_CONST               0 (None)
              8 RETURN_VALUE        

为什么操作码会return None在f实际返回生成器时提示？

我读到一切都是Python中的一个对象.那么,什么是2:4在L[2:4]？它是切片的对象吗？当我输入2:4解释器时,SyntaxError会引发一个.

所以下面的内置类有一个__eq__属性,(我假设)是你可以测试它们的实例是否相等的原因:

>>> 1.2.__eq__( 1.2 )
True
>>> 1.2 == 1.2
True
>>> 'hello'.__eq__( 'hi' )
False
>>> 'hello' == 'hi'  
False
>>> [1,2].__eq__( [1,2] )
True
>>> [1,2] == [1,2]  
True

然后我很惊讶地看到int物体没有__eq__,但我们仍然可以比较它们:

>>> hasattr( 1, '__eq__' )
False
>>> 1 == 2 
False

这是怎么回事？我是否误解__eq__了平等运算符之间的关系？

假设我创建了2个列表:

l = range(pow(10,6))
m = range(pow(10,6))

我们来计算共享对象的数量:

import itertools
sum(mi is li for mi, li in itertools.izip(m,l))

257

百万中只有257个？MMH.我们打印出来:

print [ mi for mi, li in itertools.izip(m,l) if mi is li ]

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, …

我正在学习偏见以及何时使用它们.在这个关于partials vs lambdas的页面中,接受的答案解释了partialsover 的优点之一lambdas是partials具有对内省有用的属性.因此我们可以使用partials来执行以下操作:

import functools
f = functools.partial(int, base=2)
print f.args, f.func, f.keywords

((), int, {'base': 2})

实际上,我们不能这样做lambdas:

h = lambda x : int(x,base=2)
print h.args, h.func, h.keywords

AttributeError: 'function' object has no attribute 'args'

但实际上,我们不能用"普通"Python函数做到这一点:

def g(x) :
  return int(x,base=2) 
print g.args, g.func, g.keywords

AttributeError: 'function' object has no attribute 'args'

为什么partials比普通的Python函数有更多的功能？这种设计的目的是什么？内省被认为对正常功能无用吗？