原创 python.zip() 多列表壓縮

zip函數接受任意多個(包括0個和1個)序列作爲參數,返回一個tuple列表。具體意思不好用文字來表述,直接看示例: 1.示例1: x = [1, 2, 3] y = [4, 5, 6] z = [7, 8, 9] xyz = zip(

原创 面試題15:單鏈表中倒數第k個節點

題目 輸入一個鏈表,輸出該鏈表中倒數第k個節點。比如鏈表是1->2->3->4->5->5,輸出倒數第三個節點就是4 思路 因爲單鏈表中每個節點的指針指向是單向的,並且還不知道這個鏈表有多長,笨方法是先遍歷一下鏈表,知道鏈表長度後再遍歷

原创 百度2016筆試(算法春招實習)

4.23 10:00更新,編程題1的Python實現,僅供參考。源碼見頁尾 4.23 20:35更新,編程題2的Python實現。源碼見尾頁 百度的題還是非常偏重算法的,整體來講難度比較高,尤其是編程題,下面附上原題: 選擇題

原创 記錄一下上一階段的面試

      大概10多天沒寫博客了,上週去北京呆了一週,找找實習,參加了凱普斯尖子生峯會(並不是尖子生,被硬拉去的),也順便看看我在各大公司眼中應該是個什麼位置。       正式面試的有兩家公司,汽車之家和360。 汽車之家 個人對

原创 pandas.loc 選取指定列進行操作

今天發現用pandas裏面的數據結構可以減少大量的編程工作,從現在開始逐漸積累,記錄一下: 使用標籤選取數據: df.loc[行標籤,列標籤] df.loc['a':'b']#選取ab兩行數據 df.loc[:,'one']#選取one

原创 京東2016面經(算法春招實習)

經歷一輪輪過關斬將也是成功的過了HR面,上面的狀態不知道是不是等待拿offer,不出意外應該是沒問題了吧,下面聊聊面試過程。 一面 一面技術面在一個五星級酒店宴會廳進行的,由於跟騰訊衝突時間導致到場的人並不是很多。說正題,面試官首先問了

原创 面試題8:旋轉數組的最小數字

由於騰訊面試問到了劍指offer原題,吃了虧,今天開始開一個劍指offer專題,訓練一下自己。 旋轉數組的最小數字 問題描述:將一個嚴格遞增的數字序列從第i個位置切分,將有半部分挪到左半部分,比如[1,2,3,4,5,6]->[3,4,5

原创 python.enumerate() 同時遍歷索引+內容

今天看源碼的時候看到這樣一段: for i, score in enumerate(top_scores): 不知道是什麼意思就查了一下手冊,手冊是這麼說的: enumerate()函數可以同時取出列表(元組)中的成員的索引和內容 也

原创 numpy.mean() 計算矩陣均值

計算矩陣的均值 >>> a = np.array([[1, 2], [3, 4]]) >>> np.mean(a) # 將上面二維矩陣的每個元素相加除以元素個數(求平均數) 2.5 >>> np.mean(a, axis=0) # ax

原创 面試題9:斐波那契數列

書中說遞歸法比循環法更慢,實測速度差不多一樣,不知道怎麼回事。 很簡單,直接上代碼吧: # coding:utf-8 # 遞歸計算斐波那契數列 def FibonacciRecursion(n): if n < 0:

原创 騰訊2016面經(基礎研究春招實習)

十分僥倖的我通過了騰訊基礎研究的筆試,4.14在哈爾濱的一面總結一下吧,反正是過了,正在等二面消息。 面試小哥人很好~很有耐心,我能看出他已經很累了(下午5:30面的),依舊堅挺,表揚鵝廠! 1)自我介紹,一分半鐘,期間說我的項目比較多他

原创 面試題10:二進制數中1的個數

這是一個比較經典的位運算問題,我們先回顧一下什麼是位運算: 左移運算 左移運算符m<<n表示把m左移n位。左移n位的時候,最左邊的n位將被丟棄,同時在最右邊補上n個0: 00001010<<2 = 00101000 10001010<<3

原创 python.format() 格式化字符串

這個功能是python2.6及之後才引進的功能,今天看源碼遇到的,記錄一下: 語法 它通過{}和:來代替%。 “映射”示例 通過位置 In [1]: '{0},{1}'.format('kzc',18) Out[1]: 'kzc,18

原创 阿里2016筆試(算法春招實習)

選擇題沒啥好放的,大家都差不多,放個大題吧,所謂的附加題,有興趣就看看,反正第二題空着一筆沒動。。。 點贊 收藏 分享 文章舉報 chixujohnny 發佈了85 篇原創

原创 numpy.linalg.eig() 計算矩陣特徵向量

在PCA中有遇到,在這裏記錄一下 計算矩陣的特徵值個特徵向量,下面給出幾個示例代碼: 在使用前需要單獨import一下 >>> from numpy import linalg as LA>>> w, v = LA.eig(np.dia