- # -*- coding:utf-8 -*- from multiprocessing import Process, Queue, Lock import time from PyQt5.QtCore import QThread def add(q, lock, a, b): i=0 while 1: time.sleep(1) lock.acquire() #... # -*- coding:utf-8 -*- from multiprocessing import Process, Queue, Lock import time from PyQt5.QtCore import QThread def add(q, lock, a, b): i=0 while 1: time.sleep(1) lock.acquire() #...
- import random dict2 = {k:random.randint(-100,100) for k in range(1,10)} print(dict2) print(sorted(dict2.items(), key=lambda item: item[1], reverse=True)) import random dict2 = {k:random.randint(-100,100) for k in range(1,10)} print(dict2) print(sorted(dict2.items(), key=lambda item: item[1], reverse=True))
- Python实现跨文件跨线程全局变量的方法 参考：https://www.cnblogs.com/rnckty/p/7722603.html 跨文件全局变量不能跨进程，进程之间是隔绝的，必须用进程间通信 跨文化全局变量能解决多进程引起的内存拷贝 a.py 有一个文件变量b 当新建进程时，b会初始化多次 用了跨文件全局变量，能让b初始化一次。 &n... Python实现跨文件跨线程全局变量的方法 参考：https://www.cnblogs.com/rnckty/p/7722603.html 跨文件全局变量不能跨进程，进程之间是隔绝的，必须用进程间通信 跨文化全局变量能解决多进程引起的内存拷贝 a.py 有一个文件变量b 当新建进程时，b会初始化多次 用了跨文件全局变量，能让b初始化一次。 &n...
- 原文：http://www.jianshu.com/p/144db81341a3 从自动贩卖机找零看Python中的动态规划问题 问题描述 假设在某国存在[1,x1,x2,x3,...,xn]多种货币，该国的自动贩卖机在找零时要遵循一个原则——“找零的总张数最少”。那么，该如何编写程序，帮助自动贩卖机自动找零呢？ 问题分析 解决这一问题的最直接思... 原文：http://www.jianshu.com/p/144db81341a3 从自动贩卖机找零看Python中的动态规划问题 问题描述 假设在某国存在[1,x1,x2,x3,...,xn]多种货币，该国的自动贩卖机在找零时要遵循一个原则——“找零的总张数最少”。那么，该如何编写程序，帮助自动贩卖机自动找零呢？ 问题分析 解决这一问题的最直接思...
- 双边滤波速度不是特别快 python 双边滤波与高斯滤波 高斯滤波就是对整幅图像进行加权平均的过程。每个像素点的值，都由其本身和邻域内的其它像素值经过加权平均后得到。高斯滤波的详细操作是：用一个模板（或称卷积、掩模）扫描图像中的每个像素。用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 cv2.imshow('src',newimg) c... 双边滤波速度不是特别快 python 双边滤波与高斯滤波 高斯滤波就是对整幅图像进行加权平均的过程。每个像素点的值，都由其本身和邻域内的其它像素值经过加权平均后得到。高斯滤波的详细操作是：用一个模板（或称卷积、掩模）扫描图像中的每个像素。用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 cv2.imshow('src',newimg) c...
- 最近看数学，发现有时候画个图还真管用，对理解和展示效果都不错。尤其是三维空间和一些复杂函数，相当直观，也有助于解题。 本来想用mathlab，下载安装都太费事，杀鸡不用牛刀，Python基本就能实现，三维图还可以拖动图像来回旋转。 下面分别在二维三维举例说明。 1. 二维绘图 ... 最近看数学，发现有时候画个图还真管用，对理解和展示效果都不错。尤其是三维空间和一些复杂函数，相当直观，也有助于解题。 本来想用mathlab，下载安装都太费事，杀鸡不用牛刀，Python基本就能实现，三维图还可以拖动图像来回旋转。 下面分别在二维三维举例说明。 1. 二维绘图 ...
- INPUT = c_int * 4 # 实例化一个长度为2的整型数组 input = INPUT() # 为数组赋值（input这个数组是不支持迭代的） input[0] = 11 input[1] = 2 input[2] = 3 input[3] = 4 dll.teststring.restype = c_char_p # bytes(aaaa, encodin... INPUT = c_int * 4 # 实例化一个长度为2的整型数组 input = INPUT() # 为数组赋值（input这个数组是不支持迭代的） input[0] = 11 input[1] = 2 input[2] = 3 input[3] = 4 dll.teststring.restype = c_char_p # bytes(aaaa, encodin...
- 在实习公司，公司的leader最近布置的任务是在一些网站下载一些文件，然后上传到web服务器。开始的时候手动下载了几个，实在太麻烦了，刚好自己正在写Python，就直接写了一个小爬虫。 因为涉及到公司的一些信息，爬虫的代码在这里就不展示了。不过在写的过程中发现了一个挺有意思的东西—python输出文字颜色的设置，在这里记录下来 在实习公司，公司的leader最近布置的任务是在一些网站下载一些文件，然后上传到web服务器。开始的时候手动下载了几个，实在太麻烦了，刚好自己正在写Python，就直接写了一个小爬虫。 因为涉及到公司的一些信息，爬虫的代码在这里就不展示了。不过在写的过程中发现了一个挺有意思的东西—python输出文字颜色的设置，在这里记录下来
- # -*- coding: UTF-8 -*- def isInsidePolygon(pt, poly): c = False i = -1 l = len(poly) j = l - 1 while i < l - 1: i += 1 print(i, poly[i], j, poly[j]) if # -*- coding: UTF-8 -*- def isInsidePolygon(pt, poly): c = False i = -1 l = len(poly) j = l - 1 while i < l - 1: i += 1 print(i, poly[i], j, poly[j]) if
- from multiprocessing import Process,Pipe # 导入进程，管道模块 def f(conn): conn.send([1,'test',None]) conn.send([2,'test',None]) print(conn.recv())... from multiprocessing import Process,Pipe # 导入进程，管道模块 def f(conn): conn.send([1,'test',None]) conn.send([2,'test',None]) print(conn.recv())...
- # coding=utf-8 import numpy as np import cv2 from PIL import Image image = cv2.imread("d:/11.jpeg") b = np.array([[100,100], [250,100], [300,220],[1 # coding=utf-8 import numpy as np import cv2 from PIL import Image image = cv2.imread("d:/11.jpeg") b = np.array([[100,100], [250,100], [300,220],[1
- pil读图片需要0ms，但是转换opencv需要13ms opencv读图片需要13ms import numpy as npimport cv2import time from PIL import Image def a(): path='d:/1.jpg' for i in range(10): start=time.time() ... pil读图片需要0ms，但是转换opencv需要13ms opencv读图片需要13ms import numpy as npimport cv2import time from PIL import Image def a(): path='d:/1.jpg' for i in range(10): start=time.time() ...
- python 通过pybind11向C++ dll 传递数组 图像 传递python中的List pybind11 很贴心地帮你把 vector<T> 跟 python 的 list 做好了转换，你只需要 #include <pybind11/stl.h>&... python 通过pybind11向C++ dll 传递数组 图像 传递python中的List pybind11 很贴心地帮你把 vector<T> 跟 python 的 list 做好了转换，你只需要 #include <pybind11/stl.h>&...
- pip install -U scikit-learn pip install scikit-image pip install pillow pip install DBUtils window安装pycocotools解决方法 pip install git+https://github.com/philferriere/cocoapi... pip install -U scikit-learn pip install scikit-image pip install pillow pip install DBUtils window安装pycocotools解决方法 pip install git+https://github.com/philferriere/cocoapi...
- 这几天写php程序，发现php里有一个array_multisort()函数十分好用，可以轻松对多维数组进行排序，查了查python的相关资料，视乎没有一个比较直接的函数来完成多维数组的排序 单个数组的排序很简单，直接用sort就能完成，如一下ipython代码： 这几天写php程序，发现php里有一个array_multisort()函数十分好用，可以轻松对多维数组进行排序，查了查python的相关资料，视乎没有一个比较直接的函数来完成多维数组的排序 单个数组的排序很简单，直接用sort就能完成，如一下ipython代码：
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签