ARTS第三十七周(2020年6月1日~7日)
Algorithm
编号 | 难度 | 题目 | 我的解答 | 执行用时 | 内存消耗 | 排名 | 备注 |
---|---|---|---|---|---|---|---|
242 | 简单 | 有效的字母异位词 | 200609-1.cpp | 8 ms | 7.3 MB | 92.66% | |
257 | 简单 | 二叉树的所有路径 | 200609-1.cpp | 4 ms | 13.9 MB | 87.97% | |
258 | 简单 | 各位相加 | 200609-1.cpp | 0 ms | 5.9 MB | 100.00% | |
260 | 中等 | 只出现一次的数字 III | 200609-1.cpp | 32 ms | 11.8 MB | 9.67% |
Review
1. 基于C++20实现类型安全的SQL
分享链接:C++20 and SQL - A Thin, Typesafe SQL Wrapper in C++20
SQL语言虽然简单易上手,但它在类型上不安全的特性,也常常被人诟病。过去在C++中,也有不同的实现,来确保相应的类型安全性。
现在在C++20标准支持下,也推出了更便利的使用方法。C++20中,允许对字符串追加一个后缀,来实现特定的功能(函数调用),这个特性可以帮助直接把某个SQL语句字符串,转化成相应的代码逻辑及其实例对象,还同时保证类型安全性。
Tip
1. 如何对已经安装的R包进行地毯式地学习
|
|
Share
1. 使用Pandas清洗数据
分享链接:
- Part 1 - Introducing Jupyter and Pandas
- Part 2 - Loading CSV and SQL Data into Pandas
- Part 3 - Correcting Missing Data in Pandas
- Part 4 - Combining Multiple Datasets in Pandas
- Part 5 - Cleaning Data in a Pandas DataFrame
- Part 6 - Reshaping Data in a Pandas DataFrame
- Part 7 - Data Visualization using Seaborn and Pandas
这是一个文章系列,可逐步带领读者熟悉Pandas包,并使用它实现常见的数据清洗及可视化操作。