归并排序算法是在分治算法基础上设计出来的一种排序算法，它可以对指定序列完成升序（由小到大）或降序（由大到小）排序，对应的时间复杂度为O(nlogn)。

开始学习编程算法，遇到排序问题，一般都是用冒泡法，因为冒泡法好理解，代码量少。但是这种算法时间复杂度高，当需要排序的元素较多时，程序运行时间很长，因此产生了快速排序算法，快排算法也是面试中常考的算法。

和前面介绍的冒泡排序算法、选择排序算法类似，插入排序算法也是一种基础排序算法，其时间复杂度也是O(n^2)。实现思路是：从当前位置开始，从后往前遍历其之前的序列，如果比当前位置的值大，则往后挪动一位，直到遇见比其小的位置结束。

前面文章介绍最基简单的冒泡排序算法，本文介绍另一种排序算法：选择排序，该算法适用于较少的序列排序，时间复杂度也是O(n^2)。实现思路是：将无序区所有值与第一个值比较，将最小的值放到第一个位置，查找过程重复n-1次。

冒泡排序是所有排序算法中最简单、最易实现的算法。实现思路是：比较相邻两个元素的值，如果后者比前者的值小就交换它们的位置；一趟排序完成后，则无序区减少一个数，有序区增加一个数。时间复杂度为O(n^2)。

查找，指在一些数据元素中，通过一定的方法找出与给定关键字相同的数据元素的过程，本文主要介绍两种基本的查找方法：顺序查找算法和二分查找算法。

像这种先将整个问题拆分成多个相互独立且数据量更少的小问题，通过逐一解决这些简单的小问题，最终找到解决整个问题的方案，就是分治算法。

编程语言中，我们习惯将函数（方法）调用自身的过程称为递归，调用自身的函数称为递归函数，用递归方式解决问题的算法称为递归算法。

上一篇文章《算法是什么》中提到，解决同一个问题，可能会有多种算法，但程序的好坏，一般用复杂度来衡量。本文介绍算法中的两个基本衡量标准：时间复杂度、空间复杂度。

要想成为一名合格的程序员，除了至少掌握一门编程语言，更重要的是“解决问题”的能力。任何一门编程语言的学习，本质就是学习它规定的语法，整个过程只能死记硬背，几乎没有捷径。但是，提高“解决问题”的能力是有捷径可寻的，那就是掌握一些算法。

最近在用 Pandas 处理数据的时候，遇到一个需要对某个 DataFrame 值，进行自增累加的操作，踩了一个 NaN 的坑，记录一下。

我把Python编辑器从Pycharm，换成了VSCode，最近遇到了不少问题，其中一个就是Mac系统下VSCode调用matplotlib不显示图像，折腾了很久，一度让我产生放弃VSCode的想法，好在最后还是解决了，下面记录一些解决方案。

自从习惯了写Python代码后，遇到需要重复操作的场景，都会第一时间想到用Python写个程序自动完成。这不，前几天就遇到一个批量截图的需求，就准备用Python来搞定，搜索找到一个可以控制鼠标和键盘的库Pynput。

前几天，我在用Pandas写一个简单的量化选股策略时，最后想把筛选出的数据，导出到csv里面。最简单的实现方法，就是创建一个空DataFrame的方法，然后逐条插入数据，最后写入到csv文件。

前一段时间，在猿编程讲师岗前培训中，有学员问到在pgzero里面，为什么 import pgzrun 之后，music、mouse、keyboard这些模块就能自动加载，不需要import，就能直接使用了。

Python开发中，系统默认的IO交互形式过于单一，所以找到了一个比较容易上手的EasyGui库。这个库是基于Tkinter封装的，所以要保证环境支持Tkinter。虽然很丑，但也勉强能用。

最近录制了一个《Python爬虫+Flask基金看板项目》，本来是手把手教用Python开发的这个项目的。但有一些不懂编程，但对基金感兴趣的朋友，想用这个看板功能，所以写一个简单的使用指南，供参考。

最近在备课一个AI的俄罗斯方块项目，在模拟填充加权计算环节，遇到了一个列表变量赋值、浅拷贝、深拷贝的问题，方便理解，以下对场景做简化。

在Mac系统上使用Homebrew安装Python3，中途遇到很多报错的问题，以下对我遇到的问题做一个罗列，供大家参考。