冒泡排序是这样的，假如我当前有一个数组[x1,x2,x3,...,xn]，这n个数是无序的，那么我要对该数组进行排序的话，假如要将该数组进行升序，我每一次都能从前往后（或从后往前）确定一个元素xi的具体位置，排在元素xi之前的元素都要比它小，它之后的元素都比它大

目录一、引言：二、问题分析：三、例题应用——一般算术表达式转换成后缀式（1）、栈的基本操作函数的定义（2）主函数（3）运行结果（四）、完整代码（五）、总结一、引言：花了一天的时间，用代码实现了这个功能，过程很痛苦，出现了很多错误，可能我比较菜，调试了一天才调试出来。俗话说：出现错误才是提升自我的开始。如果没有出现错误，那就永远发现不了问题，只有通过出现问题，分析问题，解决问题，才能有所收获，有所提

引言：这篇文章的末尾有完整的实现代码，前面还是先进行分步实现，即我们探讨一下为什么要这样做，以及我们应该怎么样一步一步的实现循环队列。目录一、队列的概念二、队的基本操作三、对于队的操作，了解若干个规则四、对队列的基本操作进行实现（1）、队的初始化（2）、判断队是否为空（3）、求队列的长度（4）、入队操作（5）、出队操作（6）、求队首元素（7）、主函数（8）、运行结果（9）、完整代码总结一、队列的概

sorted()函数，key=lambda的使用

查看安装conda的版本，创建虚拟环境，切换虚拟环境，查看已有的虚拟环境，在当前虚拟环境安装第三方库，查看当前虚拟环境安装的第三方库列表。

当我们读取一幅图像的时候，一般为二值图像、灰度图像、彩色图像。二值图像就是组成图像的像素非黑即白，只有两种取值，在double类型中0代表黑，1代表白。uint8的话则是0代表黑，255代表白，如果图像的像素不仅有两种颜色组成，还有白色和黑色的之间的灰色，即把白色和黑色之间分成若干段，每段代表的灰度都不同，这时表现出来的图像就是灰度图像。彩色图像则是色彩上给人的冲击是不一样，比如rgb彩色图像，由

统计学习方法或机器学习中对二分类问题的评价指标，精确率和召回率以及F1值的通俗理解，大白话解读。

np.random.rand()、np.random.randn()、np.random.randint()、np.random.uniform()函数的区别和用法，他们返回值都是怎么样的？本篇文章通过代码带你理解它们各自的作用。

该程序实现深度学习神经网络中的线性回归模型，线性回归是神经网络中的基础，虽然一般的神经网络没有线性的，但是他们包括的内容是大同小异的。

一些关于决策树的知识，包括信息熵，信息增益，增益率，基尼系数的概念