前缀和（以及与哈希表组合）是解决算法问题中常见的技巧。本文结合几道leetcode算法题解例介绍前缀和+哈希表的应用例。前缀和：针对一个给定的数列A，它的前缀和数列定义如下：（这里采用和c或者pyhton相同的从0开始的下标方式，以便于和编程进行对照）。前缀和的计算有一个良好的特性，即不是每个前缀和都需要独立计算，前后有依赖关系，如下所示：，这样的话针对数组（本文中不追求严格，数列和数组视为可以互

Leetcode1615. 最大网络秩(medium,图论基础)，Python题解

Leetcode213: 打家劫舍 II，python解法，0/1背包问题，动态规划

动态规划是一个具有广泛应用场景的算法设计范式（相对于转为某一类特定问题而发明的特殊算法），本文基于自己的学习理解做一个简单而概要的描述，以便于自己学而时习之以及累进式提高。

​Gym库(https://gym.openai.com) 是OpenAI推出的强化学习实验环境库。它用Python语言实现了离散之间智能体-环境接口中的环境部分。本文中“环境”一次均指强化学习基本框架模型之“智能体-环境”接口中的“环境”，每个环境就代表着一类强化学习问题，用户通过设计和训练自己的智能体来解决这些强化学习问题。所以，某种意义上，Gym也可以看作是一个强化学习习题集！本文介绍gym

相关是最常用的统计度量。用一个数来描述两个变量之间的相关联的程度。相关系数的取值范围为[-1,+1]。负值表示随着一个变量值的增大另一个则减小；正值表示随着一个变量值的增大另一个也跟着增大；0则表示一个变量的增大减小对另一个的取值没有 影响。三种常用的相关系数为：皮尔逊相关系数，斯皮尔曼相关系数，Kendall相关系数.本文概要性地介绍皮尔逊相关系数。

简要介绍了斯皮尔曼相关系数(Spearman correlation coefficient)的概念、计算公式，以及手动计算例、调用scipy函数、pandas函数计算的代码示例。。。

DTW（ Dynamic Time Warping，动态时间规整）是基于动态规划（Dynamic Programming）策略对两个时序列通过非线性地进行时域对准（Timing alignment）调整以便于正确地计算两者之间相似度（similarity）的一种算法。本文简单介绍DTW算法所针对的问题背景、DTW基本算法流程，并给出简单的Python实现例。

简要介绍python中全局变量的一些特性以及global关键字的使用

简要介绍Anaconda conda的常用命令的使用，掌握了这些基本命令应该足以应付日常的‘生活自理’吧