选择排序菜鸟教程,选择排序的方法

如何熟练使用办公自动化中的excel

如何熟练使用办公自动化中的excel

新手怎么样快速学习办公自动化中的excel并运用到工作当中提高效率，远离加班?以下为我的个人建议。

①先掌握常用快捷键，这是最基础也最容易学习的，而且节省时间的效果立竿见影。最具经典的比较的就是用鼠标拖动几千条记录的滚动条和使用键盘快速定位的区别。

②接下来根据你工作需求学习常用函数。一定是从解决问题出发来学习对应的函数，死记硬背只会事倍功半，实践大于学习，动手好过动眼。

③掌握一些极其实用的菜单的功能，每个菜单都探索一下，微软搞那么多菜单不是做摆设(除了编辑菜单)。

④完成以上三步，你应该可以熟练使用excel了。到这个阶段应付日常工作已经得心应手了。如果你有兴趣可以做一些进阶学习，比如追求表格的质量(格式美观、表格规范、数据准确以及布局排版)，化繁为简，少即是多，好的表格就是一份有质量的报告，数据自有其魅力，这个时候你可以尝试学习下数据分析、数据挖掘方面的知识，也可以学习下VBA为数据分析做准备。

下方是详细说明：

一、合理分配键盘和鼠标。看到很多人连个保存都要用鼠标去点菜单，真心替他捉急。有些人用一指禅(一般是领导)操作更是恨不得自插双目。excel的基本操作一定是左右互搏，左手键盘，右手鼠标，而且键盘的使用率要超过鼠标。一般来说鼠标用于：①选择某个单元格。②选择可视范围内的小块区域。③行列整选。④超长篇幅的滚动条拉动。⑤选择菜单。除此之外的常用操作，强迫自己用键盘吧，键盘+快捷键将成为你节省时间的功臣。

二、批量数据处理的神器——公式(函数)。公式不难，难在知道怎么用。学习公式的方法也很最简单，不用看书，不用看教程，在编辑栏点fx，进去一个个看几遍操作提示你就懂了。

——学习公式前先了解单元格定位，公式是通过复制和拖拉来提高效率的，在复制和拖拉的过程中会根据当前的行列改变引用的单元格。比如你引用A1，往下拖的时候会变成A2、A3...，往右拖会变成B1、C1...，有时候你不希望单元格随拖动而改变，这个时候就需要绝对定位，也就是固定行标或者是列标。通过在行标或者列标前加“$“实现(编辑状态下按F4快速添加，重复按则进行切换)，比如$A1，表示固定A列，无论你往右拖多少列，都是引用A1单元格，同理A$1表示固定第一行不便。很多新手在用公式的时候都会被定位搞得头疼无比，理解以后就开启了新天地。举个实例，用Vlookup按条件查找sheet2表中的B:L连续区域，你可以这样写=VLOOKUP($A1,Sheet2!$A:$L,2,0);依次向右拖拉，把2改为3,4,5...即可(下面讲如何优化)。

——公式的运用在于你灵活的安排，很多人认为凡是计算必上公式，而且嵌套越多越复杂越是高大上，唬下菜鸟可以，其实是闲的蛋疼。比如筛选一列数据的.重复值删除，你可以用一个高大上的公式：match(A1,A:A,0)=ROW(A1),然后把结果为false的筛选出来删掉，其实一个数据透视就搞定，但如果这个表有100列，你要用数据透视过滤我只能泪牛满面。再比如身份证提取生日，一般用mid(a1,7,if(len(a1)=16,6,8))，其实mid(a1,7,(len(a1)=18)*2+6)，省去if嵌套，这个例子似乎不太恰当，只是说公式是死的，要提高效率关键还是看怎么运用他们。还有什么时候用Vlookup，什么时候用Lookup，以及index和match的区别等等。

上面vlookup的例子：=VLOOKUP($A1,Sheet2!$A:$L,COLUMN(),0)，把要手动输入的列数用当前列号函数进行嵌套，根据你要选择数据的起始列进行+-数字调整即可。这样你只要在B1单元格输入一个公式，就可以愉快的向右向下随便拖拉了。

——进阶。知道了怎么组合运用公式后，考虑的是怎么简化公式，可以学习下命名。还是VLOOKUP那个例子，你可以把Sheet2!$A:$L取个名字叫area，那么公式变成=VLOOKUP($A1,area,COLUMN(),0)。命名引用区域很多的时候很有用。

三、熟练掌握菜单栏的一些常用操作。可以参考这样的学习顺序：①排序(注意扩展相关列)、冻结窗口、②筛选(自动筛选(*号、?号匹配等技巧)，高级筛选可以了解下)、③分列(固定分列和符号分列，注意分列后的数据格式)、④数据透视。其他的如条件格式、数据有效性、自定义单元格格式、自动更正等技巧也要知道。工具里面的选项菜单是必须要全部掌握的，比如遇到大数据量公式计算的时候先改为手动重算，输入公式填充后再改为自动重算或者直接保存，否则会卡很长的时间(可能电脑配置好不会有这个情况)。

四、数组公式。这里单独说一下数组公式。在大范围数据计算的时候很有用。这里说一个常用的多条件求和。sum((条件一)*(条件2)*(条件n))，输入完公式后在编辑状态同时按下ctrl+shift+enter，条件一般是区域比较，比如(A2：A1000=B2：B1000)，数组公式的好处是选中结果单元格，一次输入，按组合键自动填充无需拖动复制(我不会告诉你数组公式计算后排序可能会很诡异的)。数组公式结合命名用使用更简单，比如={sum((性别="男")*(学号50)*(...))}

五、如果说excel什么键用得最多，记得是ctrl+s。一分钟保存10来次毫无违和感，从来没有丢失数据的烦恼，别指望后台几分钟保存一次，对于excel熟练者来说，一分钟已经可以完成几张表了。这个强迫症我沿用了好多年，很有用。 ;

计数排序菜鸟教程

.example-btn{color:#fff;background-color:#5cb85c;border-color:#4cae4c}.example-btn:hover{color:#fff;background-color:#47a447;border-color:#398439}.example-btn:active{background-image:none}div.example{width:98%;color:#000;background-color:#f6f4f0;background-color:#d0e69c;background-color:#dcecb5;background-color:#e5eecc;margin:0 0 5px 0;padding:5px;border:1px solid #d4d4d4;background-image:-webkit-linear-gradient(#fff,#e5eecc 100px);background-image:linear-gradient(#fff,#e5eecc 100px)}div.example_code{line-height:1.4em;width:98%;background-color:#fff;padding:5px;border:1px solid #d4d4d4;font-size:110%;font-family:Menlo,Monaco,Consolas,"Andale Mono","lucida console","Courier New",monospace;word-break:break-all;word-wrap:break-word}div.example_result{background-color:#fff;padding:4px;border:1px solid #d4d4d4;width:98%}div.code{width:98%;border:1px solid #d4d4d4;background-color:#f6f4f0;color:#444;padding:5px;margin:0}div.code div{font-size:110%}div.code div,div.code p,div.example_code p{font-family:"courier new"}pre{margin:15px auto;font:12px/20px Menlo,Monaco,Consolas,"Andale Mono","lucida console","Courier New",monospace;white-space:pre-wrap;word-break:break-all;word-wrap:break-word;border:1px solid #ddd;border-left-width:4px;padding:10px 15px} 排序算法是《数据结构与算法》中最基本的算法之一。排序算法可以分为内部排序和外部排序，内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。常见的内部排序算法有：插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。以下是计数排序算法：

计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序，计数排序要求输入的数据必须是有确定范围的整数。

1. 计数排序的特征

当输入的元素是 n 个 0 到 k 之间的整数时，它的运行时间是 Θ(n + k)。计数排序不是比较排序，排序的速度快于任何比较排序算法。

由于用来计数的数组C的长度取决于待排序数组中数据的范围（等于待排序数组的最大值与最小值的差加上1），这使得计数排序对于数据范围很大的数组，需要大量时间和内存。例如：计数排序是用来排序0到100之间的数字的最好的算法，但是它不适合按字母顺序排序人名。但是，计数排序可以用在基数排序中的算法来排序数据范围很大的数组。

通俗地理解，例如有 10 个年龄不同的人，统计出有 8 个人的年龄比 A 小，那 A 的年龄就排在第 9 位,用这个方法可以得到其他每个人的位置,也就排好了序。当然，年龄有重复时需要特殊处理（保证稳定性），这就是为什么最后要反向填充目标数组，以及将每个数字的统计减去 1 的原因。

?算法的步骤如下：

（1）找出待排序的数组中最大和最小的元素 （2）统计数组中每个值为i的元素出现的次数，存入数组C的第i项 （3）对所有的计数累加（从C中的第一个元素开始，每一项和前一项相加） （4）反向填充目标数组：将每个元素i放在新数组的第C(i)项，每放一个元素就将C(i)减去1 2. 动图演示

代码实现 JavaScript 实例 function countingSort ( arr , maxValue ) {

? ? var bucket = new Array ( maxValue + 1 ) ,

? ? ? ? sortedIndex = 0 ;

? ? ? ? arrLen = arr. length ,

? ? ? ? bucketLen = maxValue + 1 ;

? ? for ( var i = 0 ; i 0 :

? ? ? ? ? ? arr [ sortedIndex ] = j

? ? ? ? ? ? sortedIndex+ = 1

? ? ? ? ? ? bucket [ j ] - = 1

? ? return arr

Go 实例 func countingSort ( arr [] int , maxValue int ) [] int {

? ? ? ? bucketLen := maxValue + 1

? ? ? ? bucket := make ([] int , bucketLen ) // 初始为0的数组

? ? ? ? sortedIndex := 0

? ? ? ? length := len ( arr )

? ? ? ? for i := 0 ; i length ; i ++ {

? ? ? ? ? ? ? ? bucket [ arr [ i ]] += 1

? ? ? ? }

? ? ? ? for j := 0 ; j bucketLen ; j ++ {

? ? ? ? ? ? ? ? for bucket [ j ] 0 {

? ? ? ? ? ? ? ? ? ? ? ? arr [ sortedIndex ] = j

? ? ? ? ? ? ? ? ? ? ? ? sortedIndex += 1

? ? ? ? ? ? ? ? ? ? ? ? bucket [ j ] -= 1

? ? ? ? ? ? ? ? }

? ? ? ? }

? ? ? ? return arr

}

Java 实例 public class CountingSort implements IArraySort {

? ? @Override

? ? public int [ ] sort ( int [ ] sourceArray ) throws Exception {

? ? ? ? // 对 arr 进行拷贝，不改变参数内容

? ? ? ? int [ ] arr = Arrays . copyOf ( sourceArray, sourceArray. length ) ;

? ? ? ? int maxValue = getMaxValue ( arr ) ;

? ? ? ? return countingSort ( arr, maxValue ) ;

? ? }

? ? private int [ ] countingSort ( int [ ] arr, int maxValue ) {

? ? ? ? int bucketLen = maxValue + 1 ;

? ? ? ? int [ ] bucket = new int [ bucketLen ] ;

? ? ? ? for ( int value : arr ) {

? ? ? ? ? ? bucket [ value ] ++;

? ? ? ? }

? ? ? ? int sortedIndex = 0 ;

? ? ? ? for ( int j = 0 ; j 0 ) {

? ? ? ? ? ? ? ? arr [ sortedIndex ++ ] = j ;

? ? ? ? ? ? ? ? bucket [ j ] --;

? ? ? ? ? ? }

? ? ? ? }

? ? ? ? return arr ;

? ? }

? ? private int getMaxValue ( int [ ] arr ) {

? ? ? ? int maxValue = arr [ 0 ] ;

? ? ? ? for ( int value : arr ) {

? ? ? ? ? ? if ( maxValue

OpenCV Python 系列教程4 - OpenCV 图像处理（上）

学习目标：

OpenCV 中有 150 多种色彩空间转化的方法，这里只讨论两种：

HSV的色相范围为[0,179]，饱和度范围为[0,255]，值范围为[0,255]。不同的软件使用不同的规模。如果要比较 OpenCV 值和它们，你需要标准化这些范围。

HSV 和 HLV 解释

运行结果：该段程序的作用是检测蓝色目标，同理可以检测其他颜色的目标

结果中存在一定的噪音，之后的章节将会去掉它

这是物体跟踪中最简单的方法。一旦你学会了等高线的函数，你可以做很多事情，比如找到这个物体的质心，用它来跟踪这个物体，仅仅通过在相机前移动你的手来画图表，还有很多其他有趣的事情。

菜鸟教程 在线 HSV- BGR 转换

比如要找出绿色的 HSV 值，可以使用上面的程序，得到的值取一个上下界。如上面的取下界 [H-10, 100, 100]，上界 [H+10, 255, 255]

或者使用其他工具如 GIMP

学习目标：

对图像进行阈值处理，算是一种最简单的图像分割方法，基于图像与背景之间的灰度差异，此项分割是基于像素级的分割

threshold(src, thresh, maxval, type[, dst]) - retval, dst

计算图像小区域的阈值。所以我们对同一幅图像的不同区域得到不同的阈值，这给我们在不同光照下的图像提供了更好的结果。

三个特殊的输入参数和一个输出参数

adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) - dst

opencv-threshold-python

OpenCV 图片集

本节原文

学习目标：

OpenCV 提供两种变换函数： cv2.warpAffine 和 cv2.warpPerspective

cv2.resize() 完成缩放

文档说明

运行结果

说明 : cv2.INTER_LINEAR 方法比 cv2.INTER_CUBIC 还慢，好像与官方文档说的不一致？ 有待验证。

速度比较： INTER_CUBIC INTER_NEAREST INTER_LINEAR INTER_AREA INTER_LANCZOS4

改变图像的位置，创建一个 np.float32 类型的变换矩阵，

warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) - dst

运行结果：

旋转角度（ ）是通过一个变换矩阵变换的：

OpenCV 提供的是可调旋转中心的缩放旋转，这样你可以在任何你喜欢的位置旋转。修正后的变换矩阵为

这里

OpenCV 提供了 cv2.getRotationMatrix2D 控制

cv2.getRotationMatrix2D(center, angle, scale) → retval

运行结果

cv2.getAffineTransform(src, dst) → retval

函数关系：

\begin{bmatrix} x'_i \ y'_i \end{bmatrix}\begin{bmatrix} x'_i \ y'_i \end{bmatrix} =

其中

运行结果：图上的点便于观察，两图中的红点是相互对应的

透视变换需要一个 3x3 变换矩阵。转换之后直线仍然保持笔直，要找到这个变换矩阵，需要输入图像上的 4 个点和输出图像上的对应点。在这 4 个点中，有 3 个不应该共线。通过 cv2.getPerspectiveTransform 计算得到变换矩阵，得到的矩阵 cv2.warpPerspective 变换得到最终结果。

本节原文

平滑处理（smoothing）也称模糊处理（bluring）,是一种简单且使用频率很高的图像处理方法。平滑处理的用途：常见是用来 减少图像上的噪点或失真 。在涉及到降低图像分辨率时，平滑处理是很好用的方法。

图像滤波：尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。

消除图像中的噪声成分叫做图像的平滑化或滤波操作。信号或图像的能量大部分集中在幅度谱的低频和中频段，在高频段，有用的信息会被噪声淹没。因此一个能降低高频成分幅度的滤波器就能够减弱噪声的影响。

滤波的目的：抽出对象的特征作为图像识别的特征模式；为适应图像处理的要求，消除图像数字化时混入的噪声。

滤波处理的要求：不能损坏图像的轮廓及边缘等重要信息；图像清晰视觉效果好。

平滑滤波是低频增强的空间滤波技术，目的：模糊和消除噪音。

空间域的平滑滤波一般采用简单平均法，即求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑效果越好，但是邻域过大，平滑也会使边缘信息的损失的越大，从而使输出图像变得模糊。因此需要选择合适的邻域。

滤波器：一个包含加权系数的窗口，利用滤波器平滑处理图像时，把这个窗口放在图像上，透过这个窗口来看我们得到的图像。

线性滤波器：用于剔除输入信号中不想要的频率或者从许多频率中选择一个想要的频率。

低通滤波器、高通滤波器、带通滤波器、带阻滤波器、全通滤波器、陷波滤波器

boxFilter(src, ddepth, ksize[, dst[, anchor[, normalize[, borderType]]]]) - dst

均值滤波是方框滤波归一化后的特殊情况。归一化就是要把处理的量缩放到一个范围内如 (0,1)，以便统一处理和直观量化。非归一化的方框滤波用于计算每个像素邻近内的积分特性，比如密集光流算法中用到的图像倒数的协方差矩阵。

运行结果：

均值滤波是典型的线性滤波算法，主要方法为邻域平均法，即用一片图像区域的各个像素的均值来代替原图像中的各个像素值。一般需要在图像上对目标像素给出一个模板（内核），该模板包括了其周围的临近像素（比如以目标像素为中心的周围8（3x3-1）个像素，构成一个滤波模板，即 去掉目标像素本身 ）。再用模板中的全体像素的平均值来代替原来像素值。即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） ，其中m为该模板中包含当前像素在内的像素总个数。

均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。

cv2.blur(src, ksize[, dst[, anchor[, borderType]]]) → dst

结果：

高斯滤波：线性滤波，可以消除高斯噪声，广泛应用于图像处理的减噪过程。高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过 加权平均 后得到。高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，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。

高斯滤波有用但是效率不高。

高斯模糊技术生成的图像，其视觉效果就像是经过一个半透明屏幕在观察图像，这与镜头焦外成像效果散景以及普通照明阴影中的效果都明显不同。高斯平滑也用于计算机视觉算法中的预先处理阶段，以增强图像在不同比例大小下的图像效果（参见尺度空间表示以及尺度空间实现）。从数学的角度来看，图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫作高斯分布，所以这项技术就叫作高斯模糊。

高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。 高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。

一维零均值高斯函数为: 高斯分布参数 决定了高斯函数的宽度。

高斯噪声的产生

GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]]) - dst

线性滤波容易构造，并且易于从频率响应的角度来进行分析。

许多情况，使用近邻像素的非线性滤波会得到更好的结果。比如在噪声是散粒噪声而不是高斯噪声，即图像偶尔会出现很大值的时候，用高斯滤波器进行图像模糊时，噪声像素不会被消除，而是转化为更为柔和但仍然可见的散粒。

中值滤波（Median filter）是一种典型的非线性滤波技术，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，该方法在去除脉冲噪声、椒盐噪声『椒盐噪声又称脉冲噪声，它随机改变一些像素值，是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。』的同时又能保留图像边缘细节，

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，其基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点，对于 斑点噪声（speckle noise）和椒盐噪声（salt-and-pepper noise） 来说尤其有用，因为它不依赖于邻域内那些与典型值差别很大的值。中值滤波器在处理连续图像窗函数时与线性滤波器的工作方式类似，但滤波过程却不再是加权运算。

中值滤波在一定的条件下可以克服常见线性滤波器如最小均方滤波、方框滤波器、均值滤波等带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声非常有效，也常用于保护边缘信息, 保存边缘的特性使它在不希望出现边缘模糊的场合也很有用，是非常经典的平滑噪声处理方法。

与均值滤波比较：

说明：中值滤波在一定条件下，可以克服线性滤波器（如均值滤波等）所带来的图像细节模糊，而且对滤除脉冲干扰即图像扫描噪声最为有效。在实际运算过程中并不需要图像的统计特性，也给计算带来不少方便。 但是对一些细节多，特别是线、尖顶等细节多的图像不宜采用中值滤波。

双边滤波（Bilateral filter）是一种非线性的滤波方法，是结合 图像的空间邻近度和像素值相似度 的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。

双边滤波器的好处是可以做边缘保存（edge preserving），一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差 sigma－d ，它是基于空间分布的高斯滤波函数，所以在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。 但是由于保存了过多的高频信息，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波。

运行结果

学习目标:

形态变换是基于图像形状的一些简单操作。它通常在二进制图像上执行。

膨胀与腐蚀实现的功能

侵蚀的基本思想就像土壤侵蚀一样，它会侵蚀前景物体的边界（总是试图保持前景为白色）。那它是做什么的？内核在图像中滑动（如在2D卷积中）。只有当内核下的所有像素都是 1 时，原始图像中的像素（ 1 或 0 ）才会被视为 1 ，否则它将被侵蚀（变为零）

erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) - dst

与腐蚀的操作相反。如果内核下的至少一个像素为“1”，则像素元素为“1”。因此它增加了图像中的白色区域或前景对象的大小增加。通常，在去除噪音的情况下，侵蚀之后是扩张。因为，侵蚀会消除白噪声，但它也会缩小我们的物体。所以我们扩大它。由于噪音消失了，它们不会再回来，但我们的物体区域会增加。它也可用于连接对象的破碎部分

Excel 表格基本操作教程

excel表格基本操作教程如下：

Excel表格的基本操作一：修改字体

首先，从输入开始，先来调整字体吧。在工具栏那里一开始就可以发现字体的工具框了，在这里可以快速更改字体类型、大小、颜色等等的。

Excel表格的基本操作二：更改对齐方式

打好字，或者打字之前，都需要按照需要来调整字体的对齐方式的。在对齐方式工具栏中，可以快速随意地更改字体对齐方式，第一个小框中上三个图标是调整横向对齐的，下三个是调整纵向对齐的。而第二个框中还有一键调整字体的排列方向，第三个框中可以一键设置自动换行等。

Excel表格的基本操作三：添加符号

如果想要输入一些数据制作消费统计表的话，那么就要输入￥这个符号了，一次次输入太麻烦了，直接在数字框那里，第一个就是货币的标志了，可以选择一批数据，批量添加呢。当然百分号、小数点也可以在那里快速修改。

电脑入门必备基础知识大全

电脑放在现在来说已经是一个极为平常的东西了，但是有关电脑的基本小常识却没有多少人能有底气的说自己很了解。下面就让我带你去看看 电脑入门 必备基础 知识大全 ，希望能帮助到大家!

零基础学电脑从入门到精通 电脑零距离

一、认识电脑的基本组成

电脑，我们也称之为微型计算机，计算机由软件和硬件两部分组成，我们用肉眼可以看到的部件就是硬件，计算机中运行的程序就是软件。对于初学者，我们先了解一下电脑的基本组成。

台式电脑

1、 显示器 与主机的接线

显示数据线，主要分VGA、DVI、HDMI等几种接口，目前主流的还是VGA接口，不管哪种接口，都是要一头插显示器，一头插主机后面的接口，电脑接口有防错机制，插错了接口是插不进去的。

有的主机后面有集成显卡和独立显卡两个接口，对于这种情，一般我们是要插到独立显卡上的，当出现独立显卡插上不能正常工作时，我们再考虑接到集成显卡上。

2、主机和显示器电源线

主机电源线和显示器电源线插口都是一样的，一头插电源插板上，一头插主机和显示器的插口即可。

3、鼠标和键盘的连接

鼠标和键盘接口的形状是一样的，我们可以从鼠标和键盘接口的颜色对应，可以判断哪个接口应该接鼠标，哪个接口用来接键盘。当然，如果我们的鼠标和键盘都是USB接口的，那就方便多了，主机后面一般会有4个USB接口，可以任意接插。

4、网线

我们需要一根双向带有水晶头的网线，一头接路由器，一头接主机的网卡插口，连接好后，在开机状态下网卡显示灯会亮，说明连接正常，这样我们就可以正常上网了。

二、电脑基本操作

1、开关机

初学者，首先需要学的是正确的开机和关机步骤。

开机很简单，直接按主机的电源按钮即可打开主机，按显示器的开关即可。如果按过开关后，电脑没反应，首先就是要考虑电源有没有插紧，重新拔插一下再试试。如果还不行就要求助专业人员了。

这里重点说一下关机，笔者遇到过很多不懂电脑的人，用完电脑之后，直接拔主机电源，直接关插排开关，或者按开机键关机。涛哥有个朋友，他媳妇就是用完电脑直接拔主机电源的，美其名曰“节能”，后来电脑开不了机了，就来问我怎么回事。

这里再次强调，正确的关机方式是：鼠标点击电脑桌面左下角的“开始”，然后点击关闭计算机即可关机，最后再考虑关闭插板开关。

2、鼠标的使用

鼠标是计算机最常用的输入设置，是电脑最最基本的操作，如果不会用鼠标，操作电脑也就无从谈起了。

左键：使用鼠标左键，单击(点一下)表示选中，按住不放可以拖动文件，双击(连续点两下)一般是打开文件或者打开软件。

右键：鼠标右键的功能很简单，就是一些功能属性，把鼠标光标移到某个文件的快捷方式上，右键鼠标，你可以看到很多操作，包括：复制、粘贴、重命名、删除、压缩、发送、属性等等一系列操作。

滑轮：滑轮用的最多之处就是翻页，打开网页之后，我们可以使用滑轮前后滑动对网页进行上下翻页，打开word文档也可以使用滑轮翻页。

3、键盘的使用

键盘的按键比较多，小键盘蕴藏着大智慧，键盘的使用，初学者首先要学会的是如何打字，切换输入法，笔者刚开始打字的时候，就是不知道怎么切换输入法，老是打不出中文。这些操作，找个会的人，教一下就会了!如果大家觉得有必要，可以添加笔者学习。

三、初学者应该掌握哪些基本操作

电脑初学者，我认为必须要掌握的一些操作有：

文件夹创建、移动、重命名、删除、复制(拷贝)、粘贴;

文件的创建、移动、重命名、删除、复制、粘贴、打开(双击打开);

打字，可以用拼音、五笔、手写、语音输入等方式，总有一种方式适合你;

软件的下载安装;

如何使用浏览器上网;

使用QQ打字聊天;

使用U盘移动文件;

Office办公软件的使用等。

对于电脑初学者，笔者觉得只要掌握以上知识，就算电脑入门功能，冰冻三尺非一日之寒，要想熟练的操作电脑，还需要勤加练习，多用、多操作、多学习。

计算机入门必备算法——快速排序法

1、引言

今天的运气不是很好，再加上项目的压力。准备停止学习一周，等把项目这一关过了，再继续深入学习分享算法。后来吧今天遇到的事情都比较郁闷，也无心情继续开发项目。便想转移一下注意力，继续学习快速排序算法的内容。

昨天了解了递归的使用原理。今天可以使用这个新技能来解决一个新的问题————快速排序。快速排序是一种排序算法，这个算法比前天学习的选择排序要快得多，实属优雅代码的典范。

2、快速排序

2.1 学习准备

这里讲解一个比较著名的递归式问题解决 方法 ————分而治之(divide and comquer，DC)。为了方便理解，还是使用一个示例给大家讲解一下这是个什么样的使用原理。

给定一个数字数组arr=[2,4,6],我们可以将这些数字相加并返回结果，使用循环其实可以很容易得出结论(具体代码可以自行来敲哦!可以粘到留言板我帮你检查哦~),那么如何使用递归函数解决这个需求呢?

这里给出一种思路实现：

1、找出基线条件

我们首先考虑最简单的数组是什么样的?一种是空数组或者数组中只有一个元素，这完全可以直接计算出来，结果要么就是null或者就是这个元素的值。计算总和非常容易，这就是我们需要找的基线条件(不明白基线条件可以看昨天的 文章 哦)。

2、缩小数组

我们需要算出这个数组的和，其实可以表示为sum([2,4,6]),那么如何缩小数组的规模呢?那么sum([2,4,6])=2+sum([4,6]) = 2 + 4 + sum([6])(达到基线条件) = 2+4+6=12。

3、函数的运行过程

下图解释了函数是如何运行的，递归保存了运行的状态!

2.2 快速排序的原理

使用快速排序算法对数组进行排序，首先考虑对于排序算法而言，最简单的数组上面介绍要么是空数组或者只有一个元素的数组。因此基线条件为空或者只包含一个元素。在这种情况，可以直接返回该数组。

我们再在数组里加一个元素，两个元素应该如何排序呢?思路也很简单，如果从小到大排序，就需要将这两个元素进行比较，如果前一个比较小，直接返回;如果前一个比较大，就需要互相交换，然后返回数组。那么包含三个元素或者更长的数组应该怎么排序呢?

此时我们可以考虑分而治之算法，将数组进行分解，直到满足基线条件。第一步，从数组中选择一个基准值，理论上这个基准值是可以随意挑选的，你可以选择数组首项也可以选择中项甚至可选择尾项。(有什么区别在后面讲)

我们暂时先将数组中的第一个值用作基准值，接下来，我们需要找出比基准值大的和小的元素，这被称为"分区"，这样操作之后，你会有一个比基准值小的数字组成的子数组、基准值、一个比基准值大的数字组成的子数组。

但是这里只是进行了分区，但这个分区数组并不一定就是有序的。但是我们三项的数组就可以在选出一个基准值的情况下，然后对后面的数组(只含有两项)进行排序(这个很容易)，这样我们也得到了有序数组，那么四项数组、五项数组甚至更多项呢?

2.2 代码实现

书上使用的python代码，我将其翻译为java语言，快速排序算法利用python语言是很好实现的，但是java实现起来还是比较麻烦的。通过网上查阅，先将编译好的java代码进行展现。

2.3 运行时间

快速排序的运行时间在于你选择的基准值。假设你一直都选择第一个元素作为基准值，且要处理的数组是有序的。快速排序不检查数组元素的顺序，因此还是会尝试对其排序，但是这会有一个问题，每次选择第一个作为基准值，导致比基准值小的数组都是空的，使得调用栈非常高。运行时间较长。栈长表示为O(n)。

那有没有更好的办法呢?有的，我们可以参考二分查找的实现方法，每次选择中间的元素作为基准值，就会发现调用栈被减短了许多，不需要太多的递归调用，就会达到基线条件，最佳情况下栈长为O(logn)。

因此，在最糟糕的情况下(选择第一个为基准值)运行时间为O(n)。在最佳情况下，运行时间仅为O(nlogn)。

笔记本 电脑知识之六个经典入门知识

一、风扇在开机时转一下就不转了，是故障码?

不是，由于笔记本电脑内部有温控设计，所以风扇在开机自检时转一会儿就会停止旋转，只有当笔记本内部达到一定温度时才会加速旋转。

所以，如果你开机后并未执行一些占资源的程序，你基本上听不到风扇声音，而一旦进行高负荷工作，诸如播放高解码率视频、运行3D游戏时，风扇就会高速旋转。

二、笔记本液晶屏幕表面发热是质量问题吗?

很多新手对于液晶屏幕的发热的大为紧张，以为自己选到了一个液晶屏有问题的笔记本。其实不然，由于桌面液晶显示器没有体积限制，内部空间大，散热效果好，所以较难感受到热量。

而笔记本液晶屏的高压包均放置在顶盖中，而高压包的主要组成部分就是电路和通电线圈，工作发热的情况在初中物理课本就有所介绍。

三、新本本需要将电池充电12小时吗?

如今的笔记本电池，在出厂检测时就已经进行了电池激活步骤，所以，当你把新笔记本买回家时，不用再对电池单独充电12小时。而电池属于笔记本的消耗部件，平时使用时只需注意尽量避免发热量过大、尽量减少充放电次数就可以了。

四、为什么笔记本电脑感觉慢很多?

处理器和显卡型号差不多，为什么笔记本总感觉比 台式机 慢?其实，这个原因主要在于硬盘，目前主流笔记本硬盘转速为5400转/分，而台式机通常是7200转/分。笔记本与一体机的对比测试，数据显示，硬盘是笔记本的性能瓶颈。

五、笔记本可以改装 其它 Windows系统吗?

笔记本也是电脑，它和台式机一样，在驱动支持的前提下可安装任何 操作系统 。购机时通常只附送一个版本的系统光盘，如果想换系统，首先需要到官网查询各个部件(如显卡、声卡、摄像头、蓝牙、无线网卡)驱动程序，若有提供相关驱动下载，则可放心大胆地改装系统。

六、低温也会影响笔记本寿命?

是的，笔记本的环境使用温度最好在10℃~40℃之间，但大家会发现，安装高端独立显卡的某些游戏本，内部温度在七八十度也算见，所以正常高温对笔记本其实不会立马造成影响，只是长期在高温环境下使用会加速元件老化。

而对于低温，当0℃时，锂离子电池容量会减少20%，-10℃容量只有标准容量一半。长期在低温环境中使用笔记本，液晶屏轻则出现坏点，重则造成永久性损坏。北方的朋友多要注意了。

电脑入门必备基础知识大全相关文章：

★ 电脑必备的基础知识大全

★ 新手电脑入门基础知识大全

★ 电脑入门基本知识大全

★ 新手电脑入门基础知识大全

★ 电脑操作常识入门必学知识

★ 电脑基础教程

★ 电脑基础知识汇总大全

★ 常用的电脑基础知识大全

★ 关于电脑知识大全菜鸟必备

★ 电脑基础常识和必备技巧大全