家里有在这个IT圈子里面，也想让我接触这个圈子，然后给我建议学的Python，
然后自己通过百度和向有学过Python的同学了解了Python，Python这门语言，入门比较简单，
它简单易学，生态圈比较强大，涉及的地方比较多，特别是在人工智能，和数据分析这方面。在未来我觉得是往自动化，
人工智能这方面发展的，所以学习了Python

2：通过什么途径学习Python

刚开始接触Python的时候，到网上里面跟着视频学基础，再后来网上到看技术贴，然后看到有人推荐廖雪峰的Python教程，
练项目到GitHub上面找一些小项目学习。

3：谈谈对Python和其他语言的区别

Python属于解释型语言，当程序运行时，是一行一行的解释，并运行，所以调式代码很方便，开发效率高，
还有龟叔给Python定位是任其自由发展、优雅、明确、简单，所以在每个领域都有建树，所有它有着非常强大的第三方库，
语法简洁优美，功能强大，标准库与第三方库都非常强大，而且应用领域也非常广
可移植性，可扩展性，可嵌入性
 
 

 （1）与java相比：在很多方面，Python比Java要简单，比如java中所有变量必须声明才能使用，而Python不需要声明,用少量的代码构建出很多功能;（高效的高级数据结构）
 


 

 （2）与php相比：python标准包直接提供了工具，并且相对于PHP代码更易于维护;
 


 

 


 

 


 

 　　对于使用：Python的类库齐全并且使用简洁，如果要实现同样的功能，Python 10行代码可以解决，C可能就需要100行甚至更多. 　　对于速度：Python的运行速度相较与C，绝逼是慢了
 


 

 

 
 

 2、用少量的代码构建出很多功能;（高效的高级数据结构）
 
 

 3、Python 拥有最成熟的程序包资源库之一;
 
 

 4、Python完全支持面向对象;
 
 

 5、Python 是跨平台且开源的。
 
 

 
 

4：简述解释型和编译型编程语言

解释型：就是边解释边执行（Python，php）
编译型：编译后再执行（c、java、c#）

5：Python的解释器种类以及相关特点？

 特别的：当or条件中有未建立索引的列才失效，以下会走索引
 

 
 

136. 请列举常见查找并通过代码实现任意三种。

无序查找、二分查找、插值查找

137.请列举你熟悉的？

leetcode是个题库，里面有多很编程题目，可以在线编译运行。
 

wsgi是一种通用的接口标准或者接口协议，实现了python web程序与服务器之间交互的通用性。
uwsgi协议是一个'uWSGI服务器'自有的协议，它用于定义传输信息的类型，
 

145.什么是反向代理？

正向代理代理客户端(客户端找哟个代理去访问服务器，服务器不知道你的真实IP)
反向代理代理服务器(服务器找一个代理给你响应，你不知道服务器的真实IP)

146.简述SSH的整个过程。

SSH 为 'Secure Shell' 的缩写，是建立在应用层基础上的安全协议。
SSH 是目前较可靠，为远程登录会话和其他网络服务提供的安全性协议。
利用 SSH 协议可以有效防止远程管理过程中的信息泄露问题。

147.有问题都去那些找解决方案？

起初是百度，发现搜到的答案不精准，净广告
转战谷歌，但墙了；捣鼓怎么FQ
 

148.是否有关注什么技术类的公众号？

python之禅(主要专注Python相关知识，作者：刘志军)
码农翻身(主要是Java的，但不光是java，涵盖面很广，作者：刘欣)
 

149.最近在研究什么新技术？

 
pandas(金融量化分析、聚宽)
 

150.是否了解过领域？

二进制与十进制之间的转换

 
 

 1、十进制 与 二进制之间的转换     (1)、十进制转换为二进制，分为整数部分和小数部分
 
 

方法：除2取余法，即每次将整数部分除以2，余数为该位权上的数，而商继续除以2，余数又为上一个位权上的数。
这个步骤一直持续下去，直到商为0为止，最后读数时候，从最后一个余数读起，一直到最前面的一个余数。下面举例：
例：将十进制的168转换为二进制
得出结果 将十进制的168转换为二进制，（）2
二进制（从后往前读）： 

方法：乘2取整法，即将小数部分乘以2，然后取整数部分，剩下的小数部分继续乘以2，然后取整数部分，
剩下的小数部分又乘以2，一直取到小数部分为零为止。如果永远不能为零，就同十进制数的四舍五入一样，
按照要求保留多少位小数时，就根据后面一位是0还是1，取舍，如果是零，舍掉，如果是1，向入一位。
换句话说就是0舍1入。读数要从前面的整数读到后面的整数

例1：将0.125换算为二进制 
得出结果：将0.125换算为二进制（0.001）2 
分析：第一步，将0.125乘以2，得0.25,则整数部分为0,小数部分为0.25; 
第二步, 将小数部分0.25乘以2,得0.5,则整数部分为0,小数部分为0.5; 
第三步, 将小数部分0.5乘以2,得1.0,则整数部分为1,小数部分为0.0;
第四步,读数,从第一位读起,读到最后一位,即为0.001。 
例2：将0.45转换为二进制（保留到小数点第四位） 
0.45 保留小数点4第四位 
 二进制（从前往后读）：0.0111

二进制转换为十进制 (不分整数和小数部分)

 

 方法：按权相加法，即将二进制每位上的数乘以权，然后相加之和即是十进制数。
 
 

例：将二进制数101.101转换为十进制数。 
在做二进制转换成十进制需要注意的是 
1）要知道二进制每位的权值 
2）要能求出每位的值 101.101 转换为十进制 

是一款基于Python的进程管理工具，可以很方便的管理服务器上部署的应用程序。
1 启动、重启、关闭包括但不限于python进程。
2 查看进程的运行状态。
3 批量维护多个进程。

140.公司线上服务器是什么系统？

PV访问量（Page View），即页面访问量，每打开一次页面PV计数+1，刷新页面也是。
UV访问数（Unique Visitor）指独立访客访问数，一台电脑终端为一个访客。

每秒查询率，是对一个特定的查询服务器在规定时间内所处理流量多少的衡量标准

01 虚拟法的基本介绍

线性回归分析要求和因变量必须为连续型变量，变量(定类和定序变量)不适用于线性回归。但在社会科学研究中，有很多类别变量，比如性别、地区、婚姻状况等，对于研究分析也是很重要的。例如，收入水平不仅和受教育年限、工作年限等定距变量有关，还会受到地区、行业等定类变量的影响。对于这种自变量为类别变量，应该怎么做回归分析呢?

虽然类别变量不能直接用于回归分析，但我们可以按特定规则对类别变量进行赋值，转换成编码变量。此时，编码变量为数值型变量，因此可以将其作为自变量纳入线性回归模型中，用以解释因变量的变化。而且，编码变量依然可以承载原类别变量的所有信息，基于编码变量得到的回归方程也是有明确的实际意义的。这种将类别变量进行赋值编码后再进行回归分析的方法，称为虚拟回归(dummy

coding)。不同的编码方式并不会改变回归分析的实际内容，改变的只是回归结果的呈现形式，因此，采用哪种编码方式可以根据研究情况决定。一般来说，虚拟编码和效应编码主要用于调查得到的观测数据，而正交编码和非正交编码则主要用于实验得到的观测数据。

一般虚拟编码的方式最常见，而以虚拟编码方式来对类别变量进行赋值的方法，称为虚拟变量法，转换后的编码变量称为虚拟变量(dummy variable)。本篇文章主要基于虚拟变量法来介绍自变量为类别变量时的线性回归分析。

02 如何构建虚拟变量

一个类别变量代表了一种特征的分类，虚拟回归的关键是对类别变量的不同分类进行赋值编码，将其转换为虚拟变量。虚拟变量为二分变量，取值只有0和1两种，当个案属于类别变量的某一特定分类时就赋值为1，否则赋值为0，1 和 0 就分别表示了个案属于和不属于该特定分类。也就是说，每一个虚拟变量都表示了该个案是否属于类别变量的某一特定分类，而每一个个案的一套虚拟变量就明确表示了该个案的类别特征。

虚拟变量的编码值0和1，不仅是原类别变量的编码，而且也是可以计算的数值，一个虚拟变量的平均值其实就是属于某一特定分类(即编码为1)的个案在样本中所占的比例 p，因此虚拟变量可以作为自变量纳入回归模型中求解回归系数。但需要注意的是，原类别变量的各分类之间本质上没有定量关系，所以基于虚拟变量求得的回归系数不能像连续变量一样解释自变量变化一个单位时因变量产生的平均变化，只能说明类别之间的水平差异。

假设某个类别变量有k个分类，那么就会有k-1个虚拟变量。为什么是k-1个，而不是k个?这是因为，如果将k个虚拟变量同时纳入回归模型中，虚拟变量之间存在的完全共线性会导致回归方程不能求解。对于一个类别变量来说，如果其中一个分类取值为1了，那么其他k-1个分类就一定取值为0;反之，当k-1个分类取值为0时，剩下的一个分类必定取值为1。这意味着，每一个虚拟变量的取值其实是其他k-1个虚拟变量取值的函数，比如当k=3时，k=1，k=k=0，那么就有k=1-k-k，这其实是一种完全的多元共线性。

针对这一问题，解决办法是不对类别变量中的某个分类进行赋值，即不转换成虚拟变量，改由其他k-1个虚拟变量的取值来表示其含义，即当所有k-1个虚拟变量取值均为0时，就表示该个案属于未赋值的分类。这个未经赋值的分类称为参照类(reference category)。一般来说，选择哪一分类作为虚拟变量的参照类是任意的，但会遵循以下几点原则：

(1)该分类的有效样本个数不能与其他分类样本数差异太多;

(2)该分类的定义是明确的，比如“其他”这样的分类就不适合作为参照类;

(3)如果是定序变量，比如社会经济地位、教育程度，一般选择等级最高、最低或者中间的类别作为参照类。

下面我们用几个例子来具体介绍如何构建虚拟变量。

例1. 将分类变量“性别”转换为虚拟变量

性别有2个分类：男、女，可构建1个虚拟变量，赋值为1的类别代表该个案具有的性别特征。根据参照类的不同，可有2种赋值方式。

例2. 将变量“教育程度”转换为虚拟变量

教育程度有3个分类：研究生、本科、高中，可构建2个虚拟变量，赋值为1的类别代表该个案所具备的教育程度。根据参照类的不同，可有3种赋值方式，以参照类是高中类别为例。

例3. 将变量“婚姻状况”转换为虚拟变量

婚姻状况有4个分类：已婚、未婚、离异、鳏寡，可构建3个虚拟变量，赋值为1的类别代表该个案的婚姻状况。根据参照类的不同，可有4种赋值方式，以参照类是已婚类别为例。

03 虚拟回归分析的类型

根据自变量的数目和变量层次的不同，虚拟回归分析可以分为单因素虚拟回归、多因素虚拟回归和混合型虚拟回归三种类型。

自变量只有一个类别变量的虚拟回归称为单因素虚拟回归。例如，婚姻状况对生活满意度(记为Y)的影响研究中，自变量有且只有婚姻状况，这时候我们采用单因素虚拟回归来构建回归模型。

根据前面介绍的，婚姻状况有四种类别：已婚、未婚、离异、鳏寡，可构建3个虚拟变量，分别记为 k、k、k，由此可得到回归方程：

而自变量为两个或两个以上的类别变量的虚拟回归则称为多因素虚拟回归。在采用多因素虚拟回归来分析多个自变量对因变量的影响时，与多因素方差分析一样，除了各个自变量对因变量的影响，还需要考虑不同自变量的关联对因变量产生的交互效果。

再以婚姻状况对生活满意度的影响研究为例，除了婚姻状况，社会经济地位也可能会对生活满意度存在影响;同时，社会经济地位与婚姻状况的关联也可能对生活满意度产生影响。

婚姻状况有四种类别，虚拟变量分别为k、k、k;社会经济地位有两种类别：低、高，虚拟变量为d;那么由性别与婚姻状况的虚拟变量，可构建两者交互的虚拟变量kd、kd、kd。由此，多因素虚拟回归的方程可写为：

在很多研究中，自变量不仅有类别变量，还会有连续型变量。比如收入的影响因素，除了行业、地区等定类变量，还有受教育年限、工龄等定距变量。这种自变量混合了类别变量和连续型变量的情况，一般有两种分析方法：一种是虚拟变量法，这种虚拟回归，我们称之为混合型虚拟回归;另一种是协方差分析法，主要在方差分析的基础上，还加入了连续型变量即协变量对各类别均值差异的修正。

04 单因素虚拟回归的SPSS操作

接下来我们将具体介绍如何使用SPSS进行单因素虚拟变量回归，其他的两种虚拟回归类型，后续有机会再详细介绍。

案例数据：收集了20个个案的婚姻状况(记为X)和他们的生活满意度(记为Y)数据，婚姻状况有四种类别：已婚、未婚、离异、鳏寡，满意度采用0~6(0表示极不满意，6表示非常满意)的量表进行测量。

研究问题：婚姻状况如何影响人们的生活满意程度?

虚拟回归的首要任务是对原始的类别变量进行赋值编码，转换成虚拟变量。根据第二小节的例3，我们已经知道“婚姻状况”可以转换成如下3个虚拟变量。接下来需要在SPSS中进行虚拟化处理。

操作路径：选取【转换】-【重新编码为不同变量】，打开【重新编码为其他变量】。

在对话框中，将原始变量“婚姻状况”添加到【数字变量-输出变量】窗口中，并在【输出变量】窗口中对虚拟变量进行命名和标注。

单击【旧值和新值】，打开赋值对话框，在【旧值】窗口中的【值】输入原始编码，并在【新值】窗口中的【值】输入新的编码。虚拟变量D1表示婚姻状况为鳏寡特征，因此原始编码为1，新值我们设定为1，然后单击【添加】。

选择【旧值】窗口中的【所有其他值】，并重新编码为0，表示虚拟变量D1不具有除了鳏寡之外的其他特征。

单击【继续】，返回【重新编码为其他变量】对话框，单击【更改】，就设定好了虚拟变量D1。然后单击【确定】，将虚拟变量D1添加到数据窗口中。

完成虚拟变量D1的设定后，继续重复以上操作，完成其他两个虚拟变量的设定。

这里需要注意，设定好所有虚拟变量后，需要在【变量视图】中将修改“小数”和“度量标准”两个信息，分别修改为“0”和“度量”。

这样，我们就构建好了虚拟变量，接下来就可以使用虚拟变量进行线性回归分析。

(二)进行线性回归分析

虚拟变量的线性回归操作部分，与经典线性回归的SPSS操作一样，我们在前面的文章有详细介绍过：《如何使用SPSS进行线性回归分析?(一)》、《如何使用SPSS进行线性回归分析(二)：多重线性回归》

1. 添加自变量和因变量

操作路径：【分析】-【回归】-【线性】

将“生活满意度”添加到【因变量】窗口中，三个虚拟变量D1、D2、D3添加到【自变量】窗口中;【方法】项则选择“进入”，表示添加的所有自变量都会输入到回归模型中。

单击【统计量】，选择【估计】、【模型拟合度】。

【估计】将输出与回归系数相关的统计量，包括回归系数、回归系数标准误差、标准化回归系数、回归系数显著性t检验的统计量和概率p值;

【模型拟合】将输出判定系数、调整后的判断系数、回归方程的标准误差和回归方程显著性F检验的方差分析表。

单击【保存】，选择【预测值】中的【未标准化】，系统将根据给定的自变量值，基于建立的回归模型输出因变量值，并在数据编辑窗口中保存为变量(变量名默认为PRE_1)，由此帮助我们快速计算预测我们想要的因变量结果。

单击【选项】，选择“在等式中包含常量”，可以输出回归方程的截距 a。

返回主对话框，单击【确定】，系统运行计算。

从【模型汇总】表中可知，R=0.829，说明自变量和因变量有很强的相关性;而R表示回归直线和样本观测值的拟合优度，反映了因变量能够被自变量解释的程度，即用回归模型来预测的准确度有多高。这里 R =0.688，说明三个虚拟变量可以解释因变量68.8%的变化，可见该模型的拟合效果还是比较好的。

2. 回归模型的显著性检验

方差分析表的作用是检验回归模型的回归效果是否显著，即检验因变量和自变量之间的线性关系是否显著。

方差分析表中，我们主要看F值及其对应的p值(sig.列)。这里，p值=0，小于显著性水平0.05，因此我们可以认为该回归模型在0.05的显著性水平下显著。

我们知道，单因素虚拟回归的方程可写为：

而回归系数表中的【B列】的第一行【常量】即为回归方程中的a值，【B列】常量后面的值分别为虚拟变量鳏寡D1、离异D2、未婚D3的回归系数，标准化系数(Beta)一列用来测量自变量对因变量的重要性。在构建虚拟变量时，我们已经指定了【已婚】类别为参照类，因此回归系数表中的结果均基于参照类输出。

从表中可知，未婚虚拟变量D3的t值=0.246，p=0.809>0.05，说明未婚与已婚对生活满意度的影响并没有显著差异。

由此，可得到回归方程为：

在SPSS数据窗口中，我们可以看到系统根据该回归方程输出的因变量预测值(PRE_1列)。

这里需要注意的是，虽然我们可以通过虚拟变量的转换使类别变量参与到线性回归分析，但在本质上类别变量的各分类之间并没有定量关系，所以基于虚拟变量求得的回归方程不能像连续变量一样解释自变量的增量如何导致因变量的变化，而只能说明类别之间的差异情况。

因此，从以上结果中我们得出，相比于已婚状态，鳏寡和离异对生活满意度都比较低，其中鳏寡对生活满意度的消极影响最明显，其次为离异;而未婚与已婚对生活满意度的影响并没有显著性差异。

单片机原理与应用-基于汇编C51及混合编程1-11章习题解答

习题一 1.什么是单片机？ 单片机全称单片微型计算机。它是把计算机中的微处理器、只读存储器(ROM)、随机访问存储器（RAM）、I/O接口、串行接口、中断系统、定时/计数器等基本功能部件微型化并集成到一块芯片上构成的小而完善的计算机。 2.单片机的主要用途是什么？ 单片机有体积小、功耗低、面向控制、抗干扰能力强、性价比高等优点，被广泛应用于家用电器、办公自动化、工业控制、智能仪器仪表与集成智能传感器、汽车电子与航空航天电子系统等各种控制系统中。 习题二 2-1.STC12C5A60S2单片机的内部集成了哪些功能部件？各个功能部件的具体功能是什么？ 在STC12C5A60S2单片机内部，其基本结构主要有中央处理器CPU、程序存储器、数据存储器、定时/计数器、UART串行口、I/O接口、高速A/D转换、同步串行外围接口、PCA、看门狗WDT及片内RC振荡器和外部晶体震荡电路等模块组成。 各部件功能: 中央处理器CPU：负责运算控制和调度，使整个系统协调工作。 程序存储器：用于存放用户程序、数据和表格等信息。 数据存储器：用于存放单片机运行过程中的运算数据及运算地址等。 定时/计数器：常用定时器时钟来实现定时检测、定时控制；还可以用定时器产生毫秒宽的脉冲，来驱动步进电机一类的电器机械。计数器主要用于外部事件的计数。 看门狗WDT：在单片机出现运行紊乱时，可以使单片机重新启动，恢复正常运行。 I/O接口：单片机通过I/O引脚进行输入，输出操作。 振荡器：产生单片机运行所需要的时钟信号。 P0口和P2口都可以作为通用的I/O口使用；当单片机访问外部扩展电路或设备时，P0口可以作为地址总线的低8位及数据总线接口，地址/数据分时复用，P2口作为地址总线的高8位。 2-3.简述PSW寄存器各位的作用。若寄存器A中的内容为63H，P标志位为何值？ CY：进位或借位标志位，简称C。在执行8位的加、减法指令时，用于记录最高位的进位或借位。有进位或借位时则置位，否则清零。 AC：辅助进位标志位，在执行加减法时，若D3向D4有进位或借位时，AC置位，否则AC清零。 OV：溢出标志位。在执行加减法运算时，若运算的结果超出8位有符号数表示的范围-128-+127，表示溢出，OV置1，否则OV清零。 P：奇偶校验标志位。用于记录A寄存器中的1的个数的奇偶性。若A寄存器中1的个数为奇数，则P置位，为偶数则清零。 RS1、RS0：寄存器组选择位，用来选择当前的工作寄存器组。 F0、F1：用户标志位。 若寄存器A中的内容为63H），A中“1”的个数为4，所以P＝0。 2-4.STC12C5A60S2单片机内部有哪几类存储器？中断服务程序的入口地址分布在哪个区域？ STC12C5A60S2单片机内部有程序存储器、数据存储器RAM、特殊功能寄存器、扩展RAM。 中断服务程序的入口地址位于程序存储器的首部。 2-5.STC系列单片机系统复位后，程序存储器指针PC的值是多少？当单片机正在执行某一条指令时，PC指向哪里？ STC系列单片机系统复位后，程序存储器指针PC的值是 0000H。 当单片机正在执行某一条指令时，PC指向下一条指令的地址。 2-6.片内RAM中，数据存储器的低128字节、高128字节和特殊功能寄存器可以使用什么寻址方式？哪些单元可作为工作寄存器区，那些单元可以位寻址？ 访问低128字节RAM时，既能采用寄存器直接寻址，又可寄存器间接寻址。访问高128字节RAM时，只能采用寄存器间接寻址，但可以作为堆栈区。访问特殊功能寄存器，只能直接寻址。 00H-1FH为工作寄存器组区；片内RAM中20H-2FH单元为位寻址区。 2-7.在片内RAM中，位地址为30H的位属于字节地址为多少的单元？ 字节地址为26H。 2-8.STC系列单片机复位后，使用了哪一工作寄存器组？当CPU使用的工作寄存器组为2组时，R2对应的RAM地址是多少？ STC系列单片机复位后，所使用的工作寄存器组为0组；当CPU使用的工作寄存器组为2组时，R2对应的RAM地址是12H。 2-9.什么是堆栈？简述STC12C5A60S2单片机的堆栈处理过程。 堆栈是在RAM中开辟的一片数据缓冲区，常用于保护CPU现场及临时数据，其操作遵循先进后出、后进先出的原则。 S