在面向对象(OOP)程序设计中，当定义一个class的时候，可从某个现有的class继承 新的class称为子类(Subclass)，而被继承的class称为基类、父类或超类(Base class、Super class)

格式：

子类名(父类名):
	pass

使用示例

class Animal(object):
    def run(self):
        print('Animal is running...') 
class Dog(Animal):
    pass   
class Dog1(Animal):
    def run(self):
        print('Dog is running...')      
def run_twice(animal):  
    animal.run()
    animal.run()
dog = Dog()
dog.run()    #输出：Animal is running...
dog1 = Dog1()
dog1.run()    #输出：Dog is running...，执行子类自己的方法
run_twice(Animal())
#输出：Animal is running...
#输出：Animal is running...
run_twice(Dog1())
#输出：Dog is running...
#输出：Dog is running...
#新追加一个子类型Tortoise，然后调用run_twice函数，依然可以运行
class Tortoise(Animal):
    def run(self):
        print('Tortoise is running slowly...')
run_twice(Tortoise())   #调用run_twice函数，依然可以运行，确保传入的对象有run()方法即可
#输出：Tortoise is running slowly...
#输出：Tortoise is running slowly...

python3与python2在print函数上做的更加明确

1. 输出字符串和数字

print(“runoob”)    # 输出字符串 runoob

print(100)            # 输出数字 100

str = ‘runoob’

print(str)              # 输出变量 runoob

L = [1,2,’a’]          # 列表

print(L) [1, 2, ‘a’]

t = (1,2,’a’)           # 元组

print(t) (1, 2, ‘a’)

d = {‘a’:1, ‘b’:2}     # 字典

print(d) {‘a’: 1, ‘b’: 2}

00后大军高考结束了，网络上对这次高考的报道很多(毕竟00后小鲜肉嘛)，很多都关注了今年的考生数据，并且用炫酷的图表展示。看着是不是有点小嫉妒，为什么图表还可以做得这么漂亮？？？是不是也想自己动手做一张？？？其实这些图表都可以用python制作出来的数据可视化的产物，所以当然是可以自己动手制作的啦

screen作为一个用来后台运行的程序非常好用，一般情况下screen -r连接到会话使用ctr + c就可以关闭会话了，但是像我这样在python脚本里面使用了try except捕获异常的话就会发现根本关闭不了整个会话，而仅仅是跳出了循环而已，所以在会话外直接关闭特定会话就比较方便，

其实命令就是

由于在家需要使用windows远程更新网站内容，windows上也安装了conda，但是发现无法在windows下直接写下脚本运行，只能从启动项里面找到conda运行后一行一行输入才行。

通过搜索学习，最终找到解决办法。

首先为什么无法直接写好bat批处理文件来运行, 命令使用到conda的各种python库，这是因为系统默认的cmd.exe并没有激活conda环境，在加入环境激活命令后就可以运行了。参考链接https://stackoverflow.com/questions/46305569/how-to-make-batch-files-run-in-anaconda-prompt， 可看英文原版解释。

1. 介绍

Numba 是 python 的即时（Just-in-time）编译器，即当您调用 python 函数时，您的全部或部分代码就会被转换为“即时”执行的机器码，它将以您的本地机器码速度运行！它由 Anaconda 公司赞助，并得到了许多其他组织的支持。

在 Numba 的帮助下，您可以加速所有计算负载比较大的 python 函数（例如循环）。它还支持 numpy 库！所以，您也可以在您的计算中使用 numpy，并加快整体计算，因为 python 中的循环非常慢。 您还可以使用 python 标准库中的 math 库的许多函数，如 sqrt等。