python3怎麼用

① python3中PyMongo的用法

Python3中PyMongo庫用於MongoDB的存儲操作，首先確保安裝好MongoDB和PyMongo。連接MongoDB通過MongoClient，傳入IP和埠（默認27017），或使用連接字元串。指定資料庫，如test資料庫，可通過client.test或client['test']來實現。集合操作類似，如students集合。

數據插入時，可以創建字典形式的數據，如{'學號': '001', '姓名': 'Mike', '年齡': 20, '性別': '男'}，使用collection的insert()方法插入。PyMongo 3.X推薦使用insert_one()和insert_many()區分單條和多條記錄。

查詢操作包括find_one()和find()，find_one()返回單個結果，find()則返回多個。可以通過name、ObjectId或正則表達式進行查詢。PyMongo提供了豐富的查詢條件操作符，如$lt、$gt等。

統計查詢結果數量用count()方法，排序和偏移使用sort()和skip()或limit()。更新數據使用update()或更嚴格的update_one()和update_many()方法，刪除操作有remove()、delete_one()和delete_many()。

除了基本操作，PyMongo還提供組合方法如find_one_and_delete等，以及對索引的管理。更多詳細用法請參考MongoDB官方文檔。

② gurobi 高效數學規劃引擎 | python3 配置、使用及建模實例

本文源自github文章 wurmen/Gurobi-Python，並在此基礎上進行衍生擴展。獨立第三方優化器評估報告顯示，Gurobi以卓越的性能躋身大規模優化器新領袖地位，成為性價比最為優秀的企業大規模優化器首選。Gurobi是由美國Gurobi Optimization公司開發的新一代大規模優化器。無論在生產製造領域，還是在金融、保險、交通、服務等其他各種領域，當實際問題越來越復雜、問題規模越來越龐大的時候，我們需要一個經過證明可以信賴的大規模優化工具，為我們的決策提供質量保證，為我們增強信心。在理論和實踐中，Gurobi優化工具都被證明是全球性能領先的大規模優化器，具有突出的性價比，可以為客戶在開發和實施中極大降低成本。

Gurobi可以解決的數學問題包括：線性問題、二次型目標問題、混合整數線性和二次型問題等幾乎能解決lingo能解決的問題。

獲取Gurobi：
- 登陸官網：gurobi.com/index
- 注冊帳號，後續會收到驗證郵箱，點擊郵箱連接激活賬號即可。
- 安裝Gurobi與申請License：
- 進入下載中心，下載Gurobi引擎，申請學術許可證。
- 驗證License：win下在Win + R鍵輸入License進行驗證，mac下在終端中輸入相同命令，黑蘋果因網卡問題，不能通過驗證。
- 安裝Gurobi模塊：安裝Anaconda3，並正確配置conda環境後，在cmd中輸入相關指令添加Gurobi地址、安裝模塊。

快速入門：
- 若讀者有較好的python迭代器、生成器習慣，在編寫程序時能大大簡化。
- 利用Python+Gurobi建立數學規劃模型通常按順序進行：設置變數、更新變數空間、設置目標函數、設置約束條件、執行最優化。
- 輔助函數包括列表推導式/列表解析式、quicksum()、multidict()、tuplelist()、prod()和sum()下標聚合等。
- 添加決策變數使用Model.addVar()和Model.addVars()方法，添加目標函數使用Model.setObjective()和Model.setObjectiveN()方法，添加約束條件使用Model.addConstr()和Model.addConstrs()方法。
- 執行最優化使用Model.optimize()方法。

案例：
- 一般線性規劃問題：[公式]
- 利用整數線性規劃最優化員工工作表：[公式]
- 非平衡指派問題：[公式]
- LP問題與靈敏度分析：[公式]
- 解數獨：決策變數[公式]，約束條件[公式]等。
- 求解 CCR-DEA問題：[公式]
- 其他案例：[公式]