pandas怎么对groupby之后的每个分组应用apply函数
#(1)怎样对数值列按照分组的归一化
#(2)怎样取每个分组的TOP N数据
‘’’
X的归一化:
X(normalized) = (X当前值-最小值)/(X最大值-X最小值)
‘’’
import pandas as pd
import os
os.chdir(r"C:\Users\Hans\Desktop\data_analysis\test_data\movie")
ratings = pd.read_csv("ratings.dat",sep = "::",engine = "python",names = "UserID::MovieID::Rating::Timestamp".split("::"))
ratings.head()
UserID | MovieID | Rating | Timestamp | |
---|---|---|---|---|
0 | 1 | 1193 | 5 | 978300760 |
1 | 1 | 661 | 3 | 978302109 |
2 | 1 | 914 | 3 | 978301968 |
3 | 1 | 3408 | 4 | 978300275 |
4 | 1 | 2355 | 5 | 978824291 |
def ratings_norm(df):#函数的参数是一个DataFramemin_value = df["Rating"].min()max_value = df["Rating"].max()df["Rating_norm"] = df["Rating"].apply(lambda x:(x-min_value)/(max_value-min_value))return df
a = ratings.groupby("UserID").apply(ratings_norm)
a.head()
UserID | MovieID | Rating | Timestamp | Rating_norm | |
---|---|---|---|---|---|
0 | 1 | 1193 | 5 | 978300760 | 1.0 |
1 | 1 | 661 | 3 | 978302109 | 0.0 |
2 | 1 | 914 | 3 | 978301968 | 0.0 |
3 | 1 | 3408 | 4 | 978300275 | 0.5 |
4 | 1 | 2355 | 5 | 978824291 | 1.0 |
ratings["Rating"].unique()#注意unique函数需要()
array([5, 3, 4, 2, 1], dtype=int64)
b = ratings.loc[ratings["UserID"]==1]
b.tail()
UserID | MovieID | Rating | Timestamp | |
---|---|---|---|---|
48 | 1 | 2028 | 5 | 978301619 |
49 | 1 | 531 | 4 | 978302149 |
50 | 1 | 3114 | 4 | 978302174 |
51 | 1 | 608 | 4 | 978301398 |
52 | 1 | 1246 | 4 | 978302091 |
b["Rating"].unique()
array([5, 3, 4], dtype=int64)
ratings.groupby("UserID").apply(ratings_norm).head()
UserID | MovieID | Rating | Timestamp | Rating_norm | |
---|---|---|---|---|---|
0 | 1 | 1193 | 5 | 978300760 | 1.0 |
1 | 1 | 661 | 3 | 978302109 | 0.0 |
2 | 1 | 914 | 3 | 978301968 | 0.0 |
3 | 1 | 3408 | 4 | 978300275 | 0.5 |
4 | 1 | 2355 | 5 | 978824291 | 1.0 |
#这里注意,按照UserID分组后,UserID==1的组,对应的RatIng只有三个值,5,3,4
#(2)怎么取每一个分组的TOP N数据
file_path = r"C:\Users\Hans\Desktop\data_analysis\test_data\Beijing_2014.csv"
df = pd.read_csv(file_path)
df.head()
Date | Temperature(Celsius)(high) | Temperature(Celsius)(avg) | Temperature(Celsius)(low) | Dew Point(Celsius)(high) | Dew Point(Celsius)(avg) | Dew Point(Celsius)(low) | Humidity(%)(high) | Humidity(%)(avg) | Humidity(%)(low) | ... | Visibility(km)(high) | Visibility(km)(avg) | Visibility(km)(low) | Wind(km/h)(high) | Wind(km/h)(avg) | Precipitation(mm)(high) | Precipitation(mm)(sum) | weather1 | weather2 | weather3 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 2014-1-1 | 12 | 4 | -2 | -12 | -17 | -20 | 44 | 19 | 7 | ... | 31 | 11 | 5 | 32 | 16 | 47 | 0.0 | NaN | NaN | NaN |
1 | 2014-1-2 | 7 | 0 | -6 | -6 | -9 | -13 | 74 | 50 | 28 | ... | 18 | 7 | 3 | 18 | 5 | - | 0.0 | NaN | NaN | NaN |
2 | 2014-1-3 | 9 | 3 | -2 | -7 | -13 | -18 | 64 | 32 | 9 | ... | 31 | 13 | 5 | 18 | 8 | - | 0.0 | NaN | NaN | NaN |
3 | 2014-1-4 | 2 | -2 | -6 | -4 | -7 | -9 | 80 | 68 | 44 | ... | 10 | 5 | 2 | 11 | 5 | - | 0.0 | NaN | NaN | NaN |
4 | 2014-1-5 | 7 | 0 | -7 | -5 | -11 | -15 | 80 | 51 | 15 | ... | 31 | 7 | 3 | 18 | 10 | - | 0.0 | NaN | NaN | NaN |
5 rows × 23 columns
#增加新的一列“月份”
from datetime import datetime
m = pd.to_datetime(df["Date"])#将时间格式转换下,都是双数字
m.head()
0 2014-01-01
1 2014-01-02
2 2014-01-03
3 2014-01-04
4 2014-01-05
Name: Date, dtype: datetime64[ns]
df["month"] = pd.to_datetime(df["Date"])#添加一列
df.head()
#month列不是str,怎么将DataFrame的某一列改变格式??????
Date | Temperature(Celsius)(high) | Temperature(Celsius)(avg) | Temperature(Celsius)(low) | Dew Point(Celsius)(high) | Dew Point(Celsius)(avg) | Dew Point(Celsius)(low) | Humidity(%)(high) | Humidity(%)(avg) | Humidity(%)(low) | ... | Visibility(km)(avg) | Visibility(km)(low) | Wind(km/h)(high) | Wind(km/h)(avg) | Precipitation(mm)(high) | Precipitation(mm)(sum) | weather1 | weather2 | weather3 | month | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 2014-1-1 | 12 | 4 | -2 | -12 | -17 | -20 | 44 | 19 | 7 | ... | 11 | 5 | 32 | 16 | 47 | 0.0 | NaN | NaN | NaN | 2014-01-01 |
1 | 2014-1-2 | 7 | 0 | -6 | -6 | -9 | -13 | 74 | 50 | 28 | ... | 7 | 3 | 18 | 5 | - | 0.0 | NaN | NaN | NaN | 2014-01-02 |
2 | 2014-1-3 | 9 | 3 | -2 | -7 | -13 | -18 | 64 | 32 | 9 | ... | 13 | 5 | 18 | 8 | - | 0.0 | NaN | NaN | NaN | 2014-01-03 |
3 | 2014-1-4 | 2 | -2 | -6 | -4 | -7 | -9 | 80 | 68 | 44 | ... | 5 | 2 | 11 | 5 | - | 0.0 | NaN | NaN | NaN | 2014-01-04 |
4 | 2014-1-5 | 7 | 0 | -7 | -5 | -11 | -15 | 80 | 51 | 15 | ... | 7 | 3 | 18 | 10 | - | 0.0 | NaN | NaN | NaN | 2014-01-05 |
5 rows × 24 columns
type(df["Date"][0])
str
type(df["month"][0])
pandas._libs.tslibs.timestamps.Timestamp
df = df.astype({'month':'str'})#将month列数据格式转换为字符串类型
df.head()
Date | Temperature(Celsius)(high) | Temperature(Celsius)(avg) | Temperature(Celsius)(low) | Dew Point(Celsius)(high) | Dew Point(Celsius)(avg) | Dew Point(Celsius)(low) | Humidity(%)(high) | Humidity(%)(avg) | Humidity(%)(low) | ... | Visibility(km)(avg) | Visibility(km)(low) | Wind(km/h)(high) | Wind(km/h)(avg) | Precipitation(mm)(high) | Precipitation(mm)(sum) | weather1 | weather2 | weather3 | month | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 2014-1-1 | 12 | 4 | -2 | -12 | -17 | -20 | 44 | 19 | 7 | ... | 11 | 5 | 32 | 16 | 47 | 0.0 | NaN | NaN | NaN | 2014-01-01 |
1 | 2014-1-2 | 7 | 0 | -6 | -6 | -9 | -13 | 74 | 50 | 28 | ... | 7 | 3 | 18 | 5 | - | 0.0 | NaN | NaN | NaN | 2014-01-02 |
2 | 2014-1-3 | 9 | 3 | -2 | -7 | -13 | -18 | 64 | 32 | 9 | ... | 13 | 5 | 18 | 8 | - | 0.0 | NaN | NaN | NaN | 2014-01-03 |
3 | 2014-1-4 | 2 | -2 | -6 | -4 | -7 | -9 | 80 | 68 | 44 | ... | 5 | 2 | 11 | 5 | - | 0.0 | NaN | NaN | NaN | 2014-01-04 |
4 | 2014-1-5 | 7 | 0 | -7 | -5 | -11 | -15 | 80 | 51 | 15 | ... | 7 | 3 | 18 | 10 | - | 0.0 | NaN | NaN | NaN | 2014-01-05 |
5 rows × 24 columns
#新增一列,年月不包括日,这样方便按照月份分组
df["nian_yue"] = df["month"].str[0:7]
df.head()
Date | Temperature(Celsius)(high) | Temperature(Celsius)(avg) | Temperature(Celsius)(low) | Dew Point(Celsius)(high) | Dew Point(Celsius)(avg) | Dew Point(Celsius)(low) | Humidity(%)(high) | Humidity(%)(avg) | Humidity(%)(low) | ... | Visibility(km)(low) | Wind(km/h)(high) | Wind(km/h)(avg) | Precipitation(mm)(high) | Precipitation(mm)(sum) | weather1 | weather2 | weather3 | month | nian_yue | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 2014-1-1 | 12 | 4 | -2 | -12 | -17 | -20 | 44 | 19 | 7 | ... | 5 | 32 | 16 | 47 | 0.0 | NaN | NaN | NaN | 2014-01-01 | 2014-01 |
1 | 2014-1-2 | 7 | 0 | -6 | -6 | -9 | -13 | 74 | 50 | 28 | ... | 3 | 18 | 5 | - | 0.0 | NaN | NaN | NaN | 2014-01-02 | 2014-01 |
2 | 2014-1-3 | 9 | 3 | -2 | -7 | -13 | -18 | 64 | 32 | 9 | ... | 5 | 18 | 8 | - | 0.0 | NaN | NaN | NaN | 2014-01-03 | 2014-01 |
3 | 2014-1-4 | 2 | -2 | -6 | -4 | -7 | -9 | 80 | 68 | 44 | ... | 2 | 11 | 5 | - | 0.0 | NaN | NaN | NaN | 2014-01-04 | 2014-01 |
4 | 2014-1-5 | 7 | 0 | -7 | -5 | -11 | -15 | 80 | 51 | 15 | ... | 3 | 18 | 10 | - | 0.0 | NaN | NaN | NaN | 2014-01-05 | 2014-01 |
5 rows × 25 columns
df.groupby("nian_yue")
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000001C565FB0E80>
def getTopN(df,topn):return df.sort_values(by = "Temperature(Celsius)(high)")[["nian_yue","Temperature(Celsius)(high)"]][-topn:]
#sort_values默认是升序,所以最高的排在最后,直接按照切片取出最高的。
df.groupby("nian_yue").apply(getTopN,topn=2).head()
#为什么会报错?????
pd.read_csv(filepath_or_buffer,#文件名称sep=',',指定分隔符。如果不指定参数,默认逗号分隔delimiter=None,#定界符,备选分隔符(如果指定该参数,则sep参数失效)header='infer',names=None,index_col=None,usecols=None,squeeze=False,prefix=None,mangle_dupe_cols=True,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skipinitialspace=False,skiprows=None,skipfooter=0,nrows=None,na_values=None,keep_default_na=True,na_filter=True,verbose=False,skip_blank_lines=True,parse_dates=False,infer_datetime_format=False,keep_date_col=False,date_parser=None,dayfirst=False,iterator=False,chunksize=None,compression='infer',thousands=None,decimal=b'.',lineterminator=None,quotechar='"',quoting=0,doublequote=True,escapechar=None,comment=None,encoding=None,dialect=None,tupleize_cols=None,error_bad_lines=True,warn_bad_lines=True,delim_whitespace=False,low_memory=True,memory_map=False,float_precision=None,
)
filepath_or_buffer : str,pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO)
可以是URL,可用URL类型包括:http, ftp, s3和文件。对于多文件正在准备中
本地文件读取实例:://localhost/path/to/table.csvsep : str, default ‘,’
指定分隔符。如果不指定参数,则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+’,将使用python的语法分析器。并且忽略数据中的逗号。正则表达式例子:'\r\t'delimiter : str, default None
定界符,备选分隔符(如果指定该参数,则sep参数失效)delim_whitespace : boolean, default False.
指定空格(例如’ ‘或者’ ‘)是否作为分隔符使用,等效于设定sep='\s+'。如果这个参数设定为Ture那么delimiter 参数失效。
在新版本0.18.1支持header : int or list of ints, default ‘infer’
指定行数用来作为列名,数据开始行数。如果文件中没有列名,则默认为0,否则设置为None。如果明确设定header=0 就会替换掉原来存在列名。header参数可以是一个list例如:[0,1,3],这个list表示将文件中的这些行作为列标题(意味着每一列有多个标题),介于中间的行将被忽略掉(例如本例中的2;本例中的数据1,2,4行将被作为多级标题出现,第3行数据将被丢弃,dataframe的数据从第5行开始。)。
注意:如果skip_blank_lines=True 那么header参数忽略注释行和空行,所以header=0表示第一行数据而不是文件的第一行。names : array-like, default None
用于结果的列名列表,如果数据文件中没有列标题行,就需要执行header=None。默认列表中不能出现重复,除非设定参数mangle_dupe_cols=True。index_col : int or sequence or False, default None
用作行索引的列编号或者列名,如果给定一个序列则有多个行索引。
如果文件不规则,行尾有分隔符,则可以设定index_col=False 来是的pandas不适用第一列作为行索引。usecols : array-like, default None
返回一个数据子集,该列表中的值必须可以对应到文件中的位置(数字可以对应到指定的列)或者是字符传为文件中的列名。例如:usecols有效参数可能是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。使用这个参数可以加快加载速度并降低内存消耗。as_recarray : boolean, default False
不赞成使用:该参数会在未来版本移除。请使用pd.read_csv(...).to_records()替代。
返回一个Numpy的recarray来替代DataFrame。如果该参数设定为True。将会优先squeeze参数使用。并且行索引将不再可用,索引列也将被忽略。squeeze : boolean, default False
如果文件值包含一列,则返回一个Seriesprefix : str, default None
在没有列标题时,给列添加前缀。例如:添加‘X’ 成为 X0, X1, ...mangle_dupe_cols : boolean, default True
重复的列,将‘X’...’X’表示为‘X.0’...’X.N’。如果设定为false则会将所有重名列覆盖。dtype : Type name or dict of column -> type, default None
每列数据的数据类型。例如 {‘a’: np.float64, ‘b’: np.int32}engine : {‘c’, ‘python’}, optional
Parser engine to use. The C engine is faster while the python engine is currently more feature-complete.
使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。converters : dict, default None
列转换函数的字典。key可以是列名或者列的序号。true_values : list, default None
Values to consider as Truefalse_values : list, default None
Values to consider as Falseskipinitialspace : boolean, default False
忽略分隔符后的空白(默认为False,即不忽略).skiprows : list-like or integer, default None
需要忽略的行数(从文件开始处算起),或需要跳过的行号列表(从0开始)。skipfooter : int, default 0
从文件尾部开始忽略。 (c引擎不支持)skip_footer : int, default 0
不推荐使用:建议使用skipfooter ,功能一样。nrows : int, default None
需要读取的行数(从文件头开始算起)。na_values : scalar, str, list-like, or dict, default None
一组用于替换NA/NaN的值。如果传参,需要制定特定列的空值。默认为‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`.keep_default_na : bool, default True
如果指定na_values参数,并且keep_default_na=False,那么默认的NaN将被覆盖,否则添加。na_filter : boolean, default True
是否检查丢失值(空字符串或者是空值)。对于大文件来说数据集中没有空值,设定na_filter=False可以提升读取速度。verbose : boolean, default False
是否打印各种解析器的输出信息,例如:“非数值列中缺失值的数量”等。skip_blank_lines : boolean, default True
如果为True,则跳过空行;否则记为NaN。parse_dates : boolean or list of ints or names or list of lists or dict, default False
boolean. True -> 解析索引
list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列;
list of lists. e.g. If [[1, 3]] -> 合并1,3列作为一个日期列使用
dict, e.g. {‘foo’ : [1, 3]} -> 将1,3列合并,并给合并后的列起名为"foo"infer_datetime_format : boolean, default False
如果设定为True并且parse_dates 可用,那么pandas将尝试转换为日期类型,如果可以转换,转换方法并解析。在某些情况下会快5~10倍。keep_date_col : boolean, default False
如果连接多列解析日期,则保持参与连接的列。默认为False。date_parser : function, default None
用于解析日期的函数,默认使用dateutil.parser.parser来做转换。Pandas尝试使用三种不同的方式解析,如果遇到问题则使用下一种方式。
1.使用一个或者多个arrays(由parse_dates指定)作为参数;
2.连接指定多列字符串作为一个列作为参数;
3.每行调用一次date_parser函数来解析一个或者多个字符串(由parse_dates指定)作为参数。dayfirst : boolean, default False
DD/MM格式的日期类型iterator : boolean, default False
返回一个TextFileReader 对象,以便逐块处理文件。chunksize : int, default None
文件块的大小, See IO Tools docs for more informationon iterator and chunksize.compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’
直接使用磁盘上的压缩文件。如果使用infer参数,则使用 gzip, bz2, zip或者解压文件名中以‘.gz’, ‘.bz2’, ‘.zip’, or ‘xz’这些为后缀的文件,否则不解压。如果使用zip,那么ZIP包中国必须只包含一个文件。设置为None则不解压。
新版本0.18.1版本支持zip和xz解压thousands : str, default None
千分位分割符,如“,”或者“."decimal : str, default ‘.’
字符中的小数点 (例如:欧洲数据使用’,‘).float_precision : string, default None
Specifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter.
指定lineterminator : str (length 1), default None
行分割符,只在C解析器下使用。quotechar : str (length 1), optional
引号,用作标识开始和解释的字符,引号内的分割符将被忽略。quoting : int or csv.QUOTE_* instance, default 0
控制csv中的引号常量。可选 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)doublequote : boolean, default True
双引号,当单引号已经被定义,并且quoting 参数不是QUOTE_NONE的时候,使用双引号表示引号内的元素作为一个元素使用。escapechar : str (length 1), default None
当quoting 为QUOTE_NONE时,指定一个字符使的不受分隔符限值。comment : str, default None
标识着多余的行不被解析。如果该字符出现在行首,这一行将被全部忽略。这个参数只能是一个字符,空行(就像skip_blank_lines=True)注释行被header和skiprows忽略一样。例如如果指定comment='#' 解析‘#empty\na,b,c\n1,2,3’ 以header=0 那么返回结果将是以’a,b,c'作为header。encoding : str, default None
指定字符集类型,通常指定为'utf-8'. List of Python standard encodingsdialect : str or csv.Dialect instance, default None
如果没有指定特定的语言,如果sep大于一个字符则忽略。具体查看csv.Dialect 文档tupleize_cols : boolean, default False
Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns)error_bad_lines : boolean, default True
如果一行包含太多的列,那么默认不会返回DataFrame ,如果设置成false,那么会将改行剔除(只能在C解析器下使用)。warn_bad_lines : boolean, default True
如果error_bad_lines =False,并且warn_bad_lines =True 那么所有的“bad lines”将会被输出(只能在C解析器下使用)。low_memory : boolean, default True
分块加载到内存,再低内存消耗中解析。但是可能出现类型混淆。确保类型不被混淆需要设置为False。或者使用dtype 参数指定类型。注意使用chunksize 或者iterator 参数分块读入会将整个文件读入到一个Dataframe,而忽略类型(只能在C解析器中有效)buffer_lines : int, default None
不推荐使用,这个参数将会在未来版本移除,因为他的值在解析器中不推荐使用compact_ints : boolean, default False
不推荐使用,这个参数将会在未来版本移除
如果设置compact_ints=True ,那么任何有整数类型构成的列将被按照最小的整数类型存储,是否有符号将取决于use_unsigned 参数use_unsigned : boolean, default False
不推荐使用:这个参数将会在未来版本移除
如果整数列被压缩(i.e. compact_ints=True),指定被压缩的列是有符号还是无符号的。
memory_map : boolean, default False
如果使用的文件在内存内,那么直接map文件使用。使用这种方式可以避免文件再次进行IO操作。
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- jupyter notebook运行出错:ModuleNotFoundError: No module named ‘keras‘ 解决办法
接上一篇 《win10python3.6tensorflow-cpukerasPycharm环境下的tensorflow配置方法》 通过Anaconda Prompt 打开 查看当前可用的kernel jupyter kernelspec list显示 添加Python kernel conda activate tensorflow #tensorflow是之前创建的虚拟环境名字在tensorflow虚拟环…...
2024/4/27 22:44:39 - 队列的两种实现形式
链表实现 #include <cstdio> #define null NULL using namespace std; struct node {node* nxt;int val; }; struct queue {node* front;node* rear;queue(){frontrearnull;}void push(int val){node* x new node();x->valval;x->nxtnull;if(rearnull){frontx;re…...
2024/4/27 21:33:04 - 使用shell 脚本备份数据
做运维的人一般都会用到shell 脚本, 而且是必须会的。 shell 是Linux 系统自带的工具, 可用大大的提高效率。 减少人肉运维。 下面就简单介绍一篇 备份数据的例子。 #!/bin/bash #auto_backup.sh db_user"dbuser" db_password"123456…...
2024/4/24 14:45:19 - Responsebody到ResponseEntity的区别及应用
作者: 张瑞丰 出处:https://www.cnblogs.com/zhangruifeng/p/13260542.html...
2024/4/21 23:44:43 - ActiveMQ跟SpringBoot整合的双向队列
JmsListener(destination "mytest.queue") SendTo("out.queue") public String receiveQueue(String text){System.out.println(text);return "消息已收到,over"; } JmsListener(destination "out.queue") public void …...
2024/4/23 4:51:52 - HDU 1241 Oil Deposits 简单DFS
题目:(来源于hdu oj 官网) Problem Description The GeoSurvComp geologic survey company is responsible for detecting underground oil deposits. GeoSurvComp works with one large rectangular region of land at a time, and creates a grid that…...
2024/4/23 4:48:07 - likwid perfctr: 测量CPU的硬件性能计数器
虽然已经有很多工具可以测量硬件性能计数器,但是仍然缺少一个轻量的命令行工具进行简单的端到端测量。Linux MSR模块,提供了从用户空间访问模型专用寄存器的接口,使我们能够不修改Linux内核就能读取Linux读取硬件性能计数器。此外,…...
2024/4/27 3:21:29 - Django学习 day57之Django第三日
Django第三日【知识储备】静态文件配置的本质细节知识创建步骤一 登录功能,连接mysql路由视图函数模板文件login.html模板文件index2.html二 MTV与MVC三 django请求生命周期图知识储备四 虚拟环境讲解,pycharm配置五 orm概述七 django中orm的使用【知识储…...
2024/4/26 5:53:22 - recently----me
HTML/HTML5 CSS/CSS3 javascript jQuery Bootstrap XMLXPath Servlet: Servlet/GenericServlet/HttpServlet; Servlet生命周期; Http协议剖析; GET和POST的区别; 转发和重定向; Cookie; Session; Servlet规范中常用接口的讲解Jsp: Jsp本质; Jsp和Servlet的区别以及…...
2024/4/23 13:01:09 - 1248:Dungeon Master
【题目描述】 这题是一个三维的迷宫题目,其中用‘.’表示空地,‘#’表示障碍物,‘S’表示起点,‘E’表示终点,求从起点到终点的最小移动次数,解法和二维的类似,只是在行动时除了东南西北移动外…...
2024/4/23 23:55:12 - WIN10解决系统更新问题
1.解决Windows Update Medic Service拒绝访问 我自己的win10更新出现了蓝屏的现象,在重装了系统之后,为了避免同样的问题,打算关闭win10更新,但是发现Windows Update Medic Service无法禁用,提示拒绝访问,…...
2024/4/27 18:15:29 - Cannot access androidx.lifecycle.HasDefaultViewModelProviderFactory
报错“Cannot access androidx.lifecycle.HasDefaultViewModelProviderFactory” 可正常运行 解决方法: 添加库: implementation androidx.lifecycle:lifecycle-extensions:2.2.0 implementation androidx.lifecycle:lifecycle-runtime:2.2.0或者更新…...
2024/4/23 7:11:53 - CCF 201512-2 消除类游戏(Python100分)
CCF历届真题 部分题解 ,点击进入 问题描述 试题编号:201512-2试题名称:消除类游戏时间限制:1.0s内存限制:256.0MB问题描述: 问题描述 消除类游戏是深受大众欢迎的一种游戏,游戏在一个包含…...
2024/4/23 7:12:02 - 【c++】int在内存中的存储形式:补码
一、取值范围 类型名称占字节数取值范围int4B(−231)(-2^{31})(−231) ~ (231−1)(2^{31}-1)(231−1)unsigned int4B000 ~ 2322^{32}232 二、原码、反码、补码 正数:原码 反码 补码 十进制原码反码补码70000,0111B0000,0111B0000,0111B 负数:补码 反…...
2024/4/23 21:12:27 - 靶机渗透测试(IMF)
靶机渗透测试(IMF): Vulnhub靶机 IMF 靶机:修改靶机的网络配置为桥接模式。 攻击机:Kali虚拟机,同样使用桥接模式,即可访问靶机。 靶机难度:(Beginner/Moderate…...
2024/4/23 21:12:32 - 2^k进制数
题目描述 设r是个2^k 进制数,并满足以下条件: (1)r至少是个2位的2^k 进制数。 (2)作为2^k 进制数,除最后一位外,r的每一位严格小于它右边相邻的那一位。 (3)…...
2024/4/28 1:23:15 - 什么情况下,方法区中的类才会被回收?
该类所对应的所有实例对象都已经被回收了,Java堆中已经不存在该类的实例对象了。加载该类的类加载器ClassLoader已经被回收了。该类的Class对象没有任何引用。...
2024/4/24 14:45:26 - pandas 分层索引(多级索引)
import pandas as pd import os os.chdir(rC:\Users\Hans\Desktop\data_analysis) df pd.read_excel(pandas_multiindex.xls) df.head()日期收盘开盘高低交易量涨跌幅公司02020年5月27日201.18202.64202.64196.7723.61M-0.0027BABA12020年5月26日201.72205.96206.69201.1628…...
2024/4/23 7:11:51 - MySQL安装及基本使用教程
一、下载MySQL 首先,去数据库的官网http://www.mysql.com下载MySQL。 点击进入后的首页如下: 然后点击downloads,community,选择MySQL Community Server。如下图: 滑到下面,找到Recommended Download…...
2024/4/27 3:51:09 - 云计算运维学习---rsync服务常见问题汇总
这些问题是从一个学习资料中截取过来的,仅供大家参考...
2024/3/31 21:07:07
最新文章
- 路由嵌套是什么?怎么进行路由嵌套
路由嵌套: 此时我们从一个组件切换到另一个组件时,会直接跳转页面,所以我们需要一个东西让组件们可以在一个页面显示,这时候就需要进行路由嵌套。我们要找到组件之间的关系,大组件嵌套小组件,从大组件中打…...
2024/4/28 2:24:31 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/3/20 10:50:27 - docker进行jenkins接口自动化测试持续集成实战
文章目录 一、接口功能自动化测试项目源码讲解二、接口功能自动化测试运行环境配置1、下载jdk,maven,git,allure并配置对应的环境变量2、使用docker安装jenkins3、配置接口测试的运行时环境选择对应节点4、jenkins下载插件5、jenkins配置环境…...
2024/4/27 15:40:21 - 手机无线投屏到windows11电脑
1 安装无线投影组件 2 电脑端打开允许其他设备投影的开关 3 手机找到投屏选项 4 手机搜索可用设备连接即可 这里的官方文档给的不太好,给了一些让人眼花撩乱的信息,以下是经过整合的有效信息...
2024/4/26 12:46:48 - 416. 分割等和子集问题(动态规划)
题目 题解 class Solution:def canPartition(self, nums: List[int]) -> bool:# badcaseif not nums:return True# 不能被2整除if sum(nums) % 2 ! 0:return False# 状态定义:dp[i][j]表示当背包容量为j,用前i个物品是否正好可以将背包填满ÿ…...
2024/4/27 1:53:53 - 【Java】ExcelWriter自适应宽度工具类(支持中文)
工具类 import org.apache.poi.ss.usermodel.Cell; import org.apache.poi.ss.usermodel.CellType; import org.apache.poi.ss.usermodel.Row; import org.apache.poi.ss.usermodel.Sheet;/*** Excel工具类** author xiaoming* date 2023/11/17 10:40*/ public class ExcelUti…...
2024/4/27 3:39:11 - Spring cloud负载均衡@LoadBalanced LoadBalancerClient
LoadBalance vs Ribbon 由于Spring cloud2020之后移除了Ribbon,直接使用Spring Cloud LoadBalancer作为客户端负载均衡组件,我们讨论Spring负载均衡以Spring Cloud2020之后版本为主,学习Spring Cloud LoadBalance,暂不讨论Ribbon…...
2024/4/27 12:24:35 - TSINGSEE青犀AI智能分析+视频监控工业园区周界安全防范方案
一、背景需求分析 在工业产业园、化工园或生产制造园区中,周界防范意义重大,对园区的安全起到重要的作用。常规的安防方式是采用人员巡查,人力投入成本大而且效率低。周界一旦被破坏或入侵,会影响园区人员和资产安全,…...
2024/4/27 12:24:46 - VB.net WebBrowser网页元素抓取分析方法
在用WebBrowser编程实现网页操作自动化时,常要分析网页Html,例如网页在加载数据时,常会显示“系统处理中,请稍候..”,我们需要在数据加载完成后才能继续下一步操作,如何抓取这个信息的网页html元素变化&…...
2024/4/27 3:39:08 - 【Objective-C】Objective-C汇总
方法定义 参考:https://www.yiibai.com/objective_c/objective_c_functions.html Objective-C编程语言中方法定义的一般形式如下 - (return_type) method_name:( argumentType1 )argumentName1 joiningArgument2:( argumentType2 )argumentName2 ... joiningArgu…...
2024/4/27 3:39:07 - 【洛谷算法题】P5713-洛谷团队系统【入门2分支结构】
👨💻博客主页:花无缺 欢迎 点赞👍 收藏⭐ 留言📝 加关注✅! 本文由 花无缺 原创 收录于专栏 【洛谷算法题】 文章目录 【洛谷算法题】P5713-洛谷团队系统【入门2分支结构】🌏题目描述🌏输入格…...
2024/4/27 3:39:07 - 【ES6.0】- 扩展运算符(...)
【ES6.0】- 扩展运算符... 文章目录 【ES6.0】- 扩展运算符...一、概述二、拷贝数组对象三、合并操作四、参数传递五、数组去重六、字符串转字符数组七、NodeList转数组八、解构变量九、打印日志十、总结 一、概述 **扩展运算符(...)**允许一个表达式在期望多个参数࿰…...
2024/4/27 12:44:49 - 摩根看好的前智能硬件头部品牌双11交易数据极度异常!——是模式创新还是饮鸩止渴?
文 | 螳螂观察 作者 | 李燃 双11狂欢已落下帷幕,各大品牌纷纷晒出优异的成绩单,摩根士丹利投资的智能硬件头部品牌凯迪仕也不例外。然而有爆料称,在自媒体平台发布霸榜各大榜单喜讯的凯迪仕智能锁,多个平台数据都表现出极度异常…...
2024/4/27 21:08:20 - Go语言常用命令详解(二)
文章目录 前言常用命令go bug示例参数说明 go doc示例参数说明 go env示例 go fix示例 go fmt示例 go generate示例 总结写在最后 前言 接着上一篇继续介绍Go语言的常用命令 常用命令 以下是一些常用的Go命令,这些命令可以帮助您在Go开发中进行编译、测试、运行和…...
2024/4/26 22:35:59 - 用欧拉路径判断图同构推出reverse合法性:1116T4
http://cplusoj.com/d/senior/p/SS231116D 假设我们要把 a a a 变成 b b b,我们在 a i a_i ai 和 a i 1 a_{i1} ai1 之间连边, b b b 同理,则 a a a 能变成 b b b 的充要条件是两图 A , B A,B A,B 同构。 必要性显然࿰…...
2024/4/27 18:40:35 - 【NGINX--1】基础知识
1、在 Debian/Ubuntu 上安装 NGINX 在 Debian 或 Ubuntu 机器上安装 NGINX 开源版。 更新已配置源的软件包信息,并安装一些有助于配置官方 NGINX 软件包仓库的软件包: apt-get update apt install -y curl gnupg2 ca-certificates lsb-release debian-…...
2024/4/27 3:39:03 - Hive默认分割符、存储格式与数据压缩
目录 1、Hive默认分割符2、Hive存储格式3、Hive数据压缩 1、Hive默认分割符 Hive创建表时指定的行受限(ROW FORMAT)配置标准HQL为: ... ROW FORMAT DELIMITED FIELDS TERMINATED BY \u0001 COLLECTION ITEMS TERMINATED BY , MAP KEYS TERMI…...
2024/4/27 13:52:15 - 【论文阅读】MAG:一种用于航天器遥测数据中有效异常检测的新方法
文章目录 摘要1 引言2 问题描述3 拟议框架4 所提出方法的细节A.数据预处理B.变量相关分析C.MAG模型D.异常分数 5 实验A.数据集和性能指标B.实验设置与平台C.结果和比较 6 结论 摘要 异常检测是保证航天器稳定性的关键。在航天器运行过程中,传感器和控制器产生大量周…...
2024/4/27 13:38:13 - --max-old-space-size=8192报错
vue项目运行时,如果经常运行慢,崩溃停止服务,报如下错误 FATAL ERROR: CALL_AND_RETRY_LAST Allocation failed - JavaScript heap out of memory 因为在 Node 中,通过JavaScript使用内存时只能使用部分内存(64位系统&…...
2024/4/27 1:03:20 - 基于深度学习的恶意软件检测
恶意软件是指恶意软件犯罪者用来感染个人计算机或整个组织的网络的软件。 它利用目标系统漏洞,例如可以被劫持的合法软件(例如浏览器或 Web 应用程序插件)中的错误。 恶意软件渗透可能会造成灾难性的后果,包括数据被盗、勒索或网…...
2024/4/27 3:22:12 - JS原型对象prototype
让我简单的为大家介绍一下原型对象prototype吧! 使用原型实现方法共享 1.构造函数通过原型分配的函数是所有对象所 共享的。 2.JavaScript 规定,每一个构造函数都有一个 prototype 属性,指向另一个对象,所以我们也称为原型对象…...
2024/4/27 22:51:49 - C++中只能有一个实例的单例类
C中只能有一个实例的单例类 前面讨论的 President 类很不错,但存在一个缺陷:无法禁止通过实例化多个对象来创建多名总统: President One, Two, Three; 由于复制构造函数是私有的,其中每个对象都是不可复制的,但您的目…...
2024/4/27 3:39:00 - python django 小程序图书借阅源码
开发工具: PyCharm,mysql5.7,微信开发者工具 技术说明: python django html 小程序 功能介绍: 用户端: 登录注册(含授权登录) 首页显示搜索图书,轮播图࿰…...
2024/4/26 23:53:24 - 电子学会C/C++编程等级考试2022年03月(一级)真题解析
C/C++等级考试(1~8级)全部真题・点这里 第1题:双精度浮点数的输入输出 输入一个双精度浮点数,保留8位小数,输出这个浮点数。 时间限制:1000 内存限制:65536输入 只有一行,一个双精度浮点数。输出 一行,保留8位小数的浮点数。样例输入 3.1415926535798932样例输出 3.1…...
2024/4/27 20:28:35 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57