Numpy数值计算基础【Python数据分析与应用】
Numpy的数组对象ndarray
由于python的array模块不支持多维，也没有各种运算函数，因此不适合做数值运算
Numpy提供了一种存储单一数据类型的多维数组-ndarray
Numpy提供了两种基本的对象：ndarray(N-dimensional Array Object)和ufunc(Universal Function Object)
ndarray(下文统一称为数组)是存储单一数据类型的多维数组
ufunc则是能够对数组进行处理的函数 |
创建数组对象
#数组属性 ''' ndim 维数 shape 数组的尺寸，(n,m) n行m列的矩阵 size 数组的元素总数 dtype 数组中元素的类型 itemsize 数组的属性值为8 '''
'\nndim 维数 \nshape 数组的尺寸，(n,m) n行m列的矩阵\nsize 数组的元素总数 \ndtype 数组中元素的类型 \nitemsize 数组的属性值为8\n'
#数组创建 可以创建一维或多维数组 ''' numpy.array(object,dtype=None,copy=True,order='K',subok=False,ndmin=0) object 接收array 无默认 dtype 接收data-type,表示数组所需的数据类型 默认为None ndmin 接收int 指定生成数组应该具有的最小维数 默认为None ''' import numpy as np #创建一维数组 arr1=np.array([1,2,3,4]) arr1
array([1, 2, 3, 4])
#创建二维数组 arr2=np.array([[1,2,3,4],[5,6,7,8],[7,8,9,10]]) arr2
array([[ 1, 2, 3, 4],[ 5, 6, 7, 8],[ 7, 8, 9, 10]])
#查看属性 #查看数组结构 print(arr2.shape)#(3,4) 3行4列 第0轴的长度为3（即行数），第1轴的长度为4（即列数） #查看数组类型 print(arr2.dtype) #查看数组元素个数 print(arr2.size) #查看数组每个元素大小 print(arr2.itemsize)
(3, 4) int32 12 4
#重新设置数组的shape属性 arr2.shape=4,3 print(arr2)
[[ 1 2 3][ 4 5 6][ 7 8 7][ 8 9 10]]
#用来创建数组的函数 ##arange函数 指定开始值，终值和步长来创建一维数组，数组中不含终值 print(np.arange(0,1,0.1)) ##linspace指定开始值、终值和元素个数来创建一维数组，默认设置包含终值 print(np.linspace(0,1,12)) ##logspace 和linespace 创建的为等比数列 print(np.logspace(0,2,10))#生成开始值为10的0次方 终值为10的2次方，共10个元素的等比数列
[0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9] [0. 0.09090909 0.18181818 0.27272727 0.36363636 0.454545450.54545455 0.63636364 0.72727273 0.81818182 0.90909091 1. ] [ 1. 1.66810054 2.7825594 4.64158883 7.7426368312.91549665 21.5443469 35.93813664 59.94842503 100. ]
#用来创建特殊数组的函数 ##使用zeros函数创建值全部为0的数组 print(np.zeros((2,3))) ##eye函数用来生成主对角线上的元素为1，其他的元素为0的数组，类似于单位矩阵 print(np.eye(3)) ##diag函数创建类似对角的数组，即除对角线以外的其他元素都为0，对角线上的元素可以是0或其他值 print(np.diag([1,2,3,4])) ##ones函数用来创建元素全部为1的数组，即创建的数组元素全部填充为1 print(np.ones((5,3)))
[[0. 0. 0.][0. 0. 0.]] [[1. 0. 0.][0. 1. 0.][0. 0. 1.]] [[1 0 0 0][0 2 0 0][0 0 3 0][0 0 0 4]] [[1. 1. 1.][1. 1. 1.][1. 1. 1.][1. 1. 1.][1. 1. 1.]]
#数组数据类型
'''
bool 布尔
int64 整型
float/float64 (float 默认就是float64 ) 浮点型
str_ 字符串型
complex 复数
'''
#创建数据类型 使用能存储40个字符的字符串记录商品名称， 64位的整型存储库存数量，64位的浮点数记录价格
df=np.dtype([('name',np.str_,40),('numitems',np.int64),('price',np.float64)])
print(df)
#查看数据类型
print(df['name'])
print(np.dtype(df['name']))
#自定义数组数据
data=np.array([("tomatoes",42,12.4),("cabbages",13,1.72)],dtype=df)
print(data)
[('name', '<U40'), ('numitems', '<i8'), ('price', '<f8')]
<U40
<U40
array([('tomatoes', 42, 12.4 ), ('cabbages', 13, 1.72)],dtype=[('name', '<U40'), ('numitems', '<i8'), ('price', '<f8')])
#生成随机数 import numpy as np #random函数是生成随机数最常见的方法之一 print(np.random.random(10)) #rand函数可以生成服从均匀分布的随机数 print(np.random.rand(10,5)) #randn函数可以生成服从正态分布的随机数 print(np.random.randn(10,5)) #randint函数可以生成给定上下限范围的随机数 #numpy.random.randint(low,high=None,size=None,dtype='1') #low最小值，high 最大值 size 为数组的shape print(np.random.randint(2,10,size=[2,5])) ''' random模块的常用随机数生成函数 permutation 返回一个序列随机排列或返回一个随机排列的范围 Shuffle对一个序列进行随机排列 binomial 产生二项分布的随机数 normal产生正态（高斯）分布的随机数 beta 产生beta分布的随机数 chisquare 产生卡方分布的随机数 gamma 产生gamma分布的随机数 uniform 产生在[0,1]中均匀分布的随机数 '''
[0.14553047 0.42440197 0.18720082 0.42488281 0.22799272 0.09496190.40933559 0.22641412 0.80222171 0.04695276] [[0.27661693 0.74169349 0.02639073 0.48047856 0.57670161][0.8336217 0.06490751 0.20173426 0.20773873 0.0930375 ][0.59237395 0.85766368 0.73633534 0.41672542 0.04855078][0.35309543 0.88487531 0.19361593 0.13508803 0.8395503 ][0.24154251 0.37548275 0.15784558 0.1432737 0.6453161 ][0.49607272 0.43249312 0.75310895 0.06310683 0.35480952][0.96050402 0.09264279 0.95049958 0.36783218 0.31972151][0.07554429 0.02951368 0.03057689 0.62389515 0.40173791][0.43170203 0.58528169 0.74470878 0.31715637 0.02361943][0.57252887 0.16402313 0.94129609 0.15931488 0.1653825 ]] [[ 8.70059973e-01 1.63722654e-01 4.90575927e-01 7.87371837e-01-5.82085696e-01][ 1.23669515e-01 -6.41531128e-04 -4.54106645e-01 -1.79294389e-021.30252638e+00][ 7.57762692e-01 -1.38515147e-01 -4.40512943e-01 8.47376755e-01-1.10943474e+00][ 9.26310783e-01 4.95058222e-01 -1.29911327e+00 1.55495632e+004.89854493e-01][-5.51273989e-01 -1.60706040e+00 2.19479324e-01 -1.49171712e+001.83037726e-01][ 1.62365807e+00 1.61390880e+00 -1.00333142e-01 -3.35683449e-01-3.17607181e-01][ 5.52951244e-01 3.23085637e-01 1.46736256e+00 -1.26411800e+00-1.52071141e+00][-6.57205093e-01 -9.10929723e-01 -1.16703877e+00 5.22122509e-014.23796817e-01][-2.02227662e-01 -1.46735176e+00 1.27836364e+00 3.50599660e-017.38739025e-02][ 2.31964367e-01 9.90174779e-01 -1.13366584e+00 -1.92384424e-01-3.83024553e-01]] [[7 6 3 6 5][3 5 7 4 6]]
'\nrandom模块的常用随机数生成函数 \npermutation 返回一个序列随机排列或返回一个随机排列的范围 \nShuffle对一个序列进行随机排列 \nbinomial 产生二项分布的随机数 \nnormal产生正态（高斯）分布的随机数 \nbeta 产生beta分布的随机数 \nchisquare 产生卡方分布的随机数 \ngamma 产生gamma分布的随机数 \nuniform 产生在[0,1]中均匀分布的随机数 \n'
#通过索引访问数组 #一维数组的索引,与list中的索引方法一致 arr=np.arange(10) print(arr) print(arr[5])#用整数作为下标可以获取数组中的某个元素 #用范围作为下标获取数组的一个切片，包括arr[3],不包括arr[5] print(arr[3:5]) #省略开始下标，表示从arr[0]开始 print(arr[:5]) #下标可以使用负数，-1表示从数组最后往前数的第一个元素 print(arr[-1]) #利用下标修改元素的值 arr[3:5]=100,101 print(arr) #范围中的第三个参数表示步长，2表示隔一个元素取一个元素 print(arr[1:-1:2]) #步长为负数时，开始下标必须大于结束下标 print(arr[5:1:-2])
[0 1 2 3 4 5 6 7 8 9] 5 [3 4] [0 1 2 3 4] 9 [ 0 1 2 100 101 5 6 7 8 9] [ 1 100 5 7] [ 5 100]
#多维数组的索引 #使用索引访问多维数组 '''多维数组的每一个维度都有一个索引，各个维度的索引之间用逗号隔开''' arr=np.array([[1,2,3,4,5],[4,5,6,7,8],[7,8,9,10,11]]) print(arr) #索引第0行中第3，4列的数据 print(arr[0,3:5]) #索引第2和第3行中第3~5列的元素 print(arr[1:,2:]) #索引第2列的元素 print(arr[:,2]) #使用整数函数访问多维数组 #从两行序列的对应位置取出两个整数来组成下标 arr[0,1],arr[1,2],arr[2,3] print(arr[(0,1,2),(1,2,3)]) #索引第2、3行中第0、2、3列的元素 print(arr[1:,(0,2,3)]) #布尔值索引访问多维数组 mask=np.array([1,0,1],dtype=np.bool) #mask是个布尔数组，它索引第1，3行中第2列的元素 print(arr[mask,2])
[[ 1 2 3 4 5][ 4 5 6 7 8][ 7 8 9 10 11]] [4 5] [[ 6 7 8][ 9 10 11]] [3 6 9] [ 2 6 10] [[ 4 6 7][ 7 9 10]] [3 9]
import numpy as np
#变换数组的形态
#reshape改变数组的形状，通常不会改变原始数据的值，
#如果指定的维度和数组的元素数目不吻合，则函数抛出异常
arr=np.arange(12)
print(arr)
#设置数组的形状
print(arr.reshape(3,4))
#查看数组的维度
print(arr.ndim)
print(arr.reshape(3,4).ndim)#ravel展平数组 （横向）
arr=np.arange(12).reshape(3,4)
print(arr)
print(arr.ravel())
#flatten函数展平数组（纵向、横向都可以实现）
print(arr.flatten())#横向
print(arr.flatten('F')) #纵向
[ 0 1 2 3 4 5 6 7 8 9 10 11] [[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]] 1 2 [[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]] [ 0 1 2 3 4 5 6 7 8 9 10 11] [ 0 1 2 3 4 5 6 7 8 9 10 11] [ 0 4 8 1 5 9 2 6 10 3 7 11]
#函数完成数组间的组合 #hstack函数实现横向组合，vstack函数实现纵向组合，concatenate函数完成数组间横向或纵向的组合 arr1=np.arange(12).reshape(3,4) arr2=arr1*3 print(arr1) print(arr2) #print(np.hstack((arr1,arr2))) #横向组合 #print(np.vstack((arr1,arr2)))#纵向组合 print(np.concatenate((arr1,arr2),axis=1))#横向 print(np.concatenate((arr1,arr2),axis=0))#纵向
[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]] [[ 0 3 6 9][12 15 18 21][24 27 30 33]] [[ 0 1 2 3 0 3 6 9][ 4 5 6 7 12 15 18 21][ 8 9 10 11 24 27 30 33]] [[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11][ 0 3 6 9][12 15 18 21][24 27 30 33]]
#利用函数完成数组分割 #hsplit,vsplit,split函数可以将数组分割成相同大小的子数组，也可以指定原数组中需要分割的位置 arr=np.arange(16).reshape(4,4) print(arr) #print(np.hsplit(arr,4))#横向分割成4个相同大小的子数组 #print(np.vsplit(arr,4)) #纵向分割成4个相同大小的子数组 ####print(np.dsplit(arr,4)) 报错 print(np.split(arr,2,axis=1))#横向 print(np.split(arr,2,axis=0))#纵向
[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11][12 13 14 15]] [array([[ 0, 1],[ 4, 5],[ 8, 9],[12, 13]]), array([[ 2, 3],[ 6, 7],[10, 11],[14, 15]])] [array([[0, 1, 2, 3],[4, 5, 6, 7]]), array([[ 8, 9, 10, 11],[12, 13, 14, 15]])]
#掌握Numpy矩阵的创建和计算
'''
在Numpy中，矩阵是ndarray的子类。
Numpy提供了两个基本的对象：一个N维数组对象和一个通用函数对象
矩阵是继承自Numpy数组对象的二维数组对象
'''
#创建矩阵
matr1=np.mat("1 2 3;2 4 5;5 6 7") #使用mat创建，行与行之间使用分号;隔开 不好,行之间的元素使用空格分隔
print(matr1)
matr2=np.matrix([[1,2,3],[2,4,5],[5,6,7]])
print(matr2)
#创建分块矩阵（根据小的矩阵创建大的矩阵）
arr1=np.eye(3)
arr2=arr1*3
print(np.bmat("arr1 arr2"))
print(np.bmat("arr1 arr2;arr1 arr2"))
[[1 2 3][2 4 5][5 6 7]] [[1 2 3][2 4 5][5 6 7]] [[1. 0. 0. 3. 0. 0.][0. 1. 0. 0. 3. 0.][0. 0. 1. 0. 0. 3.]] [[1. 0. 0. 3. 0. 0.][0. 1. 0. 0. 3. 0.][0. 0. 1. 0. 0. 3.][1. 0. 0. 3. 0. 0.][0. 1. 0. 0. 3. 0.][0. 0. 1. 0. 0. 3.]]
#矩阵运算
import numpy as np
matr1=np.mat("1 2 3;4 5 6;7 8 9") #创建矩阵
print(matr1)
#矩阵与数相乘
matr2=matr1*3
print(matr2)
#矩阵相加
#print(matr1+matr2)
#矩阵相减
#print(matr1-matr2)
#矩阵相乘
print(matr1*matr2) #第一行乘以第一列 相加得a11
#矩阵对应元素相乘
print(np.multiply(matr1,matr2))
[[1 2 3][4 5 6][7 8 9]] [[ 3 6 9][12 15 18][21 24 27]] [[ 90 108 126][198 243 288][306 378 450]] [[ 3 12 27][ 48 75 108][147 192 243]]
#矩阵属性 print(matr1) #矩阵的转置 print(matr1.T) #矩阵的共轭转置（实数的共轭就是其本身） print(matr1.H) #逆矩阵 print(matr1.I) #返回二维数组的视图 print(matr1.A)
[[1 2 3][4 5 6][7 8 9]] [[1 4 7][2 5 8][3 6 9]] [[1 4 7][2 5 8][3 6 9]] [[ 3.15251974e+15 -6.30503948e+15 3.15251974e+15][-6.30503948e+15 1.26100790e+16 -6.30503948e+15][ 3.15251974e+15 -6.30503948e+15 3.15251974e+15]] [[1 2 3][4 5 6][7 8 9]]
#Numpy另一个基本对象：通用函数_____ufunc函数 能够对数组中的所有元素进行操作的函数 #ufunc函数针对数组进行操作，并且都以Numpy数组作为输出 ''' 常用的ufunc函数运算 ：四则运算 比较运算 逻辑运算等 ''' #数组间四则运算表示对每个数组中的元素分别进行四则运算，所以进行四则运算的两个数组的形状必须相同 x=np.array([1,2,3]) y=np.array([4,5,6]) #数组相加 print(x+y) #数组相减 print(x-y) #数组相乘 print(x*y) #数组相除 print(x/y) #数组幂运算 print(x**y)
[5 7 9] [-3 -3 -3] [ 4 10 18] [0.25 0.4 0.5 ] [ 1 32 729]
#数组的比较运算 > < == >= <= != np.all()表示逻辑and np.any()表示逻辑or print(x)#[1 2 3] print(y)#[4 5 6] print(x<y) print(x>y) print(x==y) print(x!=y) print(np.all(x==y)) print(np.any(x==y))
[1 2 3] [4 5 6] [ True True True] [False False False] [False False False] [ True True True] False False
#ufunc函数的广播机制 ''' 广播（Broadcasting）是指不同形状的数组之间执行算数运算的方式，广播机制的4个原则： 1.让所有的输入数组 向其中shape最长的数组看齐，shape中不足的部分通过在前面加1补齐 2.输出数组的shape是输入数组shape的各个轴上的最大值 3.如果 输入数组的某个轴 和 输出数组大的对应轴的长度相同或者其长度为1，则这个数组能够用来计算，否则出错 4.当输入数组的某个轴的长度为1时，沿着此轴运算时使用此轴上的第一组值 ''' arr1=np.array([[0,0,0],[1,1,1],[2,2,2],[3,3,3]]) #print(arr1) arr2=np.array([2]) #规则3 np.array([1,2,3]) 或者np.array([1]) #print(arr2) #print(arr1+arr2) #二维数组的广播机制 arr3=np.array([[0,0,0],[1,1,1],[2,2,2],[3,3,3]]) print(arr3) arr4=np.array([1,2,3,4]).reshape((4,1)) print(arr4) arr5=np.array([1,2,3]).reshape((1,3)) print(arr5) print(arr3+arr4) print(arr3-arr5)
[[0 0 0][1 1 1][2 2 2][3 3 3]] [[1][2][3][4]] [[1 2 3]] [[1 1 1][3 3 3][5 5 5][7 7 7]] [[-1 -2 -3][ 0 -1 -2][ 1 0 -1][ 2 1 0]]
利用Numpy进行统计分析
## 读写文件
'''
文件读写 ：二进制的文件读写 文件列表形式的数据读写
'''
#save函数以二进制的格式保存数据，load函数从二进制的文件中读取数据
#np.save(file,arr,allow_pickle=True,fix_imports=True)
'''
参数file为要保存的文件的名称，需要指定文件保存的路径，如果未设置，则保存到默认路径下面
参数 arr 为需要保存的数组
'''
import numpy as np #导入Numpy库
arr=np.arange(100).reshape(10,10) #创建一个数组
#np.save("./save_arr",arr) #保存数组 文件的拓展名为.npy
print(arr)
arr1=np.array([[1,2,3],[4,5,6]])
arr2=np.arange(0,1,0.1)
np.savez("./save_arr1",arr1,arr2)#将多个数组保存到一个文件中，可以使用savez函数
[[ 0 1 2 3 4 5 6 7 8 9][10 11 12 13 14 15 16 17 18 19][20 21 22 23 24 25 26 27 28 29][30 31 32 33 34 35 36 37 38 39][40 41 42 43 44 45 46 47 48 49][50 51 52 53 54 55 56 57 58 59][60 61 62 63 64 65 66 67 68 69][70 71 72 73 74 75 76 77 78 79][80 81 82 83 84 85 86 87 88 89][90 91 92 93 94 95 96 97 98 99]]
#需要读取二进制文件的时候可以使用load函数，用文件名作为参数
loaded_data=np.load("./save_arr.npy")#读取含有单个数组的文件
print(loaded_data)
[[ 0 1 2 3 4 5 6 7 8 9][10 11 12 13 14 15 16 17 18 19][20 21 22 23 24 25 26 27 28 29][30 31 32 33 34 35 36 37 38 39][40 41 42 43 44 45 46 47 48 49][50 51 52 53 54 55 56 57 58 59][60 61 62 63 64 65 66 67 68 69][70 71 72 73 74 75 76 77 78 79][80 81 82 83 84 85 86 87 88 89][90 91 92 93 94 95 96 97 98 99]]
#读取含有多个数组的文件
loaded_data1=np.load("./save_arr1.npz")
print(loaded_data1["arr_0"])
print(loaded_data1["arr_1"])
[[1 2 3][4 5 6]] [0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
#文本格式的数据
'''
使用savetxt函数， loadtxt函数， genfromtxt函数 执行对文本格式数据的读取任务
savetxt函数可将数组写到以某种分隔符隔开的文本文件中
np.savetxt(fname,x,fmt='%.18e',delimiter=' ',newline='\n',header='',footer='',comments='# ')
第一个参数是文件名“file”,第二个参数X为数组数据，第4个参数是分隔符
'''
arr=np.arange(0,12,0.5).reshape(4,-1)
print(arr)
#fmt="%d"表示保存的为整数
np.savetxt("./arr.txt",arr,fmt="%d",delimiter=",")
#loadtxt函数执行的是相反的操作，即把文件加载到一个二维数组中
loaded_data=np.loadtxt("./arr.txt",delimiter=",")
print(loaded_data)
#genfromtxt函数和loadtxt函数相似，不过它面向的是结构化数组和缺失数据。
'''
genfromtxt函数 它通常使用的参数有3个，即存放数据的文件名参数"fname",用于分隔的字符参数"delimiter"
和是否含有列标题参数"names"
'''
loaded_data1=np.genfromtxt("./arr.txt",delimiter=",")
print(loaded_data1)
[[ 0. 0.5 1. 1.5 2. 2.5][ 3. 3.5 4. 4.5 5. 5.5][ 6. 6.5 7. 7.5 8. 8.5][ 9. 9.5 10. 10.5 11. 11.5]] [[ 0. 0. 1. 1. 2. 2.][ 3. 3. 4. 4. 5. 5.][ 6. 6. 7. 7. 8. 8.][ 9. 9. 10. 10. 11. 11.]] [[ 0. 0. 1. 1. 2. 2.][ 3. 3. 4. 4. 5. 5.][ 6. 6. 7. 7. 8. 8.][ 9. 9. 10. 10. 11. 11.]]
#使用函数进行简单的统计分析 ##排序 ''' 直接排序和间接排序 直接排序指对数值直接进行排序；间接排序是指根据一个或多个键对数据集进行排序 直接排序用sort函数，间接排序使用argsort函数和lexsort函数 ''' ##sort ''' sort函数是最常用的排序方法，无返回值。如果目标函数是一个视图，则原始数据将会被修改。 使用sort函数排序时可以指定一个axis参数，使得sort函数可以沿着指定轴对数据集进行排序 ''' np.random.seed(42)#设置随机种子 arr=np.random.randint(1,10,size=10) #生成随机数组 print(arr) #直接排序 arr.sort() print(arr) arr=np.random.randint(1,10,size=(3,3)) print(arr) arr.sort(axis=0)#纵轴 print(arr) arr.sort(axis=1)#横轴 print(arr)
[7 4 8 5 7 3 7 8 5 4] [3 4 4 5 5 7 7 7 8 8] [[8 8 3][6 5 2][8 6 2]] [[6 5 2][8 6 2][8 8 3]] [[2 5 6][2 6 8][3 8 8]]
#使用argsort函数进行排序 import numpy as np arr=np.array([2,3,6,8,0,7]) print(arr) #使用argsort函数，返回值为重新排序值的下标 print(arr.argsort()) #使用lexsort函数进行排序 #lexsort函数可以一次性对满足多个键的数组执行间接排序 a=np.array([3,2,6,4,5]) b=np.array([50,30,40,20,10]) c=np.array([400,300,600,100,200]) print(c) d=np.lexsort((a,b,c)) #lexsort函数只接收一个参数 即（a,b,c） #多个键值排序时是按照最后一个传入数据计算的 print(list(zip(a[d],b[d],c[d])))
[2 3 6 8 0 7] [4 0 1 2 5 3] [400 300 600 100 200] [(4, 20, 100), (5, 10, 200), (2, 30, 300), (3, 50, 400), (6, 40, 600)]
##去重与数据重复 #在Numpy中，可以通过unique函数找出数组中的唯一值并返回已排序的结果 names=np.array(["小明","小黄","小花","小明","小花","小兰"])print(np.unique(names)) #去重并排序 print(sorted(set(names)))##数据重复，即需要把一个数据重复若干次。在numpy中主要使用title函数和repeat函数实现数据重复#numpy.tile(A,reps) "A"指定重复的数组，"reps"指定重复的次数 arr=np.arange(5) print(arr) print(np.tile(arr,3)) #numpy.repeat(a,repeats,axis=None) a需要重复的数组元素 repeats重复次数 axis指定沿着哪个轴进行重复 np.random.seed(42)#设置随机种子 arr=np.random.randint(0,10,size=(3,3)) print(arr) print(np.repeat(arr,2,axis=0))#按行进行元素重复 print(np.repeat(arr,2,axis=1)) #tile和repeat的区别：tile函数是对数组进行重复操作，repeat函数是对数组中的每个元素进行重复操作
['小兰' '小明' '小花' '小黄'] ['小兰', '小明', '小花', '小黄'] [0 1 2 3 4] [0 1 2 3 4 0 1 2 3 4 0 1 2 3 4] [[6 3 7][4 6 9][2 6 7]] [[6 3 7][6 3 7][4 6 9][4 6 9][2 6 7][2 6 7]] [[6 6 3 3 7 7][4 4 6 6 9 9][2 2 6 6 7 7]]
#常用的数据统计函数 sum mean std 标准差 var 方差 min max '''当axis参数为0时，表示沿着纵轴进行计算 当axis参数为1时，表示沿着横轴进行计算 ''' arr=np.arange(20).reshape(4,5) print(arr) print(np.sum(arr))#计算数组的和 print(arr.sum(axis=0))#沿着纵轴求和 print(arr.sum(axis=1))#沿着横轴求和 #以上为聚合操作，除此之外，可以使用累加或者累积函数进行计算 #cumsum累计和 cumprod 累计积arr=np.arange(2,10) print(arr) print(np.cumsum(arr)) print(np.cumprod(arr))
[[ 0 1 2 3 4][ 5 6 7 8 9][10 11 12 13 14][15 16 17 18 19]] 190 [30 34 38 42 46] [10 35 60 85] [2 3 4 5 6 7 8 9] [ 2 5 9 14 20 27 35 44] [ 2 6 24 120 720 5040 40320 362880]
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
- PYTHON基础知识1
二 知识要点： 1 编程语言的种类： (1)机器语言 (2)汇编语言 (3)高级语言（C语言） (4)超级语言（python） 2 学习方法： 先学习…...
2024/4/24 15:45:26 - 11. 盛最多水的容器 -- leetcode今日签到题
大家好，我是小鲨鱼，我来打卡今天的签到题了呀，凑着水课写一写，忍住老师的催眠还在写blog的我，快来一起刷题吧。 题目链接 11. 盛最多水的容器https://leetcode-cn.com/problems/container-with-most-water/ 题目描述 …...
2024/4/24 15:45:32 - ssm整合
学习目标 1、SSM整合 2、事务1、SSM整合 1.1 概述 在进行企业级项目开发时，我们需要将Spring、SpringMVC、MyBatis框架整合起来，共同完成开发工作。 SSM分工： Spring 作为基础框架，整合其他框架SpringMVC 作为Web开发框架&am…...
2024/4/24 15:45:25 - 代运营公司和个人代运营的利弊？
运营商的优势就是把人才集中在一起统一管理,提供统一的服务,省掉商家自己的人才管理和人才培养成本.换一个思路 阿里明知道天猫平台能赚钱 他们为什么不自己开店呢？专业的人做专业的事这个是运营商存在的意义 可以这样说 你肯定想过找人来做 但是这里面有两个问题&a…...
2024/4/24 15:45:30 - LeetCode 335 路径交叉[逻辑] HERODING的LeetCode之路
解题思路： 首先题目所给的四个方向，并不是说只有四次的方向改变，而是可能会一直继续，那么不管怎么变化，讨论一下相交的情况只有三种，只要找出这三种的规律即可，三种交叉情况如下： 即…...
2024/4/24 15:45:22 - 自然语言处理总复习（八）—— 文本分类
自然语言处理总复习（八）—— 文本分类一、相关概念和介绍（一）分类技术在自然语言中的应用（二）文本分类的一般过程1. 一些名词2. 分类过程展示二、分类方法（一）朴素贝叶斯分类1. 假设…...
2024/4/24 15:45:28 - 知识篇 | MySQL常用存储引擎MyISAM、InnoDB和MEMORY之介绍
MySQl的存储引擎有哪9种，使用show engines;命令即可查看。 今天介绍常用的三种常用存储引擎：MyISAM、InnoDB和MEMORY。 一**、MyISAM** MyISAM基于ISAM存储引擎，并对其进行扩展。它是在Web、数据仓储和其他应用环境下最常使用的存储引擎之一…...
2024/4/24 15:45:21 - Linux 题目（educoder）
目录 概述 第1关：linux知识训练-硬件与软件安装 第2关：linux知识训练-账户进程与权限 第3关：linux知识训练-文件与目录 第4关：linux知识训练-shell基础 第5关：Linux操作系统知识训练-概述 第6关：Li…...
2024/4/24 15:45:27 - L1-029 是不是太胖了
标准体重为（身高-100）*0.9，int定义标准身高a，float定义体重b，scanf语句给a赋值，写出b的表达式，输出%.1f取一位小数 #include <stdio.h> int main(void) { int a; float b; …...
2024/4/24 15:45:20 - 电子商务网站系统 iWebShop
iWebShop 是一款面向独立卖家的单用户开源网店系统，基于PHP+MySQL框架开发，通过它可以迅速建立起一个B2C网上商城。 iWebShop基于iWebSI框架开发，在获得iWebSI技术平台库支持的条件下，iWebShop可以轻松满足用户量级百万至千万级的 大型电子商务网站的性能要求。站点的集群与…...
2024/4/24 15:45:17 - 02-Hadoop介绍
一、定义 hadoop是一个分布式存储和分布式计算的框架 二、hadoop的核心组件 HDFS 分布式文件存储系统MapReduce 分布式计算Yarn 资源调度管理器 三、hadoop的介绍及发展历史 Hadoop最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取…...
2024/4/24 15:45:16 - 钩子函数的执行过程(中文版)
...
2024/4/24 15:45:15 - 三种方法助您缓解SQL注入威胁
导读即使是大型科技公司，依然会被软件和Web漏洞所困扰，其中SQL 注入是常见也是最危险的漏洞之一。以下是降低SQL注入漏洞风险的三大方法。即使是大型科技公司，依然会被软件和Web漏洞所困扰，其中SQL 注入是常见也是最危险的漏洞之一…...
2024/4/24 15:45:21 - SQL注入中information_schema的作用
实验内容与步骤在MySQL数据库的注入中，如果你有仔细看过SQL注入语句的话，你可能就会发现，在获取数据库名、表名和字段的时候，注入语句中information_schema这个数据库出现得很频繁，那么有没有想过为什么会需要用到这个…...
2024/4/24 15:45:20 - 深拷贝浅拷贝的区别和原理
1.为什么要使用深拷贝？ 我们希望在改变新的数组（对象）的时候，不改变原数组（对象） 2.深拷贝和浅拷贝的区别 1.浅拷贝： 将原对象或原数组的引用直接赋给新对象，新数组，新…...
2024/4/24 15:45:34 - mybatis一对多关系
1. 写一个正常的sql 查询自己想要的数据的外层 2. 实体类中增加子集的集合 3. 返回resultmap的结果中增加collection property : 属性名( 2 中的属性名) javaType：属性名的类型 column： 配置查询sql的参数名( qq: 查询子集的参数，danger_ch…...
2024/4/24 15:45:36 - HTML5的新特性
目录 前言 一、语义化标签 二、多媒体标签 1.视频标签-video 2.音频标签-audio 三、新增表单属性 总结 前言 HTML5 的新增特性主要是针对于以前的不足，增加了一些新的标签、新的表单和新的表单属性等。 这些新特性都有兼容性问题，基本是 IE9 以上版…...
2024/4/25 22:34:00 - mysql vs oracle
1、Oracle就是大名鼎鼎的甲骨文公司的，MySQL由瑞典MySQL AB公司开发，2008年1月16号被Sun公司收购。2009年，SUN又被Oracle 收购。 2、Oracle是大型数据库而MySQL是中小型数据库，Oracle市场占有率达40%，MySQL只有20%左右…...
2024/4/24 15:46:04 - luogu P7044 「MCOI-03」括号
https://www.luogu.com.cn/problem/P7044 首先考虑k0k0k0怎么做 显然最后括号剩下的一定是...)))(((......)))(((......)))(((... 答案记为f(l,r)f(l, r)f(l,r) 考虑每个右括号往左第一个匹配到的左括号记为pre[x]pre[x]pre[x] 然后考虑扫描线，rrr每向右移动一个…...
2024/4/24 15:46:03 - [合天作业]
Metasploit攻击win7实例...
2024/4/24 15:45:59
最新文章
- 什么是外汇杠杆交易?
外汇杠杆交易是目前的外汇交易市场中，投资者进行外汇交易的重要方式，通过这样的交易方式，投资者就有机会进行以小搏大的交易，他们的交易就有可能会更成功，因此，投资者应该对这样的交易方式进行了解…...
2024/4/28 3:16:33 - 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 - 【Locust分布式压力测试】
Locust分布式压力测试 https://docs.locust.io/en/stable/running-distributed.html Distributed load generation A single process running Locust can simulate a reasonably high throughput. For a simple test plan and small payloads it can make more than a thousan…...
2024/4/28 3:06:27 - 磁盘管理与文件管理
文章目录 一、磁盘结构二、MBR与磁盘分区分区的优势与缺点分区的方式文件系统分区工具挂载与解挂载 一、磁盘结构 1.硬盘结构 硬盘分类： 1.机械硬盘：靠磁头转动找数据 慢 便宜 2.固态硬盘：靠芯片去找数据 快 贵 硬盘的数据结构：…...
2024/4/23 6:16:19 - 【外汇早评】美通胀数据走低，美元调整
原标题：【外汇早评】美通胀数据走低，美元调整昨日美国方面公布了新一期的核心PCE物价指数数据，同比增长1.6%，低于前值和预期值的1.7%，距离美联储的通胀目标2%继续走低，通胀压力较低，且此前美国一季度GDP初值中的消费部分下滑明显，因此市场对美联储后续更可能降息的政策…...
2024/4/26 18:09:39 - 【原油贵金属周评】原油多头拥挤，价格调整
原标题：【原油贵金属周评】原油多头拥挤，价格调整本周国际劳动节，我们喜迎四天假期，但是整个金融市场确实流动性充沛，大事频发，各个商品波动剧烈。美国方面，在本周四凌晨公布5月份的利率决议和新闻发布会，维持联邦基金利率在2.25%-2.50%不变，符合市场预期。同时美联储…...
2024/4/26 20:12:18 - 【外汇周评】靓丽非农不及疲软通胀影响
原标题：【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五，美国方面公布了新一期的非农就业数据，大幅好于前值和预期，新增就业重新回到20万以上。具体数据： 美国4月非农就业人口变动 26.3万人，预期 19万人，前值 19.6万人。 美国4月失业率 3.6%，预期 3.8%，前值 3…...
2024/4/26 23:05:52 - 【原油贵金属早评】库存继续增加，油价收跌
原标题：【原油贵金属早评】库存继续增加，油价收跌周三清晨公布美国当周API原油库存数据，上周原油库存增加281万桶至4.692亿桶，增幅超过预期的74.4万桶。且有消息人士称，沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油，印度炼油商预计将每日获得至多20万桶的额外原油供…...
2024/4/27 4:00:35 - 【外汇早评】日本央行会议纪要不改日元强势
原标题：【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升，避险资金回流日元有关，也与前一段时间的美日贸易谈判给日本缓冲期，日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策，但这符…...
2024/4/27 17:58:04 - 【原油贵金属早评】欧佩克稳定市场，填补伊朗问题的影响
原标题：【原油贵金属早评】欧佩克稳定市场，填补伊朗问题的影响近日伊朗局势升温，导致市场担忧影响原油供给，油价试图反弹。此时OPEC表态稳定市场。据消息人士透露，沙特6月石油出口料将低于700万桶/日，沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”，沙特将满…...
2024/4/27 14:22:49 - 【外汇早评】美欲与伊朗重谈协议
原标题：【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议，昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告，伊朗外长昨日回应称，欧洲国家履行它们的义务，伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...
2024/4/28 1:28:33 - 【原油贵金属早评】波动率飙升，市场情绪动荡
原标题：【原油贵金属早评】波动率飙升，市场情绪动荡因中美贸易谈判不安情绪影响，金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际，美国按照既定计划向中国2000亿商品征收25%的关税，市场情绪有所平复，已经开始接受这一事实。虽然波动率-恐慌指数VI…...
2024/4/27 9:01:45 - 【原油贵金属周评】伊朗局势升温，黄金多头跃跃欲试
原标题：【原油贵金属周评】伊朗局势升温，黄金多头跃跃欲试美国和伊朗的局势继续升温，市场风险情绪上升，避险黄金有向上突破阻力的迹象。原油方面稍显平稳，近期美国和OPEC加大供给及市场需求回落的影响，伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级，美国对中…...
2024/4/27 17:59:30 - 【原油贵金属早评】市场情绪继续恶化，黄金上破
原标题：【原油贵金属早评】市场情绪继续恶化，黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动，人民币汇率出现大幅的贬值动能，金融市场受到非常明显的冲击。尤其是波动率起来之后，对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势，这…...
2024/4/25 18:39:16 - 【外汇早评】美伊僵持，风险情绪继续升温
原标题：【外汇早评】美伊僵持，风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件，导致波斯湾局势进一步恶化，市场担忧美伊可能会出现摩擦生火，避险品种获得支撑，黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日，四艘商船在阿联酋领海附近的阿曼湾、…...
2024/4/28 1:34:08 - 【原油贵金属早评】贸易冲突导致需求低迷，油价弱势
原标题：【原油贵金属早评】贸易冲突导致需求低迷，油价弱势近日虽然伊朗局势升温，中东地区几起油船被袭击事件影响，但油价并未走高，而是出于调整结构中。由于市场预期局势失控的可能性较低，而中美贸易问题导致的全球经济衰退风险更大，需求会持续低迷，因此油价调整压力较…...
2024/4/26 19:03:37 - 氧生福地 玩美北湖（上）——为时光守候两千年
原标题：氧生福地 玩美北湖（上）——为时光守候两千年一次说走就走的旅行，只有一张高铁票的距离～ 所以，湖南郴州，我来了～ 从广州南站出发，一个半小时就到达郴州西站了。在动车上，同时改票的南风兄和我居然被分到了一个车厢，所以一路非常愉快地聊了过来。 挺好，最起…...
2024/4/28 1:22:35 - 氧生福地 玩美北湖（中）——永春梯田里的美与鲜
原标题：氧生福地 玩美北湖（中）——永春梯田里的美与鲜一觉醒来，因为大家太爱“美”照，在柳毅山庄去寻找龙女而错过了早餐时间。近十点，向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”，到郴州必吃的美食之一。 哇塞！那个味美香甜…...
2024/4/25 18:39:14 - 氧生福地 玩美北湖（下）——奔跑吧骚年！
原标题：氧生福地 玩美北湖（下）——奔跑吧骚年！让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...
2024/4/26 23:04:58 - 扒开伪装医用面膜，翻六倍价格宰客，小姐姐注意了！
原标题：扒开伪装医用面膜，翻六倍价格宰客，小姐姐注意了！扒开伪装医用面膜，翻六倍价格宰客！当行业里的某一品项火爆了，就会有很多商家蹭热度，装逼忽悠，最近火爆朋友圈的医用面膜，被沾上了污点，到底怎么回事呢？ “比普通面膜安全、效果好！痘痘、痘印、敏感肌都能用…...
2024/4/27 23:24:42 - 「发现」铁皮石斛仙草之神奇功效用于医用面膜
原标题：「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势： 1、铁皮石斛：自唐宋以来，一直被列为皇室贡品，铁皮石斛生于海拔1600米的悬崖峭壁之上，繁殖力差，产量极低，所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...
2024/4/25 18:39:00 - 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者
原标题：丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司，专注美业21年，其旗下品牌： 「圣茵美」私密荷尔蒙抗衰，产后修复 「圣仪轩」私密荷尔蒙抗衰，产后修复 「花茵莳」私密荷尔蒙抗衰，产后修复 「丽彦妆」专注医学护…...
2024/4/26 19:46:12 - 广州械字号面膜生产厂家OEM/ODM4项须知！
原标题：广州械字号面膜生产厂家OEM/ODM4项须知！广州械字号面膜生产厂家OEM/ODM流程及注意事项解读： 械字号医用面膜，其实在我国并没有严格的定义，通常我们说的医美面膜指的应该是一种「医用敷料」，也就是说，医用面膜其实算作「医疗器械」的一种，又称「医用冷敷贴」。 …...
2024/4/27 11:43:08 - 械字号医用眼膜缓解用眼过度到底有无作用？
原标题：械字号医用眼膜缓解用眼过度到底有无作用？医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料，含70%以上的水分。体表皮肤温度传导到本产品的凝胶层，热量被凝胶内水分子吸收，通过水分的蒸发带走大量的热量，可迅速地降低体表皮肤局部温度，减轻局部皮肤的灼…...
2024/4/27 8:32:30 - 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