SpringMVC系列文章目录
提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加
例如:第一章 Python 机器学习入门之pandas的使用
提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
提示:这里可以添加本文要记录的大概内容:
例如:对于上一章节的比如添加商品的controller中,我们做出了要检查用户名是否存在的一个业务功能,我们对这个业务功能做出一个细分以及我们对自定义异常做出一个创建。
提示:以下是本篇文章正文内容,下面案例可供参考
一、在controller中我们多余的业务
截图我们在这里实现了检查品牌是否已经在数据库的检测操作,将如下代码剪切:
结论是我们将传统的三层业务划分如下,将传统的mapper接口业务层,将其划分多一层业务逻辑层:
然后就是用户层
【说明】我们过去在login返回值都是int类型,标记是否登录成功,用户是否存在,账号或密码错误。但是毕竟登录成功我们要返回头像等在成功页面的信息,显然这个返回结果不够存了。但是我们返回User也不行,虽然成功各种数据类型返回都可以,但是毕竟返回失败的时候,我们无法做到对返回的User进行检测。比如游戏开外挂被封号了,这种也是一种异常的状态。所以我们对这个User状态不进行检测了,对User的检测转化为进行User登录的异常的抛出。
相同的道理我们转化为这个添加品牌的代码,首先创建一个
创建一个异常类:
然后创建一个
结合笔记异常类的创建通常要求如下:
创建BrandServiceImpl和IBrandService
两者代码如下
以下是没有编辑完的
这样子我们就完成了首要的任务,把业务逻辑层分开了,执行效果如下
二、使用步骤
1.引入库
代码如下(示例):
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
2.读入数据
代码如下(示例):
data = pd.read_csv(
'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())
该处使用的url网络请求的数据。
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。