- 博客(25)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 python + swagge : python 读取swagger接口
swagge 接口存在两种调用形式：get方法和post方法。如上图所以根据实际的情况，采用不同的方法。利用requests方法调用get方法：import requests# get调用url= 'http://localhost:5000/test' # rer = requests.get(url)print(rer.text)post方法：url1 = 'http://192.168.6.110:5000/v2.0/query/basic_query'json_para =
2020-12-18 13:57:49
4071
1
原创 正则表达式基础（2）
参考：https://deerchao.cn/tutorials/regex/regex.htm#mission基础：“\b” 是正则表达是的一个特殊代码，代表着字符的开始和结束。"\bhi\b",表示查找hi字符(不包括him,his这样的包含字符)".* " ：表示任意数量的不包含换行的字符。(. 表示匹配换行符之外的任何字符，* 表示数量)“\d” : 表示数字exp:0\d\d-\d\d\d\d\d\d\d\d:以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字
2020-12-17 16:20:39
206
原创 numpy -- 基础知识 ：常见的运算操作
numpy 数据运算操作1.np.aroundnp.around返回四舍五入后的值，可以指定精度格式：around(a, decimals=0, out=None)decimal表示精度，整数表示小数点右边保留几位，负数表示小数点左边保留几位import numpy as npa = [np.random.normal(10) for _ in range(10)]# [8.75979108665653,#9.381251593781995,# 9.26005756259318,
2020-12-11 17:47:01
385
原创 numpy -- 基础方法操作 array和asarray数据类型常用基础方法
numpy 基础知识一、引入包import numpy as np二、基础方法1. Array(数组)rank：数组的维数 a.ndim # 返回维度a = np.array([1,2,3])type(a) #类型a.shape#形状a = a.reshape((-1,n))#其中-1代表的是3，转化形状b = np.zeros((n,m)) #用于创建全为0的数组，其中n,m代表形状c = np.ones((n,m)) # 用于创建全为1的数组d = np.full(
2020-12-11 17:35:42
2137
原创 pandas--基础知识: pandas 数据统计函数
pandas 的数据统计函数1.增长率pct_change序列（Series）、数据框（DataFrame）和Panel（面板）都有pct_change方法来计算增长率（需要先使用fill_method来填充空值）df.pct_change(periods=1, fill_method=‘pad’, limit=None, freq=None, **kwargs),periods表示计算的步长，fill_method表示填充空置的方法，是按照列进行计算的，如果想按照行需要添加axis=1。计算公式：
2020-12-11 17:13:09
1875
原创 python -- 基础知识：内置函数enumerate、zip、isinstance、type、map、map、filter、reduce
python 内置函数1.enumerate(） 函数enumerate()函数 用于将一个可遍历的数据对对象（如： 列表、元祖或字符串）组合成一个索引序列，同时列出数据和数据下表，一般用在for循环中enumerate(sequence, [start=0])参数：sequence – 一个序列、迭代器或其他支持迭代对象。start – 下标起始位置。返回值：返回 enumerate(枚举) 对象。2.zip()函数，构造字典参考：https://www.cnblogs.com
2020-12-11 17:06:21
511
原创 python -- unittest 单元测试基础操作
参考：1.https://zhuanlan.zhihu.com/p/51095152 很详细2.https://www.cnblogs.com/feng0815/p/8045850.html常用的断言，即校验结果assertEqual(a, b) # 判断a==bassertNotEqual(a, b) # 判断a！=bassertTrue(x) # bool(x) is TrueassertFalse(x) # bool(x) is Fals
2020-12-11 16:53:26
158
原创 influxdb时间序列数据库 (二)：python远程控制influxdb
文章目录前言一、influxdb 是什么？二、使用步骤1.引入库2.初始化3. 基础操作4. 数据查询5. 数据写入总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、influxdb 是什么？influxdb 几个重要的名词介绍database：数据库；measurement：数据库中的表；point：表里面的一行..
2020-12-11 15:43:14
1452
原创 pandas -- 基础操作(六):数据分组及透视表，df.groupby、pd.pivot,、pd.pivot_table、stack(堆叠)、 unstack（不堆叠）
文章目录前言一、数据分组1.1 数据分组格式1.2 基础实例1.3 将分组列设置为index，对index进行整体操作1.4二、透视表1.pd.pivot2.pd.pivot_table3. df.stack\df.unstack总结前言数据分组和数据透视表是常用的数据汇总工具，它可以根据一个或多个制定的维度对数据进行聚合和重组。一、数据分组什么是数据分组：数据分组就是根据一个或多个键（可以是函数、数组或dataframe列名）将数据分为若干组，然后对分组后的数据分别进行汇总计算..
2020-12-09 17:03:30
2062
原创 pandas-- 基础操作（五）: json 和 dataFrame 相互转化
文章目录一、pandas是什么？二、json --> dataFrame1. 直接使用pandas1.1 orient='split' : columns,index,data1.2 orient='index',按照index转化1.3 orient='records'1.4 orient='columns'2. json_normalize3. json --> dataFrame1. 传输的文件为一个list列表总结一、pandas是什么？示例：pandas 是基于NumP
2020-12-01 17:01:21
4924
1
原创 python --kakfa(三)：kafka模块生产和消费数据
文章目录一、kafka是什么？二、使用步骤1. 安装1.引入库2.消费端：读取数据3.发送端：发送数据总结一、kafka是什么？二、使用步骤1. 安装安装 kafka: pip install kafka-python1.引入库代码如下（示例）：from kafka import KafkaConsumerfrom kafka import KafkaProducer2.消费端：读取数据发送和接受消息解析# 客户端接受消息如下ConsumerRecord(topic=
2020-12-01 15:59:43
2230
原创 python --kafka（二）: confluent-kafka 模块生产数据消费数据
文章目录前言一、confluent-kafka 是什么？二、使用步骤1.引入库2.消费数据2.1 初始化consumer对象2.2 消费数据偏移量3. 生产数据总结前言kafka是一个开源的流处理平台，一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。一、confluent-kafka 是什么？confluent-kafka 模块 confluent-kafka是Python模块，推荐使用，性能优于kafka-python参考文档：https://docs.c
2020-12-01 15:34:24
7197
9
原创 python-- kafka（一）: kafka 安装和查询
kafka 应用数据读取理论生产者和消费者生产者：生产数据消费者：消费生产者产生的数据对应关系：一个任务可以有多个分组，可以对应多个消费者，但消费者数量不能大于生产者分组数量，多余的也是无用的。（多对多的中的一对一关系）特性：kafka只需写入一次，可以支持任意多的应用读取全部数据，如果应用需要读取全量消息，那么请为该应用设置一个消费组，如果消费能力不强可在组内增加消费者数量。安装参考：https://www.cnblogs.com/lnice/p/9668750.html除了安装版本
2020-12-01 10:54:14
753
原创 正则表达式
在字符串操作中正则表达式有着比较高的使用频率，但本人相对比较薄弱很多时候无从下手，特此学习整理，方便回顾！一、 正则表达式符号解释示例说明ABCD.匹配任意字符b.t可以匹配bat / but / b#t / b1t等\w匹配字母/数字/下划线b\wt可以匹配bat / b1t / b_t等 但不能匹配b#t\s匹配空白字符（包括\r、\n、\t等）love\syou可以匹配love you\d匹配数字\d\d可
2020-11-30 17:18:07
80
原创 python -- Apscheduler + 定时任务
python定时任务的实现方法使用apscheduler，参考:https://www.jianshu.com/p/b77d934cc252https://www.jianshu.com/p/ad2c42245906from apscheduler.schedulers.blocking import BlockingScheduler # BlockingScheduler：在进程中运行单个任务， # 调度器是唯一运行的东西 # 1.创建scheduler调度
2020-11-19 09:03:21
883
原创 python -- dict字典基础操作
参考：数据基本操作http://www.runoob.com/python/python-dictionary.htmlhttps://www.cnblogs.com/stuqx/p/7291948.html1. 基本操作word_index = {k: (v+3) for k, v in word_index.items()}在字典开头插入4个数据，所有字典对应的整数位置都+3reverse_word_index = dict([(value, key) for (key, valu
2020-11-16 15:04:01
704
原创 pandas -- 基础操作(四): dataFrame 数据拼接merge、join、concat、append
系列文章目录 基础操作(四): dataFrame 数据拼接merge、join、concat、append文章目录系列文章目录前言dataFrame 数据拼接的方法:1. merge()2. Join()3.append()4. concat()总结前言Pandas.DataFrame操作表连接有三种方式：merge, join, concat，append，下面详细解释这几个方法的使用。dataFrame 数据拼接的方法:1. merge()df.merge(): 可以根据一
2020-11-16 14:53:38
6819
原创 influxdb时间序列数据库 (一)：基础操作
基础知识点参考:https://www.cnblogs.com/jackyroc/p/7677508.htmlhttps://www.waitig.com/influxdb-basic-operation.htmlhttps://docs.influxdata.com/influxdb/v1.7/query_language/database_management/#delete-series-with-delete [1.7版本]https://blog.hhui.top/hexblog/20
2020-11-12 16:27:11
1118
原创 pandas -- 基础操作(三) ：pandas 层次化索引创建、数据选择
# pandas ---- DataFrame基础操作(三) ：panda 层次化索引提示：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文章目录前言一、构建多层索引1. 创建多层索引(创建多维DataFrame)1.1 隐式构建多层索引1.2 pd.MultiIndex 显式构建多层级索引1.3 set_index方法将普通列转成多层级索引2. 多层索引数据提取2.1 选择数据2.2 排序2.3 多层索引的相关操作总结前言pandas 层次化索引， 创建多维数据操作..
2020-11-11 17:28:05
1291
原创 pandas --基础操作(二) ：DataFrame 的增删改查、排序操作等基础操作
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文章目录系列文章目录前言一、二维 dataFrame 基础操作1.1 df 数据的增、删、改二、 多维dataFrame 基础操作2.2 创建2.3 基础操作前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，
2020-11-11 15:39:41
913
1
原创 pandas--基础操作(七): datetime、time时间戳操作
python 数据分析之 时间戳操作第一章 Python 数据分析之pandas的使用第二章 Python 数据分析之 时间戳操作第二章 python 数据分析之numpy的使用第三章 python 数据可视化之matplotlib的使用@[TOC](Python 数据分析之 时间戳操作)一、 时间戳的基础操作datetime 数据包time 数据包1.1 数据类型时间序列的数据类型：Datetime Object / String / timestamp / t
2020-11-04 15:01:31
5557
1
原创 pandas --基础操作(一): Serise 、DataFrame 创建和数据选择 基础操作
系列文章目录第一章 Python 数据分析之pandas的使用第二章 python 数据分析之numpy的使用第三章 python 数据可视化之matplotlib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文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.对象Series、DataFrame2.1 生成Serise总结前言在数据分析中pandas 有着举足轻重的地位，提供了高性能、易使用的数据结构与数据分析工具。一、pandas
2020-10-26 10:25:23
1392
4
原创 PCA降维
参考：https://blog.csdn.net/u014755493/article/details/69950744 降维：即将高纬度的数据，去除其属性维度的冗余，在保证原有数据分布和信息的情况下有效简化数据。降维后最终的目标是各个属性之间线性无关。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。PCA步骤： 设有m...
2019-03-06 14:56:24
125
原创 tensorflow Object Detection API 训练自己的模型
最近在做图像目标识别，结果不是很理想。将内容整理一下，方便以后查看！一、 tensorflow object detection API 的安装具体步骤：win10+anaconda3+python3.6+tensorflow1.9 1.tensorflow/models下载 ，直接将压缩包解压就可以，需要在系统环境变量中添加路径信息： 我直接在E盘新建了一个tensorflow文件夹...
2018-09-04 15:35:36
2024
4
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人