qq_51250393的博客

原创 monkey测试

模拟人操作（调节亮度，调节声音，去截屏，设置）1.压力测试：在一定时间内进行大量的操作。阶段：功能基本稳定，项目验收前。monkey主要针对安卓。IOSmonkey工具。

原创 PO模式。

将界面中需要被操作的每一个元素封装成类属性。将界面中需要被执行的用例步骤定义成一个实例方法。通过编写自动化用例脚本执行完成第一轮正反例的冒烟测试。梳理被操作的元素以及具体的操作方法。通过核心业务流程模块梳理出线性脚本的执行步骤。数据驱动测试主要核心就是在用例设计的过程中，把所有用例需要的症犯了数据进行保存。使用：创建页面类对象，通过对象调用方法执行用例步骤脚本，获取实际结果进行断言。一般情况在用例执行前将参数化使用的实参进行读取使用。然后再使用的时候进行读取自动化操作用例完成脚本内容。

原创 SQL注入

逻辑与：select * from users where user='admin' and user_id=6。逻辑或：select * from users where user='admin' and user_id=5。第四次猜：select * from dvwa.users union select 1，2，3，4;第三次猜：select * from dvwa.users union select 1，2，3;查询指定字段：select user,password from users。

原创 软件可靠性测试

原创 充电桩领域专有名词

DC通常指直流电（Direct Current）。直流电是一种电流方向恒定的电流类型。直流充电（DC Charging）是将交流电转换为直流电，然后传输给电动车辆进行充电。AC通常指交流电（Alternating Current）。交流电是一种电流频率和方向定期变化的电流类型。

原创 单元测试学习

作用：是通过程序的源代码进行测试而不使用用户界面。这种类型的测试需要从代码内部在算法，路径，条件等等中的缺点或者错误，进而加以修正。作用：是针对整个产品系统进行的测试，验证系统是否满足需求规格的定义，及软件产品的正确性和性能等。作用：是介于白盒测试与黑盒测试之间的一种测试，灰盒测试多用于集成测试阶段，不仅关注输出、输入的。概念：对要测试代码的确定以及这些被测代码的评估标准、优先级等说明。概念：单元测试是针对程序的最小单元来进行正确性检验的过程。概念：把我们选定的代码，转向流程图、流图及用例的过程。

原创 工作测试点

用户可以通过应用程序、RFID卡或充电桩上的控制面板来终止充电，并确保解除充电插头与车辆的连接。启动充电：用户可以通过充电桩平台的应用程序、RFID卡或充电桩上的控制面板来启动充电过程。平台通常提供充电桩的位置、类型、可用性和充电速度等信息，以帮助用户选择合适的充电桩。预约或导航：根据用户需求和充电桩平台的支持，用户可以选择预约特定的充电桩或直接导航到目标充电桩的位置。兼容性测试：测试充电桩与不同型号和品牌的电动车辆的兼容性，以及与不同充电标准（如CHAdeMO、CCS、Type 2等）的兼容性。

原创 性能测试面试

在监控服务器时，可以使用专门的监控工具，如Zabbix、Nagios、Prometheus等，来监控服务器的硬件资源（如CPU、内存、磁盘、网络等）、操作系统的性能指标，以及应用程序的运行状态和性能。当涉及到Java应用程序时，监控工具可以与JVM集成，通过监控JVM的运行状态、内存使用、垃圾回收情况、线程状态等指标，来监控Java应用程序的性能和健康状况。综上所述，JVM本身不是一个监控服务器的工具，但可以通过集成监控工具来监控JVM的运行状态和性能，以辅助服务器的监控和管理。jvm是监控服务器的吗。

原创 连接Mumu模拟器使用ADB

如果模拟器正在运行，并且一切正常，您应该能够看到连接成功的消息。连续点击版本号：在"关于手机"页面中，连续点击"版本号"选项，直到您看到一个消息，表示您已成为开发者。进入关于手机：在设置中，向下滚动并找到"关于手机"选项。进入开发者选项：现在，在设置中，您应该能够看到一个新的选项，称为"开发者选项"。启用USB调试：在开发者选项中，找到并启用"USB调试"选项。您应该能够看到已连接的模拟器的设备ID，表明连接成功。启用开发者选项：在Mumu模拟器中，找到并打开"设置"应用程序。

原创 面试题补充

互联网医疗平台涵盖了3个子系统，一个为患者提供在线问诊以及预约挂号服务的APP，一个为医生提供在线诊断，开方，及患者管理的APP，以及一个web后台业务管理系统，主要有医生管理，用户管理，处方管理，订单管理，财务管理，商品管理，运营管理等功能。它分为几个类别，包括A类、B类、C类、D类和E类。它通过学习和记录连接到它的设备的MAC地址，将数据包从源地址转发到目标地址，实现设备之间的快速和准确的通信。4.熟悉项目，说出项目类型，项目是做什么的，项目用户，用户核心业务，站在用户角度最常用的功能，最常用的业务。

原创 软件测试基础知识

什么是软件测试？测试主流技能。

原创 功能测试复习

功能测试：1.业务测试 2.功能模块测试专项测试：1.安装卸载升级 2.push消息推送 3.交叉事件测试 4.用户体验测试 5.兼容性测试性能测试：1.CPU、内存占用 2.启动速度 3.流量、电量消耗 4流畅度 5稳定性。

原创 频次直方图、KDE和密度图

Seaborn的主要思想是用高级命令为统计数据探索和统计模型拟合创建各种图形，下面将介绍一些Seaborn中的数据集和图形类型。虽然所有这些图形都可以用Matplotlib命令实现（其实Matplotlib就是Seaborn的底层），但是用 Seaborn API会更方便。频次直方图、KDE和密度图在进行统计数据可视化时，我们通常想要的就是频次直方图和多变量的联合分布图。在Matplotlib里面我们已经见过，相对比较简单：data = np.random.multivariat..

原创 jmeter,性能测试,Locust

b.压力测试：压力测试是在强负载（大数据量、大量并发用户等）下的测试，查看应用系统在峰值使用情况下操作行为，从而 有效地发现系统的某项功能隐患、系统是否具有良好的容错能力和可恢复能力。狭义上讲：也是单用户测试，测试环境确定以后，对业务模型中的重要业务做单独的测试，获取单用户运行时的各项性能指 标。说明：通过逐步增加系统负载，测试系统性能的变化，并最终确定在满足系统的性能指标情况下，系统所能够承受的最大负载量 的测试。通过查找相关资料，和类似的系统对比，以及对未来流量的预估，确定性能测试需求的指标。

原创 接口测试复习Requests PyMysql Dubbo

cookie 是工程师，针对 http协议 是无状态这一特征，设计的一种技术。cookie 将数据保存在浏览器端。默认存储空间大小为 4k（可以修改）。cookie 中的数据，用户和随意获取，没有安全性可言。cookie 中存放的数据类型，受浏览器限制。cookie 中大多存放于网络通信相关的不敏感数据信息。提高访问速度。如：用户名、登录状态等。概念：也叫 会话！从客户端登录服务器开始，直到客户端退出登录，所产生的所有通信数据，保存在 session中。session 将数据存在服务器端。

原创 占位符用法

这些是一些常见的占位符用法，可以根据具体的需求选择合适的方式。占位符的作用是在字符串中预留位置，将实际的值动态地填充到这些位置上，使字符串具有动态和可变的特性。占位符是字符串中的特殊标记，用于在字符串中留出位置，并在运行时将实际的值填充到这些位置上。在 f-string 中，可以直接在花括号中使用变量名，变量的值将自动填充到占位符的位置上。值按照顺序填充到占位符的位置上。是一个占位符，表示整数类型的值。运算符和一个元组，可以将实际的值填充到占位符位置上。是一个占位符，表示字符串类型的值，而。

原创 python笔记

a=input()返回结果是字符串，如果想返回为数值型，需要用int() float()进行转换。函数可以接受两个参数，第一个参数是底数，第二个参数是指数。当指数为 2 时，可以用来计算平方。这些方法都可以用来计算一个数的平方。你可以根据自己的需求选择其中的任何一种。与之前的方法不同，这个方法返回一个浮点数。如果想让字符串多倍可以直接乘数值。在这种方法中，我们导入了。

原创 sql学习笔记

二维表是指由行和列组成的表，如excel,基于二维表存储数据的数据库就是关系型数据库，不基于二维表存储数据的数据库就是非关系型数据库。一个数据库服务器可以创建多个数据库，一个数据库可以包含多张表，一张表又可以包含多行记录。是定长字符串，指定长度多长，就占用多少个字符，和字段值的长度无关。sql语句可以单行或多行书写，以分号结尾。是变长字符串，指定的长度为最大占用长度。单行注释：--注释内容 或 #注释内容。二进制形式的中等长度文本数据。多行注释：/*注释内容*/混合日期和时间值，时间戳。

转载 finebi和finereport区别

4、FineReport和FineBI的使用对象和目的都不相同。FineReport更着重于短期的运作支持，而FineBI则关注长期的战略决策，甚至更着重于商业趋势和业务单元的联系而非具体的数据和精确度本身。FineReport和FineBI作为两种分析工具，最终的结果可以放在一个信息门户上（op=fs、移动门户上）FineBI的使用主要面向业务人员可以自己设计报表进行分析；FineReport可以用来出固定格式的周报、月报、适合作为正式汇报材料；3、FineBI的cube可以给FineReport引用；

原创 Scala语言开发环境的部署

任务描述本关任务：安装与配置Scala开发环境。相关知识Scala是一种函数式面向对象语言，它融汇了许多前所未有的特性，而同时又运行于JVM之上。随着开发者对Scala的兴趣日增，以及越来越多的工具支持，无疑Scala语言将成为你手上一件必不可少的工具。而我们将要学习的大数据框架Spark底层是使用Scala开发的，使用scala写出的代码长度是使用java写出的代码长度的1/10左右，代码实现更加简练。所以安装与配置Scala的环境是我们在开始学习Spark之前要完成的准备工作。接

原创 RDD概述

任务描述本关任务：根据下面的相关知识，完成与数据认知相关的选择题。相关知识RDD介绍RDD 是Spark的核心抽象，即 弹性分布式数据集（residenta distributed dataset）。代表一个不可变，可分区，里面元素可并行计算的集合。其具有数据流模型的特点：自动容错，位置感知性调度和可伸缩性。在Spark中，对数据的所有操作不外乎创建RDD、转化已有RDD以及调用 RDD操作进行求值。RDD结构图RDD具有五大特性 一组分片（Partition），即数据集

原创 Pandas数据载入与预处理期末复习

对于数据分析而言，数据大部分来源于外部数据，如常用的CSV文件、Excel文件和数据库文件等。Pandas库将外部数据转换为DataFrame数据格式，处理完成后再存储到相应的外部文件中。 Pandas 常用的导入格式：import pandas as pd1.文本文件读取 文本文件是一种由若干行字符构成的计算机文件，它是一种典型的顺序文件。txt文件：是Windows操作系统上附带的一种文本格式，文件以.txt为后缀。 CSV文件：是Comma-Separated Values的缩写，用...

原创 pandas期末复习

Pandas（Python Data Analysis Library）是基于NumPy的数据分析模块，它提供了大量标准数据模型和高效操作大型数据集所需的工具，可以说Pandas是使得Python能够成为高效且强大的数据分析环境的重要因素之一。 导入方式：import pandas as pd Pandas有三种数据结构：Series、DataFrame和Panel。Series类似于一维数组；DataFrame是类似表格的二维数组；Panel可以视为Excel的多表单Sheet S...

原创 numpy期末练习

通常来说，ndarray是一个通用的同构数据容器，即其中的所有元素都需要相同的类型。利用array函数可创建ndarray数组。1. 利用array函数创建数组对象 array函数的格式：np.array(object, dtype,ndmin)表3-1. array函数的主要参数及说明 参数名称 说明 object 接收array，表示想要创建的数组 dtype 接收data...

原创 numpy练习

导入图表类型和其他库的导入方法一样，在绘图之前首先要在文件开头导入所需图表类型（练习代码中已经导入，无需再修改）。from pyecharts.charts import BarBar 类型是柱状图/条形图在 pyEcharts 中的英文名。 pyEcharts 中有很多常用的图表类型如：Pie（饼图） 、wordcloud（词云图）、Scatter（散点图）等等，我们将会在后边的实训中一一学习。import 我们需要的图标类型后，要像面向对象中的实例化类一样声明图表：bar = B

原创 pycharts

导入图表类型和其他库的导入方法一样，在绘图之前首先要在文件开头导入所需图表类型（练习代码中已经导入，无需再修改）。from pyecharts.charts import BarBar 类型是柱状图/条形图在 pyEcharts 中的英文名。 pyEcharts 中有很多常用的图表类型如：Pie（饼图） 、wordcloud（词云图）、Scatter（散点图）等等，我们将会在后边的实训中一一学习。import 我们需要的图标类型后，要像面向对象中的实例化类一样声明图表：bar = B

原创 主成分分析

from sklearn.decomposition import PCAdef pca_demo(): data=[[2,8,4,5],[6,3,0,8],[5,4,9,1]] #四个特征降成2个特征 transfer=PCA(n_components=2) data_new=transfer.fit_transform(data) print(data_new) return Noneif __name__=="__main__": pca_.

原创 正规方程和梯度下降

from sklearn.datasets import load_bostonfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfrom sklearn.linear_model import LinearRegression,SGDRegressorfrom sklearn.metrics import mean_squared_errorde.

原创 数据预处理--标准化 特征降维 删除低方差特征和相关系数

def stand_demo(): data=pd.read_csv("dating.txt") data=data.iloc[:,:3] transfer=StandardScaler() data_new=transfer.fit_transform(data) print(data_new) return None[[0.44832535 0.39805139 0.56233353] [0.15873259 0.34195467 0.98724.

原创 文本特征抽取

#设置停用词stop_words可以将某个feature_name去掉停用词表中的词会自动不出现在feature_names特征列表中(34条消息) 最全英文停用词表整理（891个）_以家为家，以乡为乡，以国为国，以天下为天下-CSDN博客_英文停用词表(34条消息) 中文停用词词表_BigDiaos的博客-CSDN博客def count_demo(): data = ["life i...

原创 module ‘datetime‘ has no attribute ‘strftime‘

import datetimetime=datetime.time(12,10,20)print(datetime.strftime(time))AttributeError: module 'datetime' has no attribute 'strftime'您的错误module 'datetime' has no attribute 'strftime'表明这不是导入的问题，而是如何调用strftime()方法的问题。strftime()是datetime类上的一个方法（它是.

原创 PyEcharts 直角坐标系图表之柱状图/条形图

在入门关卡我们已经使用过柱状图。导入语句如下：from pyecharts.charts import Bar为了方便构造数据，我们还导入了 PyEcharts 提供的虚拟数据包，如下所示：from pyecharts.faker import Faker此外还导入全局变量中的 ThemeType 辅助设置主题类型。from pyecharts.globals import ThemeType具体主题参见主题风格。(定制主题 - pyecharts - A Python Ech

原创 matplotlib画三维图

matplotlib画三维图要画三维图需要先导入from mpl_toolkits import mplot3d。导入这个子模块后，就可以在创建任意一个普通坐标轴的过程中添加projection='3d'参数，从而创建一个三维坐标轴。三维图的优点是在notebook中可以交互浏览。from mpl_toolkits import mplot3dimport matplotlib.pyplot as pltfig = plt.figure()ax = plt.axes(project

原创 Seaborn

用Seaborn做可视化即使matplotlib已经如此强大了，但是不得不承认它不支持的功能还有很多。总结如下： 2.0之前的版本的默认配置样式绝对不是用户的最佳选择； matplotlib的API比较底层。虽然可以实现复杂的统计数据可视化，但是通常都需要写大量的样板代码； matplotlib不支持Pandas的DataFrame数据的可视化，必须先提取每个Series。 对于这些问题的终结者就是seaborn。Seaborn 在 Matplotlib 的基础上开发了一套

原创 2021-11-14

import matplotlibmatplotlib.use("Agg")import matplotlib.pyplot as pltdef student(input_data,input_data1):# ********* Begin *********#plt.figure(figsize=(10, 10))plt.plot(input_data,"--g",label="L1",)plt.plot(input_data1,":r",label="L2")plt.lege.

原创 matplotlib

导入matplotlib和numpy,pandas一样，在导入matplotlib时我们也可以用一些常用的简写形式：import matplotlib as mplimport matplotlib.pyplot as pltpyplot是最常用的画图模块接口，功能非常强大。显示图像开发环境的不同，显示图像的方式也就不一样，一般有三种开发环境，分别是脚本、IPython shell、IPython Notebook。在脚本中使用matplotlib进行可视化时显示图像可以使用pl

原创 2021-11-12

a=pd.DataFrame(np.arange(12).reshape(3,4),columns=['A','B','C','D'],index=['a','b','c'])a.iloc[2,:]=np.nana[3]=np.nanprint(a)print(a.dropna()) A B C D 3a 0.0 1.0 2.0 3.0 NaNb 4.0 5.0 6.0 7.0 NaNc NaN NaN NaN NaN NaNEm.

原创 获取nan只能用numpy,不能用pandas

a=pd.Series(['a','b',pd.nan,'d'])AttributeError: module 'pandas' has no attribute 'nan'a=pd.Series(['a','b',np.nan,'d'])print(a)0 a1 b2 NaN3 ddtype: object

原创 drop()

import pandas as pdfrom IPython.core.display import displaydata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'], 'year':[2001,2001,2003,2004],'city':['北京','上海','广州','北京']}df1=pd.DataFrame(data,columns=['name','sex','year','.

原创 ignore_index

import pandas as pdfrom IPython.core.display import displaydata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'], 'year':[2001,2001,2003,2004],'city':['北京','上海','广州','北京']}df1=pd.DataFrame(data,columns=['name','sex','year','.