悦悦程序媛-CSDN博客

原创 python爬虫入门

在互联网领域通常指的是一种能够自动抓取网站数据的技术。具体来说，它是一种按照既定规则访问网站并提取信息的程序或脚本。这些规则可以是预先设定的，也可以是动态学习到的。爬虫的主要目的是为了获取网络上公开可用的信息，这些信息可能包括文本、图像、视频等各种形式的数据。这篇博客主要针对小白进行爬虫入门，采用的语言是python，感兴趣可继续往下读。在windows的powershell窗口内执行如下两个命令，若不报错，即可。接下来就准备python代码，先看全部代码，然后挨个解释。安装python3.10请参考。

2024-02-02 00:03:26 693

原创【mysql】case when 的用法

可以使用order by CASE WHEN ... THEN ... else CASE WHEN ... THEN ... else ... END end。需求：需要批量更新A班级内，user01、user02、user03的score值，使用一条sql语句，而不是3条sql。1. user_score表，class表示班级名称，username表示学生名称，score表示成绩。2. task表，desc表示任务描述，principal表示任务负责人，creater表示创建人。

2023-06-02 16:58:37 201

原创 centos部署安装python

centos环境python安装

2023-02-13 14:44:18 110

原创 Mac下PyCharm快捷键大全

Mac下PyCharm快捷键大全

2022-08-04 13:49:50 2408

原创 python3.11对接配置中心Apollo

最近用了新电脑，配置python的开发环境，于是乎，我就安装了python3.11，接到一个需求为项目需介入apollo，那么开始吧～

2022-07-29 17:13:21 2654

原创 zookeeper单机版安装

zookeeper单机版安装

2022-06-27 21:04:28 287

原创 Redis在django中的使用

Redis在django中的使用

2022-06-27 10:17:02 157

原创 Django的模型使用

Django的模型使用

2022-06-18 20:33:17 171

原创容器的资源限制

本篇文章主要讲解在一个虚机上起多个容器时，对容器的资源做限制

2022-06-13 22:45:57 144

原创构建自己的Docker镜像

docker build 镜像

2022-05-31 22:11:26 743

原创 python开发面经分享

我是一名python开发人员，虽然有4年工作经验，但是技术水平还是有很大的提升空间，在22年的4月下旬，进行了一波面试，现将问题总结（不附上答案了，怕答案不标准被打，哈哈哈）python 基础相关迭代器和生成器的含义、两者区别上下文管理器的概念 python的可变元素和不可变元素有哪些集合里的元素可以是list吗？ python深copy和浅copy的区别用yield实现斐波那契函数 list的实现原理 python import的导包过程、如何动态引入包 python 元类.

2022-05-31 11:55:33 992

原创 docker 基本命令(container 相关)

查看运行中容器docker psdocker container ls查看所有容器，包括已退出的容器docker ps -adocker container ls -a删除容器docker rm 容器id查看镜像（2种都可）docker imagesdocker image ls删除镜像docker rmi 镜像id获取所有container的iddocker container ls -aq删除所有containerdoc

2022-05-30 23:03:16 198

原创交互式运行容器（docker）

1.查看已有镜像docker images2.采用docker run iaopeng163/hello-world 运行后即退出3.交互式运行容器（采用centos镜像）下载centos镜像docker pull centos查看是否下载成功采用docker run -it centos 进入容器，即交互式进入容器docker run -it centos新开一个服务器连接窗口，才用docker ps命令可查看运行中容器docker ps..

2022-05-29 23:11:42 2770

原创 docker构建base image

docker

2022-05-29 22:45:15 581 1

一个简单的仿真示例，使用 MATLAB 进行数值积分以模拟简单的物理系统，如一个弹簧-阻尼系统

function springDamper % 参数设置 m = 1; % 质量 k = 10; % 弹簧常数 c = 0.5; % 阻尼系数 x0 = 1; % 初始位移 v0 = 0; % 初始速度 % 时间设置 tspan = [0 10]; initial_conditions = [x0, v0]; % 使用 ode45 求解微分方程 [t, y] = ode45(@(t, y) equations(t, y, m, k, c), tspan, initial_conditions); % 绘制结果 figure; plot(t, y(:, 1)); title('Spring-Damper System'); xlabel('Time (s)'); ylabel('Displacement (m)'); grid on; end

2024-05-31

假设有一个银行账户表 accounts，我们要实现从一个账户向另一个账户转账的功能

假设有一个银行账户表 accounts，我们要实现从一个账户向另一个账户转账的功能。转账过程需要确保两个操作（扣款和存款）要么都成功，要么都失败。 -- 开始一个转账新的事务 START TRANSACTION; -- 从 Alice 的账户扣除 200 UPDATE accounts SET balance = balance - 200 WHERE account_id = 1; -- 向 Bob 的账户增加 200 UPDATE accounts SET balance = balance + 200 WHERE account_id = 2; -- 检查是否有任何错误 -- 假设这里进行一些检查，比如确保余额不会变成负数等 -- 提交事务 COMMIT;

2024-05-31

go结构体和方法，代码示例1.定义结构体 2.定义方法 3.使用指针接收者

1.定义结构体 2.定义方法 3.使用指针接收者 package main import "fmt" // 定义一个名为 Counter 的结构体 type Counter struct { Count int } // 为 Counter 结构体定义一个方法，增加计数 func (c *Counter) Increment() { c.Count++ } func main() { // 创建 Counter 实例 counter := Counter{} // 调用结构体的方法 counter.Increment() fmt.Println("Count:", counter.Count) // 输出: Count: 1 counter.Increment() fmt.Println("Count:", counter.Count) // 输出: Count: 2 }

2024-05-31

Flask 入门代码示例，如何创建一个基本的 Flask 应用并定义几个基本的路由

导入 Flask：从 flask 模块中导入 Flask、request 和 jsonify。创建 Flask 应用： app = Flask(__name__) 创建一个 Flask 应用实例。定义路由： @app.route('/'): 定义一个根路由，返回 "Hello, Flask!"。 @app.route('/hello/<name>'): 定义一个带参数的路由，返回 "Hello, {name}!"。 @app.route('/add', methods=['GET']): 定义一个处理 GET 请求的路由，计算两个整数的和。 @app.route('/json', methods=['POST']): 定义一个处理 POST 请求的路由，接收 JSON 数据并返回一个响应。运行应用： if __name__ == '__main__': app.run(debug=True): 以调试模式运行应用。在命令行中导航到包含 app.py 文件的目录，并运行以下命令： python app.py

2024-05-30

产品数据的聚类分析并绘制箱型图

自定义数据：在 data 字典中定义了产品名称、价格、销售量和评论数量。创建 DataFrame：使用 pd.DataFrame(data) 创建 DataFrame。数据标准化：使用 StandardScaler 对价格、销售量和评论数量进行标准化。应用 KMeans 聚类：使用 KMeans 对标准化后的数据进行聚类，并将聚类结果添加到 DataFrame 中。绘制箱型图：使用 Seaborn 绘制每个特征（价格、销售量和评论数量）按聚类结果分组的箱型图。

2024-05-30

数据库的行转列（Pivot操作）:将某一列的值转换为多个列名，并将其对应的数值填充到这些列中

SELECT 语句： year: 保留原始数据的年份列。 SUM(CASE WHEN product = 'ProductA' THEN revenue ELSE 0 END) AS ProductA: 使用 CASE 语句将 product 列中的 ProductA 的 revenue 值聚合到新列 ProductA 中，如果不是 ProductA 则返回 0。对 ProductB 和 ProductC 做类似的操作。 FROM 子句：指定要查询的表 sales。 GROUP BY 子句：按 year 列进行分组，以确保每年的数据聚合到一起。 SELECT year, SUM(CASE WHEN product = 'ProductA' THEN revenue ELSE 0 END) AS ProductA, SUM(CASE WHEN product = 'ProductB' THEN revenue ELSE 0 END) AS ProductB FROM sales GROUP BY year;

2024-05-29

生成中文文本的词云图，去除停用词后将结果显示并保存

导入必要的库： matplotlib.pyplot 和 wordcloud 用于生成和显示词云图。 nltk.corpus.stopwords 用于获取停用词列表。下载停用词列表：使用 nltk.download('stopwords') 下载 NLTK 停用词列表（仅需首次运行时）。固定的中文文本：用一段固定的中文文本来生成词云图。去除停用词：获取 NLTK 中文停用词列表，并定义一个自定义的停用词集合。合并停用词列表，并从文本中移除这些停用词。生成和显示词云图：使用 WordCloud 生成词云图，并显示和保存到本地文件。

2024-05-29

基于python的用户定期存款预测.docx

摘要本论文针对银行用户定期存款的预测问题，开发了基于决策树和神经网络的预测模型，并构建了一个集数据展示、分析与预测功能于一体的系统。研究内容主要包括数据收集与处理、模型开发与评估以及系统构建与可视化分析。在数据收集与处理方面，研究从UCI机器学习库获取了银行营销数据集，并进行了数据清洗、特征工程和数据集划分。在模型开发部分，详细介绍了决策树和神经网络两种算法的原理、模型构建方法以及参数调优技巧。决策树模型通过选择最优特征进行分裂，构建树形结构进行分类；神经网络模型则通过多层神经元的连接和权重调整，捕捉数据中的复杂非线性关系。通过准确度、精确度、召回率和F1分数等指标，对两种模型进行了性能评估和比较，实验结果显示，神经网络在处理复杂数据时表现更优，而决策树在易于解释和快速构建方面有其优势。在系统构建与可视化分析部分，系统采用前后端分离架构，前端使用Vue.js框架开发，通过Axios与后端Flask框架进行交互，数据库使用MySQL进行数据存储。系统实现了数据展示、职业分布、教育分布、婚姻情况分析、房源分析以及预测功能等模块。

2024-05-29

使用python获取中国指定城市的天气情况

1导入库： requests 用于发送 HTTP 请求。 json 用于处理 JSON 数据。 2定义 get_weather 函数：该函数接受城市名称作为参数，默认值为“上海”。设置 API 请求参数，包括 API 密钥、城市名称、语言和单位。使用 requests.get 发送 HTTP GET 请求。检查响应状态码，如果请求成功（状态码 200），则解析 JSON 数据并返回。如果请求失败，则返回一个包含错误信息的字典。定义 main 函数：从用户输入获取城市名称，如果用户未输入，则使用默认值“上海”。调用 get_weather 函数获取天气数据。使用 json.dumps 美化和打印天气数据。运行： python weather.py 根据提示输入城市名称，或者直接按回车使用默认城市“上海”。

2024-05-29

当当网畅销书Top500.csv

这份CSV文件包含了一个书籍数据库的详细信息，共有500条记录，每条记录包含排名、书名、简述、作者、出版社、出版时间、评分、评论数、定价、优惠价、优惠力度、开本、纸张、包装、套装和类型等字段。排名：该字段反映了书籍在某个特定维度下的排名情况。书名：书籍的标题，这是每条记录中最重要的信息之一，方便我们识别每本书的具体内容和主题。简述：简短描述了书籍的内容，帮助读者快速了解书籍的主要信息和核心内容。作者：书籍的作者信息。出版社：出版这本书的出版社信息，了解不同出版社的书籍种类和出版特点。出版时间：书籍的出版日期，帮助分析书籍的市场周期和不同时间段的出版趋势。评分：书籍的读者评分，通常基于读者的反馈和评价，反映了书籍的质量和读者满意度。评论数：书籍的评论数量，表示读者参与度和反馈的积极性。定价：书籍的原始定价。优惠价：当前优惠后的价格。优惠力度：定价和优惠价之间的差异，以百分比形式表示。开本：书籍的尺寸规格。纸张：书籍使用的纸张类型。包装：书籍的包装方式。套装：是否为书籍套装的一部分。类型：书籍的分类类型例如小说、非小说、科幻等。

2024-05-29

使用python生成词云图代码

导入库： matplotlib.pyplot 用于绘图。 wordcloud.WordCloud 用于生成词云图。定义 generate_wordcloud 函数：该函数接受一段文本作为输入。使用 WordCloud 类生成词云对象。调整词云图的大小和背景颜色。使用 plt.imshow 显示生成的词云图，并关闭坐标轴以获得更清晰的显示。定义一个示例文本字符串，用于生成词云图。调用 generate_wordcloud 函数并传入示例文本，生成并显示词云图。

2024-05-29

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人