weixin_47970003的博客

原创 【python】pandas追加写入excel

使用pandas追加写入excel

原创 【python】pickle配合webdriver模拟登陆

【代码】【python】pickle配合webdriver模拟登陆。

原创 【python】写入mysql数据库

在爬虫过程中，想要把爬取后的数据直接写入mysql数据库，经过多次尝试，几次报错，终于总结出一个比较稳定的步骤。

原创 【自动化测试】Appium环境设置

启动Appium需要的环境配置有些复杂，这里将需要的环境配置整理出来，附上博主亲测有效的教程，有些教程有一点点老了，博主也做了备注，并且有些老一点步骤，博主根据现有的情况做了新的图文教程，大家参考附上的教程以及新的说明，一步一步就可以实现Appium的环境配置。

原创 【ChatGPT】吴恩达教程笔记（预备篇）

众所周知，吴恩达老师与OpenAI联合推出了一门面向开发者的Prompt课程（https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers），时隔几天，吴恩达老师发推说已经有超过20万人注册学习此课程，可见这门课程的受欢迎程度是如此之高。博主将用几篇博客来总结记录这门课程的要点，方便大家配合视频一起学习，能够快速掌握这门面向开发者的Prompt课程。

原创 【python】selenium的常用用法

Selenium是一个自动化测试工具,可以通过它来控制浏览器自动执行一系列操作。它常用于UI界面测试和爬虫。

原创 【Stable Diffusion】ControlNet基本教程（四）

接上篇【Stable Diffusion】ControlNet基本教程（三），本篇再介绍两个ControlNet常见的基本用法：控制人物动作和建筑/室内生成。让人物摆出特定的动作，这是ControlNet最神级的操作！这意味着可以自定义姿势，这意味着AI绘图正式进入自主可控的世代！而建筑/室内设计生成则给做设计的小伙伴带来更多灵感，并且减少渲染等很多重复、繁琐的工作，帮助设计师更专注于设计本身。

原创 【Stable Diffusion】ControlNet基本教程（三）

接上篇【Stable Diffusion】ControlNet基本教程（二），本篇继续介绍两个ControlNet的基本用法：更换物体皮肤和室外风景生成

原创 【Stable Diffusion】ControlNet基本教程（二）

接上篇【Stable Diffusion】ControlNet基本教程（一），本篇介绍两个ControlNet常见的基本用法：漫画线稿上色和随机涂鸦生成 。

原创 【Stable Diffusion】ControlNet基本教程（一）

就在情人节前一天一款叫ControlNet的SD插件发布了，这款插件在短短的两天内成为了AI绘画领域最新的热点。而它的出现代表着AI生成开始进入真正可控的时期，而AIGC的可控性是它进入实际生产最关键的一环。

原创 【Stable Diffusion】基本概念之hypernetwork

我们在进行绘画创作的时候，想要尝试不同的画风，并快速得到这种画风的图像，hypernetwork就可以满足我们的这种需求，它轻量、快捷，可以很方便地对画风进行转换

原创 【Stable Diffusion】lora的基础使用技巧

在使用Stable Diffusion加载lora时，往往出现生成的图像效果与示例图像效果差距较大的情况，生成的图像质量不能令人满意，本文提供五个lora的基础使用技巧，提高生成图像的效果质量

原创 【python】anjuke小区信息收集

安居客的小区页面中有很多关于房产的信息，包括小区的名称、房价、建筑年代、建筑类型、物业费用等，将这些信息爬取下来，做进一步分析，有助于我们做出更合理的选择

原创 【python】链家小区信息爬取

在链家网站的小区页面中，我们可以获取的小区的名称、房价、建筑类型、物业费用等各类详细信息，使用爬虫技术将这些信息爬取下来进行进一步分析将有助于我们做出更合理的决策

原创 【Stable Diffusion】基本概念之lora

使用lora可以提取画面中的任何特征，进而生成任意的画风、动作、表情等，非常方便、好用

原创 【Stable Diffusion】什么是Embedding

在Stable Diffusion的使用过程中，如果针对某一特定人物、场景、动作有大量的描述词要写，如何进行快速描写呢？embedding可节省大量的描述词，对特定人物、场景、动作进行“打包”

原创 【Stable Diffusion】什么是VAE

VAE是Stable Diffusion的一种重要的深度学习模型，它可以使图像变得更鲜艳，帮助AI绘画师更好地理解输入图像的特征，并生成更加逼真的绘画作品，本文从基本概念讲起，对VAE的作用，打开方式，存放位置，下载途径等方面进行简要的全面介绍，帮助初学者快速入门，快速使用。

原创 【Grasshopper】使用网格开孔洞

在面上开孔洞有很多种方式，使用nurbs也可以，但nurbs的运算速度相对较慢，不利于大量的孔洞计算，使用网格就会方便快捷很多。

原创 SQL常见问题整理（五）

8.处理重复数据（1）防止表中出现重复数据使用primary key索引create table person(last_name char(20) not null,first_name char(20) not null,address char(40),primary key(last_name,first_name));使用unique索引create table person(last_name char(20) not null,first_name char(20) not null

原创 SQL常见问题整理（四）

7.统计技术（1）计算描述性统计整体特征：观察的数量、总和及其范围（最小值和最大值）集中趋势的度量，例如均值，中位数和众数变化的度量，例如标准偏差和方差统计信息：中位数：通过查询统计观察值的数量，根据这个数量，可以确定中位数的计算需要一个值还是两个值，以及在有序的观察值集合内它们排在第几个通过包含order by子句的查询，对观察值进行排序，并利用limit子句提取中间的一个或两个值.如果只有一个中间值，那么它就是中位数，如果中间值有两个，那么需要求它们的平均值奇数个数：select

原创 SQL常见问题整理（三）

6.连接与子查询（1）表之间的结合join内连接：生成的结果只显示两个表都有的值外连接：不仅可以生成两个表都有的值，还可以显示只有一个表中存在的值（2）查找表之间不匹配的行使用外连接（left join 或right join）：当需要一个表中找到没有匹配（或另一个表中不存在 ）的值时，应该想“这是一个left join的问题”另一个找出一个表有另一个表中没有的值的方法是not in子查询：select * from artist where a_id not in (select a_id

原创 SQL常见问题整理（二）

5.汇总数据（1）基本的汇总技巧统计行数：count()最大值或最小值:max()、min()总和与平均值:sum()、avg()去除重复：distinct()（2）查找与最小值和最大值相关的值使用两个语句和一个用户定义的变量：set @max=(select max(pop) from states); select pop as ‘hightest population’,name from states where pop=@max;使用子查询：select pop as ‘hig

原创 SQL常见问题整理（一）

1.从表中查询数据（1）指定查询的行与列where子句（2）指定查询结果中列的别名as注：不能在where子句中使用列别名（3）查询结果排序order by降序排序在排序字段后加DESC自定义排序：使用field()将列值映射到一个序列中，该序列可以按照所需的排序为列赋值order by field(name,‘Henry’,‘Suzi’,‘Ben’)（4）过滤重复行distinct统计唯一结果的数量 count(distinct A)（5）处理NULL值is null、is n

原创 深度学习——自然语言处理（一）

自然语言处理基础本文根据《阿里云天池大赛赛题解析——深度学习篇》整理，可以看做是简易笔记，建议配合《阿里云天池大赛赛题解析——深度学习篇》阅读，效果更好。1.1词向量通常，将字和词映射为一组反映其语义特征的实数向量，这种方式被称为词向量。常用的词向量有独热表示（One-Hot Representation）与分布表示（Distribution Representation）两种表示方法。（1）独热表示独热编码使用N位0和1的编码方式来表示N种状态，且在任意时刻只有一种状态有效。独热编码相当于给每

原创 阿里云天池大赛——机器学习篇赛题解析（赛题一）思维导图

原创 阿里云天池大赛——机器学习篇赛题解析（赛题一）下

5.模型验证5.1模型评估的概念和方法（1）欠拟合和过拟合当一个模型恰到好处地表达了数据关系时，我们就认为这个模型拟合效果好。欠拟合也叫高偏差，是指算法所训练的模型不能完整地表达数据关系。过拟合也叫高方差，指的是算法所训练的模型过多地表达了数据关系，此时很有可能表达的是数据间的噪声关系。以线性回归模型为例，评价模型拟合程度，代码如下：from sklearn.linear_model import LinearRegression#定义线性回归模型lin_reg=LinearRegress

原创 阿里云天池大赛——机器学习篇赛题解析（赛题一）上

1.赛题理解（1）赛题火力发电的基本原理是燃料燃烧生产蒸汽，蒸汽推动汽轮机旋转带动发电机旋转，产生电能，影响火力发电效率的核心是锅炉的燃烧效率（每单位时间内产生的蒸汽量），影响锅炉燃烧效率的因素很多，包括锅炉的可调参数，如燃烧给量、一二次风、引风、返料风、给水水量；以及锅炉的工况，如锅炉床温、床压、炉膛温度、压力，过热器的温度等。本赛题目标为根据给定的锅炉传感器采集的数据（燃烧给量、锅炉工况等），预测产生的蒸汽量。（2）数据概览根据阿里云天池官网的赛题提供的训练数据显示，一共有38个特征变量（字段

原创 使用python对文件夹里的所有表格合并且去重

有的时候，我们需要将多张表格合并并去重

原创 使用python将取两张excel表格的差集并输出到另外的表格

在数据处理时，有时我们需要将两张表格的差集进行输出以做下一步的处理

原创 使用python读取文件夹的图片的图片名并写入excel表格

有的时候，我们需要读取图片名，写入表格中，以便结合图片的其他信息，做进一步的分析

原创 根据图片名称读取本地图片并输出

有的时候，文件夹里的图片太多，我们需要根据自己的需要找到相应的图片，此时，我们可以根据自己的需要，将自己需要的图片名称写入到excel表格中，然后读取图片名称，输出到相应的文件夹

原创 使用pandas按行序号删除excel行数据

使用pandas按行序号删除excel行数据

原创 使用pandas随机按行删除表格数据

import pandas as pdimport randomimport os#1.加载excel数据os.chdir('')data=pd.read_excel('')#2.将data的序号转化为列表list1list1=list(data,index)#3.使用random.sample()在列表list1中随机删除10个序号得到序号列表list2list2=randaom.sample(list1,10)#4.将list2加载到drop方法中，得到数据data1data1=d