YULIU_的博客

使用mybatis-plus时想将查询结果中某个字段值更新为null，由于之前存入了非null数据，如下一个duty_json字段，想做对象的更新操作（数据库设计允许为null），但结果该字段更新失败，执行更新方法后还是查询的结果。在生成的数据库bean中，新增注解 @TableField(updateStrategy = FieldStrategy.IGNORED)了解才知道，是因为mybatisplus的问题。原始写法，发现为无法更新数据库内数据。发现还是不对，于是怀疑不是这方面问题。

创建一个Mapper接口，继承MyBatis-Plus提供的BaseMapper接口，以便拥有基本的增删改查方法。在Spring Boot的启动类中，需要添加Mapper扫描注解来自动扫描Mapper接口。最后，在服务类中注入UserMapper，并编写具体的增删改查方法。首先，需要引入MyBatis-Plus的依赖，并创建一个实体类。通过这些方法，可以对数据库中的用户表进行操作。

约瑟夫问题是个著名的问题：N个人围成一圈，第一个人从1开始报数，报M的将被杀掉，下一个人接着从1开始报。如此反复，最后剩下一个，求最后的胜利者。例如只有三个人，把他们叫做A、B、C，他们围成一圈，从A开始报数，假设报2的人被杀掉。●首先A开始报数，他报1。侥幸逃过一劫。●然后轮到B报数，他报2。非常惨，他被杀了●C接着从1开始报数●接着轮到A报数，他报2。也被杀死了。●最终胜利者是C

遇到问题，如何替换爬取的时间数据是用中文字符保存的，如1997年6月6日，想要替换成1997-6-6，方法如下

数据去重

python异常名称与对应描述

爬虫header头中cookies出现双引号如何处理

是因为路径出现问题,我是直接复制的电脑的绝对路径\a系统被读错了。

使用pycharm用pandas时报错。会报错，在字符串前面加个 r

1一个实体转换成一个关系模式实体属性就是关系属性2.一个多对多联系一定会生成一个新的表关系的属性 与该联系相连的歌实体的吗以及联系本身的属性关系的吗 各个实体码的组合3.一对多联系可以转换为一个独立的关系模式，也可以与n端的关系模式合并合并后关系的属性，在n端加入1端关系的码和联系自身的属性合并后关系的码 不变4.1：1的联系可以直接独立成关系，也可以和一端合并18查询信息系学生的数据结构课程成绩select AVG(grade)from SC,Student,Cours

索引是加快查找速度的有效手段——indexCREATE [unique][cluster] index <索引名>on <表名>（列名）create unique index Stusno ON Student(Sno)create unique index Coucno ON Course(Cno)create unique index Scno ON SC(Sno ASC,Cno DESC)修改索引alter删除dropCREATE TABLE Wo

自身连接例题35 查询与刘晨在同一个系学习的学生SELECT S1.*FROM Student S1，Student S2WHERE S1.Sdept = S2.Sdept ANDS2.Sname = '刘晨'外连接

网络中的链路预测(Link Prediction)是指如何通过已知的网络节点以及网络结构等信息预测网络中尚未产生连边的两个节点之间产生链接的可能性。这种预测既包含了对未知链接（exist yet unknown links）的预测也包含了对未来链接（future links）的预测。该问题的研究在理论和应用两个方面都具有重要的意义和价值实际的网络化数据往往包含不同类型的节点和边,采用异质信息网络建模可以更加全面的包含交互对象和对象之间的关联,因此异质信息网络分析成为数据挖掘的研究热点....

Beautifulsoup4在anaconda环境安装conda install beautifulsoup注意是import bs4或from bs4 import beautifulsoup而不是直接import beautifulsoup

link prediction aims at estimating the likelihood of the existence of a link between two nodes, based on observed links and the attributes of nodes. Link prediction helps in analyzing networks with missing data , for example, many biological networks, such

社交网络可以用来描述现实社会中的实际网络，它包括人与人之间的社会关系，物种之间的捕食关系，科学研究中的合作关系等。大量研究已经表明在真实世界中各种不同社交网络具有许多共同的结构特征，例如小世界性质、无标度性、社团结构等。 目前，社团发现算法已比较成熟，具体的算法有：GN算法、谱平算法、Kernighan-Lin算法等。 社团划分方法也有很多。 以下是《基于链路预测的微博用户关系分析》的一些学习笔记： 微博用户之间形成了复杂的社交网络。在微博用户之间有各种影响因素，链路预测是微博