Python中如何用numpy删除数据矩阵指定行

本人初学Python,数据大概在40M左右,txt格式,用numpy中的Loadtxt打开后,需要删除所有第二列为空的行,自己写的代码如下:
import numpy as np
data=np.loadtxt('GSE4187.txt',delimiter='\t',skiprows=0,dtype='str')
def row(c,data):
a,b=np.where(data==c)
return int(a)
for i in range(data.shape[0]):
c=data[i][1]
if c is '':
data=np.delete(arr,row(c,data),axis=0)
试了很久运行出来的结果依旧是原来的数据,没有任何改变,请各位大神指点,非常感谢!

2个回答

你所谓的删除是读入数据的删除还是删除txt,这两个是不一样的,删除读入矩阵是delete方法,还得写入才算。

还要注意python中的判断为空,你的写法有一点奇怪

https://www.cnblogs.com/bigberg/p/6495373.html

非常感谢,已经解决!!!

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
请教朋友们,python中numpy.min(dataset[:,j]) 这句话是什么意思?
各位大神好,问题是这样的: 最近在看K-means聚类算法的python实现版本,看到了一个朋友写的程序,下面是选取数据集dataSet的k个初始中心的函数 ``` 各位大神好,问题是这样的: 最近在看K-means聚类算法的python实现版本,看到了一个朋友写的程序,下面是选取数据集dataSet的k个初始中心的函数 18 def randCent(dataSet, k): 19 n = shape(dataSet)[1] 20 centroids = mat(zeros((k,n))) 21 for j in range(n): 22 minJ = min(dataSet[:,j]) 23 rangeJ = float(max(array(dataSet)[:,j]) - minJ) 24 centroids[:,j] = minJ + rangeJ * random.rand(k,1) 25 return centroids 其中第22行没看明白minJ = min(dataSet[:,j]) dataSet是一个mat类型的numpy矩阵。 dataSet[:,j] 是什么意思啊?请教各位朋友,十分感谢 ``` 其中第22行没看明白minJ = min(dataSet[:,j]) dataSet是一个mat类型的numpy矩阵。 dataSet[:,j] 是什么意思啊?请教各位朋友,十分感谢
numpy使用linalg.eig计算实对称矩阵特征值和特征向量时为什么会出现复数?
我通过外部文件导入建立了一个无向图的邻接矩阵,是一个实对称矩阵,矩阵规模较大,然后计算特征值和特征向量的时候,为什么特征值和特征向量里面会出现复数?该怎样处理?谢谢了!
python的矩阵运算的相关问题
我在程序中,用numpy模块创建了几个矩阵,其中有一个矩阵用a表示,但是我想求这个矩阵的逆矩阵,前提是这个矩阵可逆,为什么我用a.I计算出来的结果和用a**(-1)的结果不一样,这两个方法是不是都可以用来求矩阵的逆矩阵?
python 如何获取矩阵中某个指定元素的行列号?
关于python的小问题: 有一个以matrix形式存储的二维数组,想要找到其中某个元素对应的行列号,请问该如何编写? 比如m=numpy.matrix([[1,2,3],[4,5,6],[7,8,9]]) 想找到元素6的下标号 我试过index方法,但index只能针对list列表,无法运用于matrix,不知道python有没有什么其它办法? 求各位大神指导,谢谢!
矩阵乘法错误 (Python3.7; jupyter notebook 6.0.0; numpy 1.16.4)该怎么办?
本人六年级小学生,很想进军人工智能领域,于是搞了本《Python神经网络编程》来看(图1),安装搭建了jupyter,可是在训练神经网络(更新权重那一步)的时候出了问题,也不只是怎么回事,打了ipdb断点,一查,阵矩大小、形状都没有问题,可是jupyter一直报错矩阵无法相乘,求大神解答(更多信息见正文) ![《Python神经网络编程》](https://img-ask.csdn.net/upload/202001/22/1579668143_1165.jpg) 先贴一下错误信息: > ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 3 is different from 5) 我百度了一下,这个好像是阵矩1的行与阵矩2的列不相同,我再次断点调试,各种一番捯饬,最后……额还是没找出问题…… 再贴一下诡异的jupyter运行截图: ![运行截图](https://img-ask.csdn.net/upload/202001/22/1579680986_443189.png) 图中可以看到框1是将要执行的语句,但是上一句打了ipdb断点,之后我在断点环境下执行了代码,结果成功了!!!成功了!!!可是我按下c之后就又报错了!!!求教啊,神马蛇皮走位?于是我再把断点去掉,又是同样的报错,放到导出py文件后本地执行也报错,神马情况??? 再贴一下train函数截图: ![图片说明](https://img-ask.csdn.net/upload/202001/22/1579680754_198010.png) 最后附上全部代码,方便大家解答: ```python import numpy import scipy.special # 神经网络 class Network: """神经网络类""" def __init__(self, nodes, l_rate): """神经网络初始化方法""" self.nodes = nodes self.lr = l_rate self.layer_num = len(nodes) self.weight_num = self.layer_num -1 self._init_layers() self._init_weights() self.activ = scipy.special.expit def _init_layers(self): """初始化所有神经层""" self.layers = [None for _ in range(self.layer_num)] for i in range(self.layer_num): # 本层的神经数 node_num = self.nodes[i] # 初始化本层神经,用0填充 self.layers[i] = numpy.zeros((node_num,)).T def _init_weights(self): """初始化所有权重""" self.weights = [None for _ in range(self.weight_num)] for i in range(self.weight_num): # 初始化本层权重,用[1/三√下一层神经数)]的正态分布填充 # 参数:1.正态分布中心 2.[1/(√下一层神经数)] 3.权重阵矩大小 self.weights[i] = numpy.random.normal(0.0, pow(self.nodes[i+1], -0.5), (self.nodes[i+1], self.nodes[i])) def query(self, inputs): """查询神经网络的结果""" assert len(inputs) is self.nodes[0] for i in range(self.layer_num): # 如果第是一遍遍历,将最后一次结果设为输入值 if i is 0: self.layers[0] = numpy.array(inputs, ndmin=2).T continue # 本轮神经计算值 self.layers[i] = self.weights[i - 1] @ self.layers[i - 1] self.layers[i] = self.activ(self.layers[i]) return self.layers[-1] def train(self, inputs, targets): """对神经网络进行训练""" assert len(targets) is self.nodes[-1] last_result = self.query(inputs) for i in reversed(range(self.weight_num)): if i is self.weight_num-1: errors = numpy.array(targets, ndmin=2).T - last_result else: errors = self.weights[i + 1] @ errors import ipdb; ipdb.set_trace() # 问题出在这一行↓↓↓ self.weights[i] += self.lr *((errors * self.layers[i+1] * (1.0 - self.layers[i+1])) @ self.layers[i].T) if __name__ == '__main__': nw = Network((3, 5, 5, 3), 0.01) for _ in range(10000): nw.train([1, 1, 1], [1, 1, 1]) results = nw.query([1, 1, 1]) print(results) ```
大家谁能看懂这段代码?python数据分析的,求赐教!谢谢
1.lines = [line.split('\t') for line in open('路径/a.txt')] 2.# file colums 3.num=len(lines[0]) 4.# file rows 5.n=len(lines) 6.df = [[float(x) for x in line] for line in lines[1:]] 7.result=[] 8.import numpy 9.npdata=numpy.transpose(df) 10.for i in range(num-1): 11.for j in range(i+1,num): 12.结果.append(pearson(npdata[i],npdata[j])) (sorry,缩进有点问题。) 思路是把一个txt文件转化成矩阵,去分析数据,我非常不懂的是从第九行为什么要转置矩阵?如果是转置的话。
新人 数据分析时在计算矩阵遇到的小问题 求大哥们解答
请问为什么在numpy广播中3行1列减3行47列的结果是3行1列而不是3行47列 求大神赐教
python深度学习分类后的 混淆矩阵的显示方式为什么不是单纯的一个矩阵
书里的结果就是一个矩阵,但是我运行后的混淆矩阵上面还有(200,2),我设置的目标值为1或者2,但不知道为什么200后面是2,这个2和设置的1,2有关系吗 ![图片说明](https://img-ask.csdn.net/upload/201909/11/1568131642_681643.png) ``` import numpy as np import urllib.request import pandas as pd from pandas import DataFrame import numpy as np import pandas as pd import xlrd from sklearn import preprocessing def excel_to_matrix(path): table = xlrd.open_workbook(path).sheets()[0] # 获取第一个sheet表 row = table.nrows # 行数 col = table.ncols # 列数 datamatrix = np.zeros((row, col)) for x in range(col): cols = np.matrix(table.col_values(x)) datamatrix[:, x] = cols return datamatrix datafile = u'C:\\Users\\asus\\PycharmProjects\\2\\venv\\Lib\\附件2:数据.xls' datamatrix=excel_to_matrix(datafile) data=pd.DataFrame(datamatrix) y=data[10] data=data.drop(10,1) x=data from sklearn import preprocessing x_MinMax=preprocessing.MinMaxScaler() y=np.array(y).reshape((len(y),1)) x=x_MinMax.fit_transform(x) x.mean(axis=0) import random from sklearn.cross_validation import train_test_split np.random.seed(2016) x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2) from sknn.mlp import Classifier,Layer #预测模型 fit3=Classifier(layers=[Layer('Tanh',units=38),Layer('Tanh',units=45), Layer('Tanh', units=28), Layer('Softmax')], learning_rate=0.02, random_state=2016, n_iter=100, dropout_rate=0.05, batch_size=50, learning_rule=u'adadelta', learning_momentum=0.005 ) fit3.fit(x_train,y_train) from sklearn.metrics import confusion_matrix predict3_train=fit3.predict(x_train) print(predict3_train) predict3_test=fit3.predict(x_test) confu3_test=confusion_matrix(y_test,predict3_test) print(confu3_test) ```
python深度学习分类后的 混淆矩阵的意义
有大佬可以解释混淆矩阵上面还有(200,2)是什么意思吗,我设置的目标值为1或者2,但不知道为什么200后面是2,这个2和设置的1,2有关系吗 ![图片说明](https://img-ask.csdn.net/upload/201909/13/1568362335_282979.png) ``` import numpy as np import urllib.request import pandas as pd from pandas import DataFrame import numpy as np import pandas as pd import xlrd from sklearn import preprocessing def excel_to_matrix(path): table = xlrd.open_workbook(path).sheets()[0] # 获取第一个sheet表 row = table.nrows # 行数 col = table.ncols # 列数 datamatrix = np.zeros((row, col)) for x in range(col): cols = np.matrix(table.col_values(x)) datamatrix[:, x] = cols return datamatrix datafile = u'C:\\Users\\asus\\PycharmProjects\\2\\venv\\Lib\\附件2:数据.xls' datamatrix=excel_to_matrix(datafile) data=pd.DataFrame(datamatrix) y=data[10] data=data.drop(10,1) x=data from sklearn import preprocessing x_MinMax=preprocessing.MinMaxScaler() y=np.array(y).reshape((len(y),1)) x=x_MinMax.fit_transform(x) x.mean(axis=0) import random from sklearn.cross_validation import train_test_split np.random.seed(2016) x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2) from sknn.mlp import Classifier,Layer #预测模型 fit3=Classifier(layers=[Layer('Tanh',units=38),Layer('Tanh',units=45), Layer('Tanh', units=28), Layer('Softmax')], learning_rate=0.02, random_state=2016, n_iter=100, dropout_rate=0.05, batch_size=50, learning_rule=u'adadelta', learning_momentum=0.005 ) fit3.fit(x_train,y_train) from sklearn.metrics import confusion_matrix predict3_train=fit3.predict(x_train) print(predict3_train) predict3_test=fit3.predict(x_test) confu3_test=confusion_matrix(y_test,predict3_test) print(confu3_test) ```
python中import的问题
在学习numpy库,查阅numpy中的程序发现有三个问题未搞懂,希望高手进行解答: 1.随意打开其中一个文件: from .overrides import set_module 请问from .overrides中的这个.是什么意思,是表示当前目录吗? 2.numpy为一个包,那我们每次执行 import numpy as np 是把整个包中的内容进行了导入吗?还是只执行了numpy包中__init__模块? 3.每次用np.array()创建矩阵,但是在numpy包的目录下未找到array这个模块(?类?函数)的程序文件?
python自编逆矩阵遇到的奇怪问题
问题有点长,在这个博文有详细描述: https://blog.csdn.net/qq_42547404/article/details/103346884 就是自编逆矩阵代码结果,直接作为参数传入numpy.dot(),不能得到正确结果,必须要在作为参数传入numpy.dot()前,自己先运行一遍,才能得到正确结果,不知道是什么原因,盼高人指点一二
python 中 numpy 的(2,1)维列向量 为什么可以乘(2,2)维向量?
如图所示![图片说明](https://img-ask.csdn.net/upload/201903/05/1551753373_238507.png) x为(2,1)列向量,y为(2,2)矩阵。 正常的数学算数过程x是不可以直接乘以矩阵y的,得到的t(4,7)实际是行向量x(1,2)与y矩阵(2,2)相乘的结果。最后的t又变成了(2,1)维的列向量了。想问一下为什么会这样?很乱
小白问题--在python中for循环结束位置在哪里呢?
不确定python中for循环每次的结束位置。和C语言不一样,python的for循环没有括号()之类的约束,怎么看他的边界在哪里吖?是看他代码开头的空格是否与for对齐吗? ``` size = 100 theta0Vals = np.linspace(-10, 10, size) # 前两个参数分别是数列的开头与结尾。第三个参数,表示数列的元素个数 theta1Vals = np.linspace(-1, 4, size) JVals = np.zeros((size, size)) for i in range(size): for j in range(size): col = np.array([ [theta0Vals[i]], [theta1Vals[j]] ]).reshape(-1,1) #不知道z的shape属性,想让z变成只有一列,行数管, #通过`z.reshape(-1,1),Numpy自动计算出有16行 JVals[i,j] = compute_cost(X, y, col) theta0Vals, theta1Vals = np.meshgrid(theta0Vals, theta1Vals) # 产生一个以向量x为行,向量y为列的矩阵, #X、Y必定是行数、列数相等的,且X、Y的行数都等 # 于输入参数y中元素的总个数,X、Y的列数都等于输入参数x中元素总个数;形成网格 JVals = JVals.T print (JVals.shape, JVals[0, 0], JVals[1, 1] ) # test correct fig = plt.figure() ax = Axes3D(fig) ax.plot_surface(theta0Vals, theta1Vals, JVals) # 绘制一个三维曲面 ax.set_xlabel(r'$\theta_0$') ax.set_ylabel(r'$\theta_1$') ax.set_zlabel(r'$J(\theta)$') plt.show() ```
小白求助T T 关于python构建文本词条矩阵
![问题如图](https://img-ask.csdn.net/upload/201611/11/1478865662_642432.jpg) 所用代码(在网上搜的 做了修改) # -*- coding: cp936 -*- textlist=open('out.txt','rb') points=[] for line in textlist: a=line.split()#通过指定分隔符对字符串进行切片,默认为空格 points.append(a)#把a添加到points[]列表的最后 textlist.close() #调用调试文本并储存到points这个list里面,list的每个元素是一个子list,即一个地点,每个子list里的元素是一个地点分出来的词 wordlist=open('自己的词库.txt','rb') words=[] for ele in wordlist: b=ele.split()#通过指定分隔符对字符串进行切片,默认为空格 words.append(b[0]) wordlist.close() #调用调试词库并储存到wordlist这个list里面,list的每个元素是一个整体文本分词降噪统计词频后的词条 import numpy as np matrix=np.zeros((len(points),len(words))) #创建n行(n个)m列(m个词条)的初始矩阵matrix0 for n in range(len(points)):#len()返回字符串的长度 for m in range(len(words)): for l in range(len(points[n])): if points[n][l] == words[m]: matrix[n,m]+=1 #通过循环生成matrix print (matrix) ``` ```
用Python进行层次分析,构造成对比较矩阵的代码哪里出错了?
想构造层次分析中的成对比较阵(正互反阵),如下图所示:(取自姜启源《数学模型》) ![图片说明](https://img-ask.csdn.net/upload/201811/14/1542178234_740609.png) ** 我的代码如下:** ```import csv import numpy as np import pandas as pd event_data = pd.read_csv('event.csv',usecols=[5]) attack_data = pd.read_csv('attack.csv',usecols=[5]) weapon_data = pd.read_csv('weapon.csv',usecols=[5]) target_data = pd.read_csv('target.csv',usecols=[7]) assassin_dat = pd.read_csv('assassin.csv',usecols=[26]) casualty_data = pd.read_csv('casualty.csv',usecols=[17]) for i in np.transpose(event_data): for j in np.transpose(event_data): A = np.array((i/j).reshape(114183,114183)) print(A) ``` **运行结果反馈为:** ``` A = np.array((i/j).reshape(114183,114183)) ZeroDivisionError: division by zero ``` 请问各位大佬,我的代码到底在哪里出现问题了?
机器学习中例子 可能因为python3出现错误 求指导
![图片说明](https://img-ask.csdn.net/upload/201610/20/1476967374_667914.png) 附代码 ``` from numpy import * import operator import matplotlib import matplotlib.pyplot as plt def file2matrix(filename): fr = open(filename) arrayOLines = fr.readlines() #逐行读取文件 numberOfLines = len(arrayOLines) #获取文件的行数 returnMat = zeros((numberOfLines,3)) #创建一个矩阵 classLabelVector = [] index = 0 for line in arrayOLines: line = line.strip() #删除所有换行符 listFromLine = line.split('\t') #通过指定分割符对字符串切分 returnMat[index,:]=listFromLine[0:3] classLabelVector.append((listFromLine[-1])) index+=1 return returnMat,classLabelVector datingDataMat,datingLabels = file2matrix('datingTestSet.txt') #print(datingDataMat,datingLabels) fig = plt.figure() ax = fig.add_subplot(111) ''' ''按照列进行划分 ''' ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*array(datingLabels),15.0*array(datingLabels)) plt.show() ``` 错误提示 'multiply' did not contain a loop with signature matching types dtype('<U32') dtype('<U32') dtype('<U32')
不懂为何就是读不了文件,代码有问题吗?多谢指教
import numpy as np import pandas as pd inputfile = 'D:\软件\python\《Python数据分析与挖掘实战(张良均等)》中文PDF+源代码\《Python数据分析与挖掘实战(张良均等)》中文PDF+源代码\数据及代码\chapter13\demo\data\datal.csv' date=pd.read_csv(inputfile) r = [data.min(), data.max(), data.mean(), data.std()] # 依次计算最小值、最大值、均值、标准差 r = pd.DataFrame(r, index=['Min', 'Max', 'Mean', 'STD']).T # 计算相关系数矩阵 np.round(r, 2) # 保留两位小数 运行如下: C:\Users\86186\Anaconda3\python.exe D:/软件/python/《Python数据分析与挖掘实战(张良均等)》中文PDF+源代码/《Python数据分析与挖掘实战(张良均等)》中文PDF+源代码/数据及代码/chapter13/demo/code/13-1_gaikuo.py Traceback (most recent call last): File "D:/软件/python/《Python数据分析与挖掘实战(张良均等)》中文PDF+源代码/《Python数据分析与挖掘实战(张良均等)》中文PDF+源代码/数据及代码/chapter13/demo/code/13-1_gaikuo.py", line 5, in <module> date=pd.read_csv(fileinput) File "C:\Users\86186\Anaconda3\lib\site-packages\pandas\io\parsers.py", line 655, in parser_f return _read(filepath_or_buffer, kwds) File "C:\Users\86186\Anaconda3\lib\site-packages\pandas\io\parsers.py", line 405, in _read parser = TextFileReader(filepath_or_buffer, **kwds) File "C:\Users\86186\Anaconda3\lib\site-packages\pandas\io\parsers.py", line 764, in __init__ self._make_engine(self.engine) File "C:\Users\86186\Anaconda3\lib\site-packages\pandas\io\parsers.py", line 985, in _make_engine self._engine = CParserWrapper(self.f, **self.options) File "C:\Users\86186\Anaconda3\lib\site-packages\pandas\io\parsers.py", line 1605, in __init__ self._reader = parsers.TextReader(src, **kwds) File "pandas/_libs/parsers.pyx", line 394, in pandas._libs.parsers.TextReader.__cinit__ (pandas\_libs\parsers.c:4209) File "pandas/_libs/parsers.pyx", line 710, in pandas._libs.parsers.TextReader._setup_parser_source (pandas\_libs\parsers.c:8873) FileNotFoundError: File b'D:\\\xe8\xbd\xaf\xe4\xbb\xb6\\python\\\xe3\x80\x8aPython\xe6\x95\xb0\xe6\x8d\xae\xe5\x88\x86\xe6\x9e\x90\xe4\xb8\x8e\xe6\x8c\x96\xe6\x8e\x98\xe5\xae\x9e\xe6\x88\x98(\xe5\xbc\xa0\xe8\x89\xaf\xe5\x9d\x87\xe7\xad\x89)\xe3\x80\x8b\xe4\xb8\xad\xe6\x96\x87PDF+\xe6\xba\x90\xe4\xbb\xa3\xe7\xa0\x81\\\xe3\x80\x8aPython\xe6\x95\xb0\xe6\x8d\xae\xe5\x88\x86\xe6\x9e\x90\xe4\xb8\x8e\xe6\x8c\x96\xe6\x8e\x98\xe5\xae\x9e\xe6\x88\x98(\xe5\xbc\xa0\xe8\x89\xaf\xe5\x9d\x87\xe7\xad\x89)\xe3\x80\x8b\xe4\xb8\xad\xe6\x96\x87PDF+\xe6\xba\x90\xe4\xbb\xa3\xe7\xa0\x81\\\xe6\x95\xb0\xe6\x8d\xae\xe5\x8f\x8a\xe4\xbb\xa3\xe7\xa0\x81\\chapter13\\demo\\data\\datal.csv' does not exist Process finished with exit code 1
Pycuda中gpuarray.to_gpu能向共享GPU内存中申请空间吗
GPU信息 ![GPU信息](https://img-ask.csdn.net/upload/202001/06/1578293738_135954.png) ![GPU信息](https://img-ask.csdn.net/upload/202001/06/1578293671_541491.png) --------------------------------------------- 运行如下代码 比较两个矩阵,取最大值为一个新矩阵 ``` import pycuda.driver as drv import pycuda.autoinit import numpy import numpy.linalg as la from pycuda import driver, compiler, gpuarray, tools from pycuda.compiler import SourceModule import os if (os.system("cl.exe")): os.environ['PATH'] += ';'+r"C:\\Program Files (x86)\\Microsoft Visual Studio 14.0\\VC\\bin\\amd64\\" if (os.system("cl.exe")): raise RuntimeError("cl.exe still not found, path probably incorrect") a = numpy.random.randint(0,3,(23600,26919)).astype(numpy.float32) b = numpy.random.randint(1,4,(23600,26919)).astype(numpy.float32) a_gpu = gpuarray.to_gpu(a) b_gpu = gpuarray.to_gpu(b) result_array_GPU = gpuarray.maximum(a_gpu,b_gpu) print(a_gpu.get()) print(b_gpu.get()) print(result_array_GPU,type(result_array_GPU.get())) ``` --- 出现错误 out of memory ![图片说明](https://img-ask.csdn.net/upload/202001/06/1578293792_715378.png) --- 查看GPU性能,发现_**共享GPU内存**_还有空间,请问能利用这一块内存吗?如何利用这一块的内存呢 ![图片说明](https://img-ask.csdn.net/upload/202001/06/1578293948_284767.png) ---- 网上看说可以去BOIS总结去设置大小,也有的说当专有GPU内存不够会向共享自动申请 具体我还要怎么操作呢,还请不吝赐教
用Python语言,计算给定一个图像的Laplace算子和Hessian的特征值。
由图像的二阶导x和y,构造Hessian矩阵,H=【Ixx,Ixy Ixy,Iyy】 要求用数学知识写代码,不要用接口实现。 给出下列模板: def dxx(img) return 略 def dyy(img) return 略 def dxy(img) return 略 def laplace(img) return dxx(img)+dyy(img) def hessian(img) #用一元二次方程解特征值。 if __name__ == "__main__": laplace(img)-numpy.sum(hessian)<1e-10
终于明白阿里百度这样的大公司,为什么面试经常拿ThreadLocal考验求职者了
点击上面↑「爱开发」关注我们每晚10点,捕获技术思考和创业资源洞察什么是ThreadLocalThreadLocal是一个本地线程副本变量工具类,各个线程都拥有一份线程私...
《奇巧淫技》系列-python!!每天早上八点自动发送天气预报邮件到QQ邮箱
将代码部署服务器,每日早上定时获取到天气数据,并发送到邮箱。 也可以说是一个小人工智障。 思路可以运用在不同地方,主要介绍的是思路。
面试官问我:什么是消息队列?什么场景需要他?用了会出现什么问题?
你知道的越多,你不知道的越多 点赞再看,养成习惯 GitHub上已经开源 https://github.com/JavaFamily 有一线大厂面试点脑图、个人联系方式和人才交流群,欢迎Star和完善 前言 消息队列在互联网技术存储方面使用如此广泛,几乎所有的后端技术面试官都要在消息队列的使用和原理方面对小伙伴们进行360°的刁难。 作为一个在互联网公司面一次拿一次Offer的面霸...
8年经验面试官详解 Java 面试秘诀
作者 |胡书敏 责编 | 刘静 出品 | CSDN(ID:CSDNnews) 本人目前在一家知名外企担任架构师,而且最近八年来,在多家外企和互联网公司担任Java技术面试官,前后累计面试了有两三百位候选人。在本文里,就将结合本人的面试经验,针对Java初学者、Java初级开发和Java开发,给出若干准备简历和准备面试的建议。 Java程序员准备和投递简历的实...
究竟你适不适合买Mac?
我清晰的记得,刚买的macbook pro回到家,开机后第一件事情,就是上了淘宝网,花了500元钱,找了一个上门维修电脑的师傅,上门给我装了一个windows系统。。。。。。 表砍我。。。 当时买mac的初衷,只是想要个固态硬盘的笔记本,用来运行一些复杂的扑克软件。而看了当时所有的SSD笔记本后,最终决定,还是买个好(xiong)看(da)的。 已经有好几个朋友问我mba怎么样了,所以今天尽量客观...
MyBatis研习录(01)——MyBatis概述与入门
MyBatis 是一款优秀的持久层框架,它支持定制化 SQL、存储过程以及高级映射。MyBatis原本是apache的一个开源项目iBatis, 2010年该项目由apache software foundation 迁移到了google code并改名为MyBatis 。2013年11月MyBatis又迁移到Github。
程序员一般通过什么途径接私活?
二哥,你好,我想知道一般程序猿都如何接私活,我也想接,能告诉我一些方法吗? 上面是一个读者“烦不烦”问我的一个问题。其实不止是“烦不烦”,还有很多读者问过我类似这样的问题。 我接的私活不算多,挣到的钱也没有多少,加起来不到 20W。说实话,这个数目说出来我是有点心虚的,毕竟太少了,大家轻喷。但我想,恰好配得上“一般程序员”这个称号啊。毕竟苍蝇再小也是肉,我也算是有经验的人了。 唾弃接私活、做外...
Python爬虫爬取淘宝,京东商品信息
小编是一个理科生,不善长说一些废话。简单介绍下原理然后直接上代码。 使用的工具(Python+pycharm2019.3+selenium+xpath+chromedriver)其中要使用pycharm也可以私聊我selenium是一个框架可以通过pip下载 pip installselenium -ihttps://pypi.tuna.tsinghua.edu.cn/simple/ ...
阿里程序员写了一个新手都写不出的低级bug,被骂惨了。
这种新手都不会范的错,居然被一个工作好几年的小伙子写出来,差点被当场开除了。
Java工作4年来应聘要16K最后没要,细节如下。。。
前奏: 今天2B哥和大家分享一位前几天面试的一位应聘者,工作4年26岁,统招本科。 以下就是他的简历和面试情况。 基本情况: 专业技能: 1、&nbsp;熟悉Sping了解SpringMVC、SpringBoot、Mybatis等框架、了解SpringCloud微服务 2、&nbsp;熟悉常用项目管理工具:SVN、GIT、MAVEN、Jenkins 3、&nbsp;熟悉Nginx、tomca...
Python爬虫精简步骤1 获取数据
爬虫,从本质上来说,就是利用程序在网上拿到对我们有价值的数据。 爬虫能做很多事,能做商业分析,也能做生活助手,比如:分析北京近两年二手房成交均价是多少?广州的Python工程师平均薪资是多少?北京哪家餐厅粤菜最好吃?等等。 这是个人利用爬虫所做到的事情,而公司,同样可以利用爬虫来实现巨大的商业价值。比如你所熟悉的搜索引擎——百度和谷歌,它们的核心技术之一也是爬虫,而且是超级爬虫。 从搜索巨头到人工...
Python绘图,圣诞树,花,爱心 | Turtle篇
每周每日,分享Python实战代码,入门资料,进阶资料,基础语法,爬虫,数据分析,web网站,机器学习,深度学习等等。 公众号回复【进群】沟通交流吧,QQ扫码进群学习吧 微信群 QQ群 1.画圣诞树 import turtle screen = turtle.Screen() screen.setup(800,600) circle = turtle.Turtle()...
作为一个程序员,CPU的这些硬核知识你必须会!
CPU对每个程序员来说,是个既熟悉又陌生的东西? 如果你只知道CPU是中央处理器的话,那可能对你并没有什么用,那么作为程序员的我们,必须要搞懂的就是CPU这家伙是如何运行的,尤其要搞懂它里面的寄存器是怎么一回事,因为这将让你从底层明白程序的运行机制。 随我一起,来好好认识下CPU这货吧 把CPU掰开来看 对于CPU来说,我们首先就要搞明白它是怎么回事,也就是它的内部构造,当然,CPU那么牛的一个东...
破14亿,Python分析我国存在哪些人口危机!
一、背景 二、爬取数据 三、数据分析 1、总人口 2、男女人口比例 3、人口城镇化 4、人口增长率 5、人口老化(抚养比) 6、各省人口 7、世界人口 四、遇到的问题 遇到的问题 1、数据分页,需要获取从1949-2018年数据,观察到有近20年参数:LAST20,由此推测获取近70年的参数可设置为:LAST70 2、2019年数据没有放上去,可以手动添加上去 3、将数据进行 行列转换 4、列名...
web前端javascript+jquery知识点总结
1.Javascript 语法.用途 javascript 在前端网页中占有非常重要的地位,可以用于验证表单,制作特效等功能,它是一种描述语言,也是一种基于对象(Object)和事件驱动并具有安全性的脚本语言 ...
Python实战:抓肺炎疫情实时数据,画2019-nCoV疫情地图
今天,群里白垩老师问如何用python画武汉肺炎疫情地图。白垩老师是研究海洋生态与地球生物的学者,国家重点实验室成员,于不惑之年学习python,实为我等学习楷模。先前我并没有关注武汉肺炎的具体数据,也没有画过类似的数据分布图。于是就拿了两个小时,专门研究了一下,遂成此文。
听说想当黑客的都玩过这个Monyer游戏(1~14攻略)
第零关 进入传送门开始第0关(游戏链接) 请点击链接进入第1关: 连接在左边→ ←连接在右边 看不到啊。。。。(只能看到一堆大佬做完的留名,也能看到菜鸡的我,在后面~~) 直接fn+f12吧 &lt;span&gt;连接在左边→&lt;/span&gt; &lt;a href="first.php"&gt;&lt;/a&gt; &lt;span&gt;←连接在右边&lt;/span&gt; o...
在家远程办公效率低?那你一定要收好这个「在家办公」神器!
相信大家都已经收到国务院延长春节假期的消息,接下来,在家远程办公可能将会持续一段时间。 但是问题来了。远程办公不是人在电脑前就当坐班了,相反,对于沟通效率,文件协作,以及信息安全都有着极高的要求。有着非常多的挑战,比如: 1在异地互相不见面的会议上,如何提高沟通效率? 2文件之间的来往反馈如何做到及时性?如何保证信息安全? 3如何规划安排每天工作,以及如何进行成果验收? ...... ...
作为一个程序员,内存和磁盘的这些事情,你不得不知道啊!!!
截止目前,我已经分享了如下几篇文章: 一个程序在计算机中是如何运行的?超级干货!!! 作为一个程序员,CPU的这些硬核知识你必须会! 作为一个程序员,内存的这些硬核知识你必须懂! 这些知识可以说是我们之前都不太重视的基础知识,可能大家在上大学的时候都学习过了,但是嘞,当时由于老师讲解的没那么有趣,又加上这些知识本身就比较枯燥,所以嘞,大家当初几乎等于没学。 再说啦,学习这些,也看不出来有什么用啊!...
渗透测试-灰鸽子远控木马
木马概述 灰鸽子( Huigezi),原本该软件适用于公司和家庭管理,其功能十分强大,不但能监视摄像头、键盘记录、监控桌面、文件操作等。还提供了黑客专用功能,如:伪装系统图标、随意更换启动项名称和表述、随意更换端口、运行后自删除、毫无提示安装等,并采用反弹链接这种缺陷设计,使得使用者拥有最高权限,一经破解即无法控制。最终导致被黑客恶意使用。原作者的灰鸽子被定义为是一款集多种控制方式于一体的木马程序...
Python:爬取疫情每日数据
前言 目前每天各大平台,如腾讯、今日头条都会更新疫情每日数据,他们的数据源都是一样的,主要都是通过各地的卫健委官网通报。 以全国、湖北和上海为例,分别为以下三个网站: 国家卫健委官网:http://www.nhc.gov.cn/xcs/yqtb/list_gzbd.shtml 湖北卫健委官网:http://wjw.hubei.gov.cn/bmdt/ztzl/fkxxgzbdgrfyyq/xxfb...
这个世界上人真的分三六九等,你信吗?
偶然间,在知乎上看到一个问题 一时间,勾起了我深深的回忆。 以前在厂里打过两次工,做过家教,干过辅导班,做过中介。零下几度的晚上,贴过广告,满脸、满手地长冻疮。 再回首那段岁月,虽然苦,但让我学会了坚持和忍耐。让我明白了,在这个世界上,无论环境多么的恶劣,只要心存希望,星星之火,亦可燎原。 下文是原回答,希望能对你能有所启发。 如果我说,这个世界上人真的分三六九等,...
B 站上有哪些很好的学习资源?
哇说起B站,在小九眼里就是宝藏般的存在,放年假宅在家时一天刷6、7个小时不在话下,更别提今年的跨年晚会,我简直是跪着看完的!! 最早大家聚在在B站是为了追番,再后来我在上面刷欧美新歌和漂亮小姐姐的舞蹈视频,最近两年我和周围的朋友们已经把B站当作学习教室了,而且学习成本还免费,真是个励志的好平台ヽ(.◕ฺˇд ˇ◕ฺ;)ノ 下面我们就来盘点一下B站上优质的学习资源: 综合类 Oeasy: 综合...
雷火神山直播超两亿,Web播放器事件监听是怎么实现的?
Web播放器解决了在手机浏览器和PC浏览器上播放音视频数据的问题,让视音频内容可以不依赖用户安装App,就能进行播放以及在社交平台进行传播。在视频业务大数据平台中,播放数据的统计分析非常重要,所以Web播放器在使用过程中,需要对其内部的数据进行收集并上报至服务端,此时,就需要对发生在其内部的一些播放行为进行事件监听。 那么Web播放器事件监听是怎么实现的呢? 01 监听事件明细表 名...
3万字总结,Mysql优化之精髓
本文知识点较多,篇幅较长,请耐心学习 MySQL已经成为时下关系型数据库产品的中坚力量,备受互联网大厂的青睐,出门面试想进BAT,想拿高工资,不会点MySQL优化知识,拿offer的成功率会大大下降。 为什么要优化 系统的吞吐量瓶颈往往出现在数据库的访问速度上 随着应用程序的运行,数据库的中的数据会越来越多,处理时间会相应变慢 数据是存放在磁盘上的,读写速度无法和内存相比 如何优化 设计...
Python新型冠状病毒疫情数据自动爬取+统计+发送报告+数据屏幕(三)发送篇
今天介绍的项目是使用 Itchat 发送统计报告 项目功能设计: 定时爬取疫情数据存入Mysql 进行数据分析制作疫情报告 使用itchat给亲人朋友发送分析报告 基于Django做数据屏幕 使用Tableau做数据分析 来看看最终效果 目前已经完成,预计2月12日前更新 使用 itchat 发送数据统计报告 itchat 是一个基于 web微信的一个框架,但微信官方并不允许使用这...
作为程序员的我,大学四年一直自学,全靠这些实用工具和学习网站!
我本人因为高中沉迷于爱情,导致学业荒废,后来高考,毫无疑问进入了一所普普通通的大学,实在惭愧???? 我又是那么好强,现在学历不行,没办法改变的事情了,所以,进入大学开始,我就下定决心,一定要让自己掌握更多的技能,尤其选择了计算机这个行业,一定要多学习技术。 在进入大学学习不久后,我就认清了一个现实:我这个大学的整体教学质量和学习风气,真的一言难尽,懂的人自然知道怎么回事? 怎么办?我该如何更好的提升自...
粒子群算法求解物流配送路线问题(python)
1.Matlab实现粒子群算法的程序代码:https://www.cnblogs.com/kexinxin/p/9858664.html matlab代码求解函数最优值:https://blog.csdn.net/zyqblog/article/details/80829043 讲解通俗易懂,有数学实例的博文:https://blog.csdn.net/daaikuaichuan/article/...
教你如何编写第一个简单的爬虫
很多人知道爬虫,也很想利用爬虫去爬取自己想要的数据,那么爬虫到底怎么用呢?今天就教大家编写一个简单的爬虫。 下面以爬取笔者的个人博客网站为例获取第一篇文章的标题名称,教大家学会一个简单的爬虫。 第一步:获取页面 #!/usr/bin/python # coding: utf-8 import requests #引入包requests link = "http://www.santostang....
前端JS初级面试题二 (。•ˇ‸ˇ•。)老铁们!快来瞧瞧自己都会了么
1. 传统事件绑定和符合W3C标准的事件绑定有什么区别? 传统事件绑定 &lt;div onclick=""&gt;123&lt;/div&gt; div1.onclick = function(){}; &lt;button onmouseover=""&gt;&lt;/button&gt; 注意: 如果给同一个元素绑定了两次或多次相同类型的事件,那么后面的绑定会覆盖前面的绑定 (不支持DOM事...
相关热词 c#怎么获得线程名 c# usb 采集器 c# csv 读取 c# sort() c# 关闭io流 c# 响应函数 插入 c#面对对象的三大特性 c# 打印 等比缩放 c#弹出右键菜单 c#1如何搞成01
立即提问