python pandas DataFrame 按照行的值域来分组

目前我正在学习python 的pandas模块
我需要对一个时间戳类型的单列Dataframe做出处理,数据样例如下:
0 1477967229
1 1477998606
2 1477990864
3 1477991914
4 1477962567
5 1477976182
6 1477979702
7 1477993668
8 1477995583
9 1477991619
10 1477995005
数据量为一天,我想按照小时把这个Dataframe划分为24组,并且统计每一组中数据的数量,请问应该怎么编写代码呢。

急求 谢谢各位了

1个回答

 import pandas as pd
 l = [1477967229, 1477998606, 1477990864, 1477991914, 1477962567, 1477976182, 1477979702, 1477993668, 1477995583, 1477991619, 1477995005]

 pd.DataFrame({'time':l})

 df["time"] = pd.to_datetime(df.time, unit='s')

df.groupby([df["time"].dt.hour]).size()

time
1     1
2     1
4     1
5     1
9     4
10    2
11    1
dtype: int64
qq_24949293
qq_24949293 okok,非常感谢
9 个月之前 回复
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
python pandas dataframe 中数组的拆分
我现在经过pyhon的apply计算得到一组数组,然后拼接到每一行dataframe后面,现在想把数组拆分成多行dataframe但是前面的字段还要保持,类似于透视表那样,如果不用新建dataframe直接在原来基础上实现该怎么做,谢谢![图片](https://img-ask.csdn.net/upload/201701/11/1484129516_102.jpg)
pandas dataframe数据结构,想检查索引列中的数据是否唯一怎么检查
如题 pandas dataframe数据结构,想检查索引列中的数据是否唯一怎么检查 不知道pandas中有没有这样的函数
如何用Python的pandas实现DataFrame行的拆分,或者其他方法也可以。
大致目标就是以'Freq'列的分号拆分行,'Cfg'列的值也按分号匹配拆分,由于 'Cfg'列的分号多于'Freq'列,多余分号后的数值忽略掉, Freq'列为空的话,'Cfg'列 也让它为空,或者不做处理。 原DataFrame创建代码 ``` import pandas as pd import numpy as np dict1 = {'MEID':['31102','31103','31104'], 'Freq':['','4.0 ','5.0;35.0;36.0'], 'Cfg':['10;30;40;60;70;70;70','10;30;40;60;70;70;70','10;30;40;60;70;70;70']} df1 = pd.DataFrame(dict1) print(df1) ``` 原DataFrame ``` MEID Freq Cfg 311302 10;30;40;60;70;70;70 311303 4.0 10;30;40;60;70;70;70 311304 5.0;35.0;36.0 10;30;40;60;70;70;70 ``` 目标DataFrame ``` MEID Freq Cfg 311302 311303 4.0 10 311304 5.0 10 311304 35.0 30 311304 36.0 40 ``` 为防止我文字没描述清楚,我把目标DF和原DF的数据关系用下图表示一下。 ![图片说明](https://img-ask.csdn.net/upload/201909/02/1567390472_582007.png)
【python】关于Pandas DataFrame 的一些奇怪的问题
具体代码如下: ``` def reshape_data(time_today, data_today): #构建时间序列数组 len_data = len(data_today) time_try = [parse(time_today)]*len_data #插入时间轴并定为最外轴 data_today.insert(0, 'time', time_try) data_today.set_index(['time',data_today.index], inplace = True) return data_today ``` 输入为一个字符串time_today和一个DataFrame data_today 然后在实际运行中提示出错,详细错误代码如下: ``` NotImplementedError Traceback (most recent call last) <ipython-input-14-d4c768794e17> in <module> 1 if __name__ == '__main__': ----> 2 main() 3 rootdir <ipython-input-8-0c303725fb93> in main() 15 test_b = caculate_rate(a) 16 print(test_b) ---> 17 test_b = reshape_data(time_a, test_b) 18 save_csv(test_b, file_name_test, False) 19 b = save_csv(test_a, file_name_test, True) <ipython-input-13-1381f1d66cba> in reshape_data(time_today, data_today) 9 data_today.index.names = ['name'] 10 data_today = data_today.reset_index() ---> 11 data_today.set_index(['time','name'], inplace = True) 12 13 return data_today G:\anaconda\lib\site-packages\pandas\core\frame.py in set_index(self, keys, drop, append, inplace, verify_integrity) 3913 arrays.append(level) 3914 -> 3915 index = _ensure_index_from_sequences(arrays, names) 3916 3917 if verify_integrity and not index.is_unique: G:\anaconda\lib\site-packages\pandas\core\indexes\base.py in _ensure_index_from_sequences(sequences, names) 4909 return Index(sequences[0], name=names) 4910 else: -> 4911 return MultiIndex.from_arrays(sequences, names=names) 4912 4913 G:\anaconda\lib\site-packages\pandas\core\indexes\multi.py in from_arrays(cls, arrays, sortorder, names) 1272 from pandas.core.arrays.categorical import _factorize_from_iterables 1273 -> 1274 labels, levels = _factorize_from_iterables(arrays) 1275 if names is None: 1276 names = [getattr(arr, "name", None) for arr in arrays] G:\anaconda\lib\site-packages\pandas\core\arrays\categorical.py in _factorize_from_iterables(iterables) 2541 # For consistency, it should return a list of 2 lists. 2542 return [[], []] -> 2543 return map(list, lzip(*[_factorize_from_iterable(it) for it in iterables])) G:\anaconda\lib\site-packages\pandas\core\arrays\categorical.py in <listcomp>(.0) 2541 # For consistency, it should return a list of 2 lists. 2542 return [[], []] -> 2543 return map(list, lzip(*[_factorize_from_iterable(it) for it in iterables])) G:\anaconda\lib\site-packages\pandas\core\arrays\categorical.py in _factorize_from_iterable(values) 2513 codes = values.codes 2514 else: -> 2515 cat = Categorical(values, ordered=True) 2516 categories = cat.categories 2517 codes = cat.codes G:\anaconda\lib\site-packages\pandas\core\arrays\categorical.py in __init__(self, values, categories, ordered, dtype, fastpath) 355 356 # FIXME --> 357 raise NotImplementedError("> 1 ndim Categorical are not " 358 "supported at this time") 359 NotImplementedError: > 1 ndim Categorical are not supported at this time ``` 这是什么神奇的事情啊?其他地方都没事,只有这里调用的时候出错,连语法都是一样的。
如何用Python的pandas实现DataFrame列的字符串截取
,截取的数字特征为最右边一个"="的数值(不一定是一位数) ![图片说明](https://img-ask.csdn.net/upload/201908/30/1567145119_473025.png) ![图片说明](https://img-ask.csdn.net/upload/201908/30/1567145778_562110.png) 用DataFrame输出即可
python pandas apply 原理求解,如何在dataframe 中将同一行的某个数值塞进df结构的一列?
有一个data frame结构,其中一列是data frame组成的,其他的列都是str或者数值之类的,如何将一行中str一类的塞入df里? 我试过apply,结果很诡异。。。 函数里print出来的结果是想要的,但是返回以后拿到的结果city就都是 tyu一个数值了 高手求解。。。 ``` import pandas as pd def testcc(df1): #tmpdf = df1 tmpdf = df1['c'] value = df1['a'] # value = 111 tmpdf['city']=value print(tmpdf) return tmpdf df1 = pd.DataFrame({'a': ['qwe'], 'b': ['asd']}) df4 =df1 df3 = pd.DataFrame({'a': ['qwe']}) df2 = pd.DataFrame({'a': ['qwe', 'wer', 'ert', 'rty', 'tyu'], 'b': ['asd', 'sdf', 'dfg', 'fgh', 'ghj'], 'c': [df1,df3,df4,df1,df1]}) df2['d']=df2.apply(testcc,axis=1) print('------------------') print(df2['d']) ``` 结果是 ``` a b city 0 qwe asd qwe a b city 0 qwe asd qwe a city 0 qwe wer a b city 0 qwe asd ert a b city 0 qwe asd rty a b city 0 qwe asd tyu ------------------ 0 a b city 0 qwe asd tyu 1 a city 0 qwe wer 2 a b city 0 qwe asd tyu 3 a b city 0 qwe asd tyu 4 a b city 0 qwe asd tyu Name: d, dtype: object ```
pandas的dataframe的同一id的多行数据按其中一个特征将数据平铺该怎么简洁操作?
![图片说明](https://img-ask.csdn.net/upload/202001/15/1579069054_942084.png) 问题描述的效果如上图所示,python里有什么函数有这功能或有什么简洁高效的代码可以实现呢?
请问如何将python中dataframe里的string全部转化为float?
用pandas读取csv后,做聚类的时候报错如下:could not convert string to float: 'CWT'。把csv里面的这个全都替换掉之后就会显示新别的string无法转换。请问如何一次全都转换成float?
python中 dataframe使用permutation和take对 列 进行随机排序失败
请问python中 dataframe使用sampler和take对列进行随机排列为什么不行呢? import pandas as pd import numpy as np from pandas import DataFrame from pandas import Series df=DataFrame(np.arange(20).reshape(5,4)) sampler=np.random.permutation(5) print(df.take(sampler,axis=1)) **报错如下**: Traceback (most recent call last): File "C:\Users\XXXX\Desktop\test190109.py", line 7, in <module> print(df.take(sampler,axis=1)) File "C:\Users\XXXxx\AppData\Local\Programs\Python\Python36-32\lib\site-packages\pandas\core\generic.py", line 2891, in take return self._take(indices, axis=axis, is_copy=is_copy) File "C:\Users\XXXXX\AppData\Local\Programs\Python\Python36-32\lib\site-packages\pandas\core\generic.py", line 2789, in _take verify=True) File "C:\Users\XXXXXX\AppData\Local\Programs\Python\Python36-32\lib\site-packages\pandas\core\internals.py", line 4530, in take indexer = maybe_convert_indices(indexer, n) File "C:\Users\xxxxx\AppData\Local\Programs\Python\Python36-32\lib\site-packages\pandas\core\indexing.py", line 2480, in maybe_convert_indices raise IndexError("indices are out-of-bounds") IndexError: indices are out-of-bounds 目测是最后一行axis=1的问题?去掉了就能跑了
python pd.merge()合并后的DataFrame无法输出到excel表
代码: import pandas as pd from pandas import DataFrame df3 = DataFrame({'key1': ['one', 'two', 'three', 'two'], 'key2': ['two', 'three', 'one', 'one'], 'data': [1, 2, 3, 4]}) df4 = DataFrame({'key1': ['two', 'two', 'three'], 'key2': ['one', 'two', 'one'], 'data': [1, 2, 3]}) data = pd.merge(df3, df4, on=['key1', 'key2'], how='outer') print(data) data.to_excel('D:\01.xls', na_rep=None) 结果: key1 key2 data_x data_y 0 one two 1.0 NaN 1 two three 2.0 NaN 2 three one 3.0 3.0 3 two one 4.0 1.0 4 two two NaN 2.0 Traceback (most recent call last): File "D:/python项目/02.py", line 232, in <module> data.to_excel('D:\01.xls', na_rep=None) File "F:\python\lib\site-packages\pandas\core\generic.py", line 2256, in to_excel engine=engine, File "F:\python\lib\site-packages\pandas\io\formats\excel.py", line 742, in write writer.save() File "F:\python\lib\site-packages\pandas\io\excel\_xlwt.py", line 32, in save return self.book.save(self.path) File "F:\python\lib\site-packages\xlwt\Workbook.py", line 710, in save doc.save(filename_or_stream, self.get_biff_data()) File "F:\python\lib\site-packages\xlwt\CompoundDoc.py", line 262, in save f = open(file_name_or_filelike_obj, 'w+b') OSError: [Errno 22] Invalid argument: 'D:\x01.xls' 为什么会报错呢?两个DataFrame使用merge方法合并后不是变成一个DataFrame了吗,为什么使用to_excel方法会出现错误?
pandas中Dataframe中的操作问题
在一个Dataframe实例中,比如: ``` C2 = pd.DataFrame({'R':[1,2,1],'sum':[3,2,3]}) ``` 我想把 R=1和sum=3的那些数据中的sum值都改为8(假如说),代码该怎么写呢?? 可不可以用 ix和iloc实现??
python pandas的使用问题
大家好,我在使用pandas做数据处理时想要对缺失进行处理,根据不同的情况缺失赋予不同的值,如下 source Fact_amount income amount_rate 143360 **车贷中心 11333.333330 NaN NaN 143361 **车贷中心 56666.666670 NaN NaN 以下代码 for i in range(0,143364): if math.isnan(df.loc[i].income): df.ix[i].income=d[df.ix[i].source[0:2]] 但是在循环内修改数据时就会报错 A value is trying to be set on a copy of a slice from a DataFrame See the caveats in the documentation--大神们救我~
Pandas的DataFrame的过滤查询
df3中的uuid代表用户ID,uuid中的用户ID有重复的,对应着不同eid(事件)下的其他列的数据,ctime为数据创建时间。现在想取出每个uuid下,最后一次ctime的行数据。 ![图片说明](https://img-ask.csdn.net/upload/201903/24/1553402960_673570.jpg)![图片说明](https://img-ask.csdn.net/upload/201903/24/1553402999_495440.jpg)
python pandas用函数算距离时报错
在网上copy来的一个算经纬度的方法,但在实际操作运行到 lon1, lat1, lon2, lat2 = map(radians, [lon1, lat1, lon2, lat2]) 的时候到报错:”TypeError: cannot convert the series to <class 'float'》,显示series不能转换为float,请问下各位大佬这个问题怎么解决 需要怎么修改脚本。 ``` import numpy as np import pandas as pd test_data = pd.DataFrame(pd.read_excel("test.xlsx")) def haversine(lon1, lat1, lon2, lat2): # 经度1,纬度1,经度2,纬度2 """函数作用:计算两个经纬度之间的距离""" # 将十进制度数转化为弧度 lon1, lat1, lon2, lat2 = map(radians, [lon1, lat1, lon2, lat2]) # haversine公式 dlon = lon2 - lon1 dlat = lat2 - lat1 a = sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2 c = 2 * asin(sqrt(a)) r = 6371 # 地球平均半径,单位为公里 return c * r * 1000 test_data["距离(米)"] = test_data.eval('@haversine(经度,纬度,Longitude,Latitude)') """ 表内容举例: name 经度 纬度 Longitude Latitude A 113.545761 23.106667 113.09461 23.39367 B 113.545761 23.106667 113.173833 23.336054 C 113.545761 23.106667 113.1799 23.43946 D 113.545761 23.106667 113.1975278 23.38591667 E 113.545761 23.106667 113.1975278 23.38591667 F 113.545761 23.106667 113.219664 23.100377 G 113.545761 23.106667 113.219664 23.100377 H 113.545761 23.106667 113.22253 23.18483 I 113.545761 23.106667 113.22253 23.18483 """ ``` 程序运行到
python 对DataFrame类型表按周聚合计算平均值
df = pandas.read_excel('test.xlsx') df = pandas.pivot_table(df, index=['a'], columns=['b'], aggfunc=numpy.sum) 先用pivot table 把表变成这样 pv uv 20180105 1 1 20180106 1 1 20180107 1 1 20180108 1 1 20180109 1 1 20180110 1 1 20180111 1 1 20180112 2 2 20180113 2 2 20180114 2 2 20180115 2 2 20180116 2 2 20180117 2 2 20180118 2 2 想计算周日均数据变成这样 pv uv 20180105~20180111 1 1 20180111~20180118 2 2
python dataframe 用第一列数据修改index
我是一个python新手 我用pandas读取某个txt文件(包含两部分,一列时间,一列数据),我想试图将DataFrame变为以A列为index,另一列B为data的新的txtDF,但是我试了很多方法,要不就是index对了,但是数据没了,要不就是运行以后一点变化都没有,我知道这个问题应该是个很简单的问题,希望大家能帮我一下,谢谢!!! import numpy as np import pandas as pd txt = np.loadtxt(dataPath, delimiter = ', ') txtDF = pd.DataFrame(txt, columns = list('AB')) 第一列是"A",第二列分别是"B" txtTmp = pd.DataFrame(txtDF.iloc[:,1],index=txtDF.iloc[:,0]) 重新构造的结果就是index对了,但是所有数据都变成NaN 还有一种方法就是txtDF.set_index('A'), 但是写入csv之后还是原来的结构,index没有变
请问Python中如何转化带有字符串的dataframe成纯数字dataframe?
这个问题出现在画热度图的时候,热度图似乎只读数字部分不认字符部分。用pandas包读取的csv数据文件有很多列都是字符,导致无法正常画出热度图。求个转化方法。字符全都是名字或者商品之类的,直接用数字唯一值代替字符唯一值就好。
安装了pandas,为什么会出现ImportError: cannot import name 'DataFrame' from 'pandas' ?
本人是刚刚跨入Python的新人小白,希望大佬给予帮助!! 安装了pandas,为什么会出现ImportError: cannot import name 'DataFrame' from 'pandas' ?
python如何对dataframe中行去重?
RT,自己随便写了个,显示错误为 ValueError: Can only compare identically-labeled DataFrame objects 但总感觉思路都错了....请指教一下 ``` import pandas as pd from pandas import DataFrame L=[] file=open('F:\\FCD\\实验文本.txt') a=file.readlines() for line in a: L.append(line.split(',')) data=pd.DataFrame(L) for i in range(len(data)): for u in range(len(data)): a=data[i:i+1] b=data[u:u+1] if u != i and a==b: data.drop(data.index[[i,i+1]],inplace=True) ```
Kafka实战(三) - Kafka的自我修养与定位
Apache Kafka是消息引擎系统,也是一个分布式流处理平台(Distributed Streaming Platform) Kafka是LinkedIn公司内部孵化的项目。LinkedIn最开始有强烈的数据强实时处理方面的需求,其内部的诸多子系统要执行多种类型的数据处理与分析,主要包括业务系统和应用程序性能监控,以及用户行为数据处理等。 遇到的主要问题: 数据正确性不足 数据的收集主要...
volatile 与 synchronize 详解
Java支持多个线程同时访问一个对象或者对象的成员变量,由于每个线程可以拥有这个变量的拷贝(虽然对象以及成员变量分配的内存是在共享内存中的,但是每个执行的线程还是可以拥有一份拷贝,这样做的目的是加速程序的执行,这是现代多核处理器的一个显著特性),所以程序在执行过程中,一个线程看到的变量并不一定是最新的。 volatile 关键字volatile可以用来修饰字段(成员变量),就是告知程序任何对该变量...
Java学习的正确打开方式
在博主认为,对于入门级学习java的最佳学习方法莫过于视频+博客+书籍+总结,前三者博主将淋漓尽致地挥毫于这篇博客文章中,至于总结在于个人,实际上越到后面你会发现学习的最好方式就是阅读参考官方文档其次就是国内的书籍,博客次之,这又是一个层次了,这里暂时不提后面再谈。博主将为各位入门java保驾护航,各位只管冲鸭!!!上天是公平的,只要不辜负时间,时间自然不会辜负你。 何谓学习?博主所理解的学习,它是一个过程,是一个不断累积、不断沉淀、不断总结、善于传达自己的个人见解以及乐于分享的过程。
程序员必须掌握的核心算法有哪些?
由于我之前一直强调数据结构以及算法学习的重要性,所以就有一些读者经常问我,数据结构与算法应该要学习到哪个程度呢?,说实话,这个问题我不知道要怎么回答你,主要取决于你想学习到哪些程度,不过针对这个问题,我稍微总结一下我学过的算法知识点,以及我觉得值得学习的算法。这些算法与数据结构的学习大多数是零散的,并没有一本把他们全部覆盖的书籍。下面是我觉得值得学习的一些算法以及数据结构,当然,我也会整理一些看过...
有哪些让程序员受益终生的建议
从业五年多,辗转两个大厂,出过书,创过业,从技术小白成长为基层管理,联合几个业内大牛回答下这个问题,希望能帮到大家,记得帮我点赞哦。 敲黑板!!!读了这篇文章,你将知道如何才能进大厂,如何实现财务自由,如何在工作中游刃有余,这篇文章很长,但绝对是精品,记得帮我点赞哦!!!! 一腔肺腑之言,能看进去多少,就看你自己了!!! 目录: 在校生篇: 为什么要尽量进大厂? 如何选择语言及方...
大学四年自学走来,这些私藏的实用工具/学习网站我贡献出来了
大学四年,看课本是不可能一直看课本的了,对于学习,特别是自学,善于搜索网上的一些资源来辅助,还是非常有必要的,下面我就把这几年私藏的各种资源,网站贡献出来给你们。主要有:电子书搜索、实用工具、在线视频学习网站、非视频学习网站、软件下载、面试/求职必备网站。 注意:文中提到的所有资源,文末我都给你整理好了,你们只管拿去,如果觉得不错,转发、分享就是最大的支持了。 一、电子书搜索 对于大部分程序员...
linux系列之常用运维命令整理笔录
本博客记录工作中需要的linux运维命令,大学时候开始接触linux,会一些基本操作,可是都没有整理起来,加上是做开发,不做运维,有些命令忘记了,所以现在整理成博客,当然vi,文件操作等就不介绍了,慢慢积累一些其它拓展的命令,博客不定时更新 free -m 其中:m表示兆,也可以用g,注意都要小写 Men:表示物理内存统计 total:表示物理内存总数(total=used+free) use...
比特币原理详解
一、什么是比特币 比特币是一种电子货币,是一种基于密码学的货币,在2008年11月1日由中本聪发表比特币白皮书,文中提出了一种去中心化的电子记账系统,我们平时的电子现金是银行来记账,因为银行的背后是国家信用。去中心化电子记账系统是参与者共同记账。比特币可以防止主权危机、信用风险。其好处不多做赘述,这一层面介绍的文章很多,本文主要从更深层的技术原理角度进行介绍。 二、问题引入 假设现有4个人...
GitHub开源史上最大规模中文知识图谱
近日,一直致力于知识图谱研究的 OwnThink 平台在 Github 上开源了史上最大规模 1.4 亿中文知识图谱,其中数据是以(实体、属性、值),(实体、关系、实体)混合的形式组织,数据格式采用 csv 格式。 到目前为止,OwnThink 项目开放了对话机器人、知识图谱、语义理解、自然语言处理工具。知识图谱融合了两千五百多万的实体,拥有亿级别的实体属性关系,机器人采用了基于知识图谱的语义感...
程序员接私活怎样防止做完了不给钱?
首先跟大家说明一点,我们做 IT 类的外包开发,是非标品开发,所以很有可能在开发过程中会有这样那样的需求修改,而这种需求修改很容易造成扯皮,进而影响到费用支付,甚至出现做完了项目收不到钱的情况。 那么,怎么保证自己的薪酬安全呢? 我们在开工前,一定要做好一些证据方面的准备(也就是“讨薪”的理论依据),这其中最重要的就是需求文档和验收标准。一定要让需求方提供这两个文档资料作为开发的基础。之后开发...
网页实现一个简单的音乐播放器(大佬别看。(⊙﹏⊙))
今天闲着无事,就想写点东西。然后听了下歌,就打算写个播放器。 于是乎用h5 audio的加上js简单的播放器完工了。 演示地点演示 html代码如下` music 这个年纪 七月的风 音乐 ` 然后就是css`*{ margin: 0; padding: 0; text-decoration: none; list-...
微信支付崩溃了,但是更让马化腾和张小龙崩溃的竟然是……
loonggg读完需要3分钟速读仅需1分钟事件还得还原到昨天晚上,10 月 29 日晚上 20:09-21:14 之间,微信支付发生故障,全国微信支付交易无法正常进行。然...
Python十大装B语法
Python 是一种代表简单思想的语言,其语法相对简单,很容易上手。不过,如果就此小视 Python 语法的精妙和深邃,那就大错特错了。本文精心筛选了最能展现 Python 语法之精妙的十个知识点,并附上详细的实例代码。如能在实战中融会贯通、灵活使用,必将使代码更为精炼、高效,同时也会极大提升代码B格,使之看上去更老练,读起来更优雅。
数据库优化 - SQL优化
以实际SQL入手,带你一步一步走上SQL优化之路!
2019年11月中国大陆编程语言排行榜
2019年11月2日,我统计了某招聘网站,获得有效程序员招聘数据9万条。针对招聘信息,提取编程语言关键字,并统计如下: 编程语言比例 rank pl_ percentage 1 java 33.62% 2 cpp 16.42% 3 c_sharp 12.82% 4 javascript 12.31% 5 python 7.93% 6 go 7.25% 7 p...
通俗易懂地给女朋友讲:线程池的内部原理
餐盘在灯光的照耀下格外晶莹洁白,女朋友拿起红酒杯轻轻地抿了一小口,对我说:“经常听你说线程池,到底线程池到底是个什么原理?”
《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。 也可以说是一个小型人工智障。 知识可以运用在不同地方,不一定非是天气预报。
经典算法(5)杨辉三角
杨辉三角 是经典算法,这篇博客对它的算法思想进行了讲解,并有完整的代码实现。
英特尔不为人知的 B 面
从 PC 时代至今,众人只知在 CPU、GPU、XPU、制程、工艺等战场中,英特尔在与同行硬件芯片制造商们的竞争中杀出重围,且在不断的成长进化中,成为全球知名的半导体公司。殊不知,在「刚硬」的背后,英特尔「柔性」的软件早已经做到了全方位的支持与支撑,并持续发挥独特的生态价值,推动产业合作共赢。 而对于这一不知人知的 B 面,很多人将其称之为英特尔隐形的翅膀,虽低调,但是影响力却不容小觑。 那么,在...
腾讯算法面试题:64匹马8个跑道需要多少轮才能选出最快的四匹?
昨天,有网友私信我,说去阿里面试,彻底的被打击到了。问了为什么网上大量使用ThreadLocal的源码都会加上private static?他被难住了,因为他从来都没有考虑过这个问题。无独有偶,今天笔者又发现有网友吐槽了一道腾讯的面试题,我们一起来看看。 腾讯算法面试题:64匹马8个跑道需要多少轮才能选出最快的四匹? 在互联网职场论坛,一名程序员发帖求助到。二面腾讯,其中一个算法题:64匹...
面试官:你连RESTful都不知道我怎么敢要你?
干货,2019 RESTful最贱实践
刷了几千道算法题,这些我私藏的刷题网站都在这里了!
遥想当年,机缘巧合入了 ACM 的坑,周边巨擘林立,从此过上了"天天被虐似死狗"的生活… 然而我是谁,我可是死狗中的战斗鸡,智力不够那刷题来凑,开始了夜以继日哼哧哼哧刷题的日子,从此"读题与提交齐飞, AC 与 WA 一色 ",我惊喜的发现被题虐既刺激又有快感,那一刻我泪流满面。这么好的事儿作为一个正直的人绝不能自己独享,经过激烈的颅内斗争,我决定把我私藏的十几个 T 的,阿不,十几个刷题网...
为啥国人偏爱Mybatis,而老外喜欢Hibernate/JPA呢?
关于SQL和ORM的争论,永远都不会终止,我也一直在思考这个问题。昨天又跟群里的小伙伴进行了一番讨论,感触还是有一些,于是就有了今天这篇文。 声明:本文不会下关于Mybatis和JPA两个持久层框架哪个更好这样的结论。只是摆事实,讲道理,所以,请各位看官勿喷。 一、事件起因 关于Mybatis和JPA孰优孰劣的问题,争论已经很多年了。一直也没有结论,毕竟每个人的喜好和习惯是大不相同的。我也看...
白话阿里巴巴Java开发手册高级篇
不久前,阿里巴巴发布了《阿里巴巴Java开发手册》,总结了阿里巴巴内部实际项目开发过程中开发人员应该遵守的研发流程规范,这些流程规范在一定程度上能够保证最终的项目交付质量,通过在时间中总结模式,并推广给广大开发人员,来避免研发人员在实践中容易犯的错误,确保最终在大规模协作的项目中达成既定目标。 无独有偶,笔者去年在公司里负责升级和制定研发流程、设计模板、设计标准、代码标准等规范,并在实际工作中进行...
SQL-小白最佳入门sql查询一
不要偷偷的查询我的个人资料,即使你再喜欢我,也不要这样,真的不好;
项目中的if else太多了,该怎么重构?
介绍 最近跟着公司的大佬开发了一款IM系统,类似QQ和微信哈,就是聊天软件。我们有一部分业务逻辑是这样的 if (msgType = "文本") { // dosomething } else if(msgType = "图片") { // doshomething } else if(msgType = "视频") { // doshomething } else { // doshom...
Nginx 原理和架构
Nginx 是一个免费的,开源的,高性能的 HTTP 服务器和反向代理,以及 IMAP / POP3 代理服务器。Nginx 以其高性能,稳定性,丰富的功能,简单的配置和低资源消耗而闻名。 Nginx 的整体架构 Nginx 里有一个 master 进程和多个 worker 进程。master 进程并不处理网络请求,主要负责调度工作进程:加载配置、启动工作进程及非停升级。worker 进程负责处...
YouTube排名第一的励志英文演讲《Dream(梦想)》
Idon’t know what that dream is that you have, I don't care how disappointing it might have been as you've been working toward that dream,but that dream that you’re holding in your mind, that it’s po...
“狗屁不通文章生成器”登顶GitHub热榜,分分钟写出万字形式主义大作
一、垃圾文字生成器介绍 最近在浏览GitHub的时候,发现了这样一个骨骼清奇的雷人项目,而且热度还特别高。 项目中文名:狗屁不通文章生成器 项目英文名:BullshitGenerator 根据作者的介绍,他是偶尔需要一些中文文字用于GUI开发时测试文本渲染,因此开发了这个废话生成器。但由于生成的废话实在是太过富于哲理,所以最近已经被小伙伴们给玩坏了。 他的文风可能是这样的: 你发现,...
程序员:我终于知道post和get的区别
是一个老生常谈的话题,然而随着不断的学习,对于以前的认识有很多误区,所以还是需要不断地总结的,学而时习之,不亦说乎
相关热词 c#委托 逆变与协变 c#新建一个项目 c#获取dll文件路径 c#子窗体调用主窗体事件 c# 拷贝目录 c# 调用cef 网页填表c#源代码 c#部署端口监听项目、 c#接口中的属性使用方法 c# 昨天
立即提问