Evas77
Evas77

第一次尝试

# 导入 pandas 模块
import pandas as pd   
#pandas是解决数据分析

# 设置直接显示图片
%matplotlib inline
# %为魔法命令。matplotlib为最著名的Python图表绘制扩展库

stock = pd.read_csv('stock.csv', parse_dates=True, index_col='Date')

stock
#运行正常。显示出数据。它就是读取的stock.csv这个文件








































































































































































































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-05 154.34 154.45 153.46 153.93 25331662
2017-06-06 153.90 155.81 153.78 154.45 26624926
2017-06-07 155.02 155.98 154.48 155.37 21069647
2017-06-08 155.25 155.54 154.40 154.99 21250798
2017-06-09 155.19 155.19 146.02 148.98 64882657
2017-06-12 145.74 146.09 142.51 145.42 72307330
2017-06-13 147.16 147.45 145.15 146.59 34165445
2017-06-14 147.50 147.50 143.84 145.16 31531232
2017-06-15 143.32 144.48 142.21 144.29 32165373
2017-06-16 143.78 144.50 142.20 142.27 50361093
2017-06-19 143.66 146.74 143.66 146.34 32541404
2017-06-20 146.87 146.87 144.94 145.01 24900073
2017-06-21 145.52 146.07 144.61 145.87 21265751
2017-06-22 145.77 146.70 145.12 145.63 19106294
2017-06-23 145.13 147.16 145.11 146.28 35439389
2017-06-26 147.17 148.28 145.38 145.82 25692361
2017-06-27 145.01 146.16 143.62 143.73 24761891
2017-06-28 144.49 146.11 143.16 145.83 22082432
2017-06-29 144.71 145.13 142.28 143.68 31499368
2017-06-30 144.45 144.96 143.78 144.02 23024107 

stock.head()
#head是显示头部数据，默认是前五个数据
































































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-05 154.34 154.45 153.46 153.93 25331662
2017-06-06 153.90 155.81 153.78 154.45 26624926
2017-06-07 155.02 155.98 154.48 155.37 21069647 

stock.head(3)
#（）里面可以设置你需要查找的数量，比如我需要查找前3个的数据，只需要在（）里输入3就可以了
















































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-05 154.34 154.45 153.46 153.93 25331662 

stock.tail()
#tail是显示尾部的数据，默认就是最后5个数据。（）也是同上面的一样，输入数字，代表是查找对应最后几个的数据。
































































Open High Low Close Volume
Date
2017-06-26 147.17 148.28 145.38 145.82 25692361
2017-06-27 145.01 146.16 143.62 143.73 24761891
2017-06-28 144.49 146.11 143.16 145.83 22082432
2017-06-29 144.71 145.13 142.28 143.68 31499368
2017-06-30 144.45 144.96 143.78 144.02 23024107 

stock.shape
#shape表示数据的形状，行和列。本数据就是22行，5列

(22, 5)

stock.columns
#我的理解就是显示文件列的数据标题。

Index(['Open', 'High', 'Low', 'Close', 'Volume'], dtype='object')

stock.index
#我的理解就是显示数据行的标题

DatetimeIndex(['2017-06-01', '2017-06-02', '2017-06-05', '2017-06-06',
               '2017-06-07', '2017-06-08', '2017-06-09', '2017-06-12',
               '2017-06-13', '2017-06-14', '2017-06-15', '2017-06-16',
               '2017-06-19', '2017-06-20', '2017-06-21', '2017-06-22',
               '2017-06-23', '2017-06-26', '2017-06-27', '2017-06-28',
               '2017-06-29', '2017-06-30'],
              dtype='datetime64[ns]', name='Date', freq=None)

stock.info()
#我的理解就是像查看文件属性是一样的


DatetimeIndex: 22 entries, 2017-06-01 to 2017-06-30
Data columns (total 5 columns):
Open      22 non-null float64
High      22 non-null float64
Low       22 non-null float64
Close     22 non-null float64
Volume    22 non-null int64
dtypes: float64(4), int64(1)
memory usage: 1.0 KB

stock.info(10)
#后面的（）有何意义呢？


DatetimeIndex: 22 entries, 2017-06-01 to 2017-06-30
Data columns (total 5 columns):
Open      22 non-null float64
High      22 non-null float64
Low       22 non-null float64
Close     22 non-null float64
Volume    22 non-null int64
dtypes: float64(4), int64(1)
memory usage: 1.0 KB

stock.describe()
















































































Open High Low Close Volume
count 22.000000 22.000000 22.000000 22.000000 2.200000e+01
mean 148.215000 149.088636 146.582727 147.831364 3.109900e+07
std 4.450871 4.337027 4.507623 4.434315 1.416738e+07
min 143.320000 144.480000 142.200000 142.270000 1.640409e+07
25% 144.785000 146.095000 143.630000 145.047500 2.231785e+07
50% 146.320000 147.015000 145.025000 145.850000 2.615864e+07
75% 153.477500 154.170000 150.670000 152.130000 3.244740e+07
max 155.250000 155.980000 154.480000 155.450000 7.230733e+07 

stock.plot()
#绘图，折线图




stock.plot(y='Open')
#()里设置要显示的折线图数据



stock['Close']
#使用[]可以进行数据的索引。搜索某一项的数据

Date
2017-06-01    153.18
2017-06-02    155.45
2017-06-05    153.93
2017-06-06    154.45
2017-06-07    155.37
2017-06-08    154.99
2017-06-09    148.98
2017-06-12    145.42
2017-06-13    146.59
2017-06-14    145.16
2017-06-15    144.29
2017-06-16    142.27
2017-06-19    146.34
2017-06-20    145.01
2017-06-21    145.87
2017-06-22    145.63
2017-06-23    146.28
2017-06-26    145.82
2017-06-27    143.73
2017-06-28    145.83
2017-06-29    143.68
2017-06-30    144.02
Name: Close, dtype: float64

stock['Open']

Date
2017-06-01    153.17
2017-06-02    153.58
2017-06-05    154.34
2017-06-06    153.90
2017-06-07    155.02
2017-06-08    155.25
2017-06-09    155.19
2017-06-12    145.74
2017-06-13    147.16
2017-06-14    147.50
2017-06-15    143.32
2017-06-16    143.78
2017-06-19    143.66
2017-06-20    146.87
2017-06-21    145.52
2017-06-22    145.77
2017-06-23    145.13
2017-06-26    147.17
2017-06-27    145.01
2017-06-28    144.49
2017-06-29    144.71
2017-06-30    144.45
Name: Open, dtype: float64

stock.Close
#不使用中括号也可以索引

Date
2017-06-01    153.18
2017-06-02    155.45
2017-06-05    153.93
2017-06-06    154.45
2017-06-07    155.37
2017-06-08    154.99
2017-06-09    148.98
2017-06-12    145.42
2017-06-13    146.59
2017-06-14    145.16
2017-06-15    144.29
2017-06-16    142.27
2017-06-19    146.34
2017-06-20    145.01
2017-06-21    145.87
2017-06-22    145.63
2017-06-23    146.28
2017-06-26    145.82
2017-06-27    143.73
2017-06-28    145.83
2017-06-29    143.68
2017-06-30    144.02
Name: Close, dtype: float64

stock['Close']['2017-06-01']
#可以精准索引到某一项

153.18000000000001

stock['Close']['2017-06-07']

155.37

stock['Close'][0]

153.18000000000001

stock['Close'][5]

154.99000000000001

stock['Close'][2]
#我的理解是后面的中括号里的数字是表示该数字的个数的下一个数的内容

153.93000000000001

stock[['Close']]
#这个跟前面的stock.['Open']差不多，只是显示出来不一样








































































































Close
Date
2017-06-01 153.18
2017-06-02 155.45
2017-06-05 153.93
2017-06-06 154.45
2017-06-07 155.37
2017-06-08 154.99
2017-06-09 148.98
2017-06-12 145.42
2017-06-13 146.59
2017-06-14 145.16
2017-06-15 144.29
2017-06-16 142.27
2017-06-19 146.34
2017-06-20 145.01
2017-06-21 145.87
2017-06-22 145.63
2017-06-23 146.28
2017-06-26 145.82
2017-06-27 143.73
2017-06-28 145.83
2017-06-29 143.68
2017-06-30 144.02 

stock.Close

Date
2017-06-01    153.18
2017-06-02    155.45
2017-06-05    153.93
2017-06-06    154.45
2017-06-07    155.37
2017-06-08    154.99
2017-06-09    148.98
2017-06-12    145.42
2017-06-13    146.59
2017-06-14    145.16
2017-06-15    144.29
2017-06-16    142.27
2017-06-19    146.34
2017-06-20    145.01
2017-06-21    145.87
2017-06-22    145.63
2017-06-23    146.28
2017-06-26    145.82
2017-06-27    143.73
2017-06-28    145.83
2017-06-29    143.68
2017-06-30    144.02
Name: Close, dtype: float64

stock[['Open','Close']]
#搜索Open和Close这两项
































































































































Open Close
Date
2017-06-01 153.17 153.18
2017-06-02 153.58 155.45
2017-06-05 154.34 153.93
2017-06-06 153.90 154.45
2017-06-07 155.02 155.37
2017-06-08 155.25 154.99
2017-06-09 155.19 148.98
2017-06-12 145.74 145.42
2017-06-13 147.16 146.59
2017-06-14 147.50 145.16
2017-06-15 143.32 144.29
2017-06-16 143.78 142.27
2017-06-19 143.66 146.34
2017-06-20 146.87 145.01
2017-06-21 145.52 145.87
2017-06-22 145.77 145.63
2017-06-23 145.13 146.28
2017-06-26 147.17 145.82
2017-06-27 145.01 143.73
2017-06-28 144.49 145.83
2017-06-29 144.71 143.68
2017-06-30 144.45 144.02 

stock.loc['2017-06-01', 'Close']

153.18000000000001

stock.loc[:, 'Close']

Date
2017-06-01    153.18
2017-06-02    155.45
2017-06-05    153.93
2017-06-06    154.45
2017-06-07    155.37
2017-06-08    154.99
2017-06-09    148.98
2017-06-12    145.42
2017-06-13    146.59
2017-06-14    145.16
2017-06-15    144.29
2017-06-16    142.27
2017-06-19    146.34
2017-06-20    145.01
2017-06-21    145.87
2017-06-22    145.63
2017-06-23    146.28
2017-06-26    145.82
2017-06-27    143.73
2017-06-28    145.83
2017-06-29    143.68
2017-06-30    144.02
Name: Close, dtype: float64


stock.loc[:,'Open']
#跟上面使用中括号是一样的。

Date
2017-06-01    153.17
2017-06-02    153.58
2017-06-05    154.34
2017-06-06    153.90
2017-06-07    155.02
2017-06-08    155.25
2017-06-09    155.19
2017-06-12    145.74
2017-06-13    147.16
2017-06-14    147.50
2017-06-15    143.32
2017-06-16    143.78
2017-06-19    143.66
2017-06-20    146.87
2017-06-21    145.52
2017-06-22    145.77
2017-06-23    145.13
2017-06-26    147.17
2017-06-27    145.01
2017-06-28    144.49
2017-06-29    144.71
2017-06-30    144.45
Name: Open, dtype: float64

stock.loc['2017-06-01':'2017-06-05', 'Close']
#可以搜索某一个时间段的数据

Date
2017-06-01    153.18
2017-06-02    155.45
2017-06-05    153.93
Name: Close, dtype: float64

stock.loc['2017-06-06':'2017-06-21', 'Close']

Date
2017-06-06    154.45
2017-06-07    155.37
2017-06-08    154.99
2017-06-09    148.98
2017-06-12    145.42
2017-06-13    146.59
2017-06-14    145.16
2017-06-15    144.29
2017-06-16    142.27
2017-06-19    146.34
2017-06-20    145.01
2017-06-21    145.87
Name: Close, dtype: float64

stock.loc['2017-06-01':'2017-06-05', 'Open':'Close']











































Open High Low Close
Date
2017-06-01 153.17 153.33 152.22 153.18
2017-06-02 153.58 155.45 152.89 155.45
2017-06-05 154.34 154.45 153.46 153.93 

stock.loc['2017-06-01':'2017-06-05', ['Open', 'Close']]

































Open Close
Date
2017-06-01 153.17 153.18
2017-06-02 153.58 155.45
2017-06-05 154.34 153.93 

#    ：表示的是从一项到另外一项里的所有内容。  ，表示这两项里的内容

stock.loc['2017-06-01':'2017-06-05', ['Open', 'Close','High']]






































Open Close High
Date
2017-06-01 153.17 153.18 153.33
2017-06-02 153.58 155.45 155.45
2017-06-05 154.34 153.93 154.45 

stock.iloc[0,3]
#没懂

153.18000000000001

stock.iloc[0:2, 0:3]
#这个应该是查找数据的前2行，前3列
































Open High Low
Date
2017-06-01 153.17 153.33 152.22
2017-06-02 153.58 155.45 152.89 

stock.iloc[0:5, 0:4]
#对了就是的

























































Open High Low Close
Date
2017-06-01 153.17 153.33 152.22 153.18
2017-06-02 153.58 155.45 152.89 155.45
2017-06-05 154.34 154.45 153.46 153.93
2017-06-06 153.90 155.81 153.78 154.45
2017-06-07 155.02 155.98 154.48 155.37 


stock.iloc[0:2, :]
#这个是表示前2行，后面没有数字，则表示全部列吧








































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715 

stock.Volume > 5e7

Date
2017-06-01    False
2017-06-02    False
2017-06-05    False
2017-06-06    False
2017-06-07    False
2017-06-08    False
2017-06-09     True
2017-06-12     True
2017-06-13    False
2017-06-14    False
2017-06-15    False
2017-06-16     True
2017-06-19    False
2017-06-20    False
2017-06-21    False
2017-06-22    False
2017-06-23    False
2017-06-26    False
2017-06-27    False
2017-06-28    False
2017-06-29    False
2017-06-30    False
Name: Volume, dtype: bool

stock.Open > 5e7
#5e7是表示5千万？

Date
2017-06-01    False
2017-06-02    False
2017-06-05    False
2017-06-06    False
2017-06-07    False
2017-06-08    False
2017-06-09    False
2017-06-12    False
2017-06-13    False
2017-06-14    False
2017-06-15    False
2017-06-16    False
2017-06-19    False
2017-06-20    False
2017-06-21    False
2017-06-22    False
2017-06-23    False
2017-06-26    False
2017-06-27    False
2017-06-28    False
2017-06-29    False
2017-06-30    False
Name: Open, dtype: bool

stock[stock.Volume > 5e7]
















































Open High Low Close Volume
Date
2017-06-09 155.19 155.19 146.02 148.98 64882657
2017-06-12 145.74 146.09 142.51 145.42 72307330
2017-06-16 143.78 144.50 142.20 142.27 50361093 

stock[stock.Volume < 5e7]
















































































































































































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-05 154.34 154.45 153.46 153.93 25331662
2017-06-06 153.90 155.81 153.78 154.45 26624926
2017-06-07 155.02 155.98 154.48 155.37 21069647
2017-06-08 155.25 155.54 154.40 154.99 21250798
2017-06-13 147.16 147.45 145.15 146.59 34165445
2017-06-14 147.50 147.50 143.84 145.16 31531232
2017-06-15 143.32 144.48 142.21 144.29 32165373
2017-06-19 143.66 146.74 143.66 146.34 32541404
2017-06-20 146.87 146.87 144.94 145.01 24900073
2017-06-21 145.52 146.07 144.61 145.87 21265751
2017-06-22 145.77 146.70 145.12 145.63 19106294
2017-06-23 145.13 147.16 145.11 146.28 35439389
2017-06-26 147.17 148.28 145.38 145.82 25692361
2017-06-27 145.01 146.16 143.62 143.73 24761891
2017-06-28 144.49 146.11 143.16 145.83 22082432
2017-06-29 144.71 145.13 142.28 143.68 31499368
2017-06-30 144.45 144.96 143.78 144.02 23024107 

stock[stock.Volume> 5e7]
#加中括号应该是精确显示大于5千万的所有数据吧
















































Open High Low Close Volume
Date
2017-06-09 155.19 155.19 146.02 148.98 64882657
2017-06-12 145.74 146.09 142.51 145.42 72307330
2017-06-16 143.78 144.50 142.20 142.27 50361093 

stock.Open>5e7

Date
2017-06-01    False
2017-06-02    False
2017-06-05    False
2017-06-06    False
2017-06-07    False
2017-06-08    False
2017-06-09    False
2017-06-12    False
2017-06-13    False
2017-06-14    False
2017-06-15    False
2017-06-16    False
2017-06-19    False
2017-06-20    False
2017-06-21    False
2017-06-22    False
2017-06-23    False
2017-06-26    False
2017-06-27    False
2017-06-28    False
2017-06-29    False
2017-06-30    False
Name: Open, dtype: bool

stock[stock.Close > stock.Open]
































































































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-06 153.90 155.81 153.78 154.45 26624926
2017-06-07 155.02 155.98 154.48 155.37 21069647
2017-06-15 143.32 144.48 142.21 144.29 32165373
2017-06-19 143.66 146.74 143.66 146.34 32541404
2017-06-21 145.52 146.07 144.61 145.87 21265751
2017-06-23 145.13 147.16 145.11 146.28 35439389
2017-06-28 144.49 146.11 143.16 145.83 22082432 

stock[(stock.Close > stock.Open) & (stock.Volume > 3e7)]
#没懂
















































Open High Low Close Volume
Date
2017-06-15 143.32 144.48 142.21 144.29 32165373
2017-06-19 143.66 146.74 143.66 146.34 32541404
2017-06-23 145.13 147.16 145.11 146.28 35439389 

stock[(stock.Close > stock.Open) | (stock.Volume > 5e7)]
























































































































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-06 153.90 155.81 153.78 154.45 26624926
2017-06-07 155.02 155.98 154.48 155.37 21069647
2017-06-09 155.19 155.19 146.02 148.98 64882657
2017-06-12 145.74 146.09 142.51 145.42 72307330
2017-06-15 143.32 144.48 142.21 144.29 32165373
2017-06-16 143.78 144.50 142.20 142.27 50361093
2017-06-19 143.66 146.74 143.66 146.34 32541404
2017-06-21 145.52 146.07 144.61 145.87 21265751
2017-06-23 145.13 147.16 145.11 146.28 35439389
2017-06-28 144.49 146.11 143.16 145.83 22082432 

stock[(stock.Close > stock.Open) | (stock.Volume > 5e7)|(stock.Low)>5e7]
#自己弄了一个，感觉没对
























Open High Low Close Volume
Date 

stock['fluctuation'] = stock['High'] - stock['Low']
stock.head()
#波动







































































Open High Low Close Volume fluctuation
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088 1.11
2017-06-02 153.58 155.45 152.89 155.45 27770715 2.56
2017-06-05 154.34 154.45 153.46 153.93 25331662 0.99
2017-06-06 153.90 155.81 153.78 154.45 26624926 2.03
2017-06-07 155.02 155.98 154.48 155.37 21069647 1.50 

stock['Close'].shift(1)
#没懂

Date
2017-06-01       NaN
2017-06-02    153.18
2017-06-05    155.45
2017-06-06    153.93
2017-06-07    154.45
2017-06-08    155.37
2017-06-09    154.99
2017-06-12    148.98
2017-06-13    145.42
2017-06-14    146.59
2017-06-15    145.16
2017-06-16    144.29
2017-06-19    142.27
2017-06-20    146.34
2017-06-21    145.01
2017-06-22    145.87
2017-06-23    145.63
2017-06-26    146.28
2017-06-27    145.82
2017-06-28    143.73
2017-06-29    145.83
2017-06-30    143.68
Name: Close, dtype: float64

stock['Change'] = stock['Close'] - stock['Close'].shift(1)
stock.head()














































































Open High Low Close Volume fluctuation Change
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088 1.11 NaN
2017-06-02 153.58 155.45 152.89 155.45 27770715 2.56 2.27
2017-06-05 154.34 154.45 153.46 153.93 25331662 0.99 -1.52
2017-06-06 153.90 155.81 153.78 154.45 26624926 2.03 0.52
2017-06-07 155.02 155.98 154.48 155.37 21069647 1.50 0.92 

stock['Change'] = stock['Close'] - stock['Close'].shift(2)
stock.head()
#没懂














































































Open High Low Close Volume fluctuation Change
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088 1.11 NaN
2017-06-02 153.58 155.45 152.89 155.45 27770715 2.56 NaN
2017-06-05 154.34 154.45 153.46 153.93 25331662 0.99 0.75
2017-06-06 153.90 155.81 153.78 154.45 26624926 2.03 -1.00
2017-06-07 155.02 155.98 154.48 155.37 21069647 1.50 1.44 

#第一题：2017年6月22日当天的收盘价是多少？

stock['Close']['2017-06-22']

145.63

#第二题： 成交量超过7千万的是哪一天？

stock.[stock.Volume>5e7]

  File "", line 1
    stock.[stock.Volume>5e7]
          ^
SyntaxError: invalid syntax

stock.Volume>7e7

Date
2017-06-01    False
2017-06-02    False
2017-06-05    False
2017-06-06    False
2017-06-07    False
2017-06-08    False
2017-06-09    False
2017-06-12     True
2017-06-13    False
2017-06-14    False
2017-06-15    False
2017-06-16    False
2017-06-19    False
2017-06-20    False
2017-06-21    False
2017-06-22    False
2017-06-23    False
2017-06-26    False
2017-06-27    False
2017-06-28    False
2017-06-29    False
2017-06-30    False
Name: Volume, dtype: bool

#第三题：在2017年6月28日，收盘价减去开盘价是多少？

stock['2017-06-28']['Close'-'Open']
#没做出来

---------------------------------------------------------------------------

KeyError                                  Traceback (most recent call last)

C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\indexes\base.py in get_loc(self, key, method, tolerance)
   2392             try:
-> 2393                 return self._engine.get_loc(key)
   2394             except KeyError:


pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc (pandas\_libs\index.c:5239)()


pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc (pandas\_libs\index.c:5085)()


pandas\_libs\hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item (pandas\_libs\hashtable.c:20405)()


pandas\_libs\hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item (pandas\_libs\hashtable.c:20359)()


KeyError: '2017-06-28'


During handling of the above exception, another exception occurred:


KeyError                                  Traceback (most recent call last)

 in ()
----> 1 stock['2017-06-28']['Close'-'Open']


C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\frame.py in __getitem__(self, key)
   2060             return self._getitem_multilevel(key)
   2061         else:
-> 2062             return self._getitem_column(key)
   2063 
   2064     def _getitem_column(self, key):


C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\frame.py in _getitem_column(self, key)
   2067         # get column
   2068         if self.columns.is_unique:
-> 2069             return self._get_item_cache(key)
   2070 
   2071         # duplicate columns & possible reduce dimensionality


C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\generic.py in _get_item_cache(self, item)
   1532         res = cache.get(item)
   1533         if res is None:
-> 1534             values = self._data.get(item)
   1535             res = self._box_item_values(item, values)
   1536             cache[item] = res


C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\internals.py in get(self, item, fastpath)
   3588 
   3589             if not isnull(item):
-> 3590                 loc = self.items.get_loc(item)
   3591             else:
   3592                 indexer = np.arange(len(self.items))[isnull(self.items)]


C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\indexes\base.py in get_loc(self, key, method, tolerance)
   2393                 return self._engine.get_loc(key)
   2394             except KeyError:
-> 2395                 return self._engine.get_loc(self._maybe_cast_indexer(key))
   2396 
   2397         indexer = self.get_indexer([key], method=method, tolerance=tolerance)


pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc (pandas\_libs\index.c:5239)()


pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc (pandas\_libs\index.c:5085)()


pandas\_libs\hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item (pandas\_libs\hashtable.c:20405)()


pandas\_libs\hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item (pandas\_libs\hashtable.c:20359)()


KeyError: '2017-06-28'

#第四题： 开盘价低于144并且成交量大于5千万那一天的收盘价是多少？

stock[(stock.Open<144)&(stock.Volume>5e7)]






































Open High Low Close Volume fluctuation Change
Date
2017-06-16 143.78 144.5 142.2 142.27 50361093 2.3 -2.89 

#第五题： 课程中计算的涨跌幅change的最大值是多少？

stock.change

---------------------------------------------------------------------------

AttributeError                            Traceback (most recent call last)

 in ()
----> 1 stock.change.max()


C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\generic.py in __getattr__(self, name)
   2968             if name in self._info_axis:
   2969                 return self[name]
-> 2970             return object.__getattribute__(self, name)
   2971 
   2972     def __setattr__(self, name, value):


AttributeError: 'DataFrame' object has no attribute 'change'

stock['Change'] =['stock.Open':'stock.Volume'>max]
#没做来

  File "", line 1
    stock['Change'] =['stock.Open':'stock.Volume'>max]
                                  ^
SyntaxError: invalid syntax

#第一课都走了一遍，还是学到一些东西，但是还是很多东西没有学懂。

你可能感兴趣的:(第一次尝试)

  • 铭刻于星（四十二） 随风至
    69夜晚，绍敏同学做完功课后，看了眼房外，没听到动静才敢从书包的夹层里拿出那个心形纸团。折痕压得很深，都有些旧了，想来是已经写好很久了。绍敏同学慢慢地、轻轻地捏开折叠处，待到全部拆开后，又反复抚平纸张，然后仔细地一字字默看。只是开头的三个字是第一次看到，让她心漏跳了几拍。“亲爱的绍敏：从四年级的时候，我就喜欢你了，但是我一直不敢说，怕影响你学习。六年级的时候听说有人跟你表白，你接受了，我很难过，但
  • 《策划经理回忆录之二》 路基雅虎
    话说三年变六年，飘了，飘了……眨眼，2013年5月，老吴回到了他的家乡——油城从新开启他的工作幻想症生涯。很庆幸，这是一家很有追求，同时敢于尝试的，且实力不容低调的新星房企——金源置业(前身泰源置业)更值得庆幸的是第一个盘就是油城十路的标杆之一:金源盛世。2013年5月，到2015年11月，两年的陪伴，迎来了一场大爆发。2000个筹，5万/筹，直接回笼1个亿！！！这……让我开始认真审视这座看似五线
  • 2.0践行没有你的参与就不完美 x秀丽x
    亲爱的伙伴们早上好，今天早上我们开了一次班委竞选的会议，全程只有20多个人参与，宫班本着对大家负责任的态度告诉我们，此次竞选作废，原因是这没有达到2.0的100%参会要求，如果没有大家的参与那么这个班委选出来还有什么意义，这说明选出来的人也是不一定是我们大家心目中认可的那个人，所以为了让大家的这个90天能够更好的激发出自己的的“做”的能力，那么要从第一次竞选班委的会议开始做到100%出席会议，竞选
  • 【穿过丛林看见你】2015年在《诗歌报》读诗日记（一） 快快_ce70
    写完《三月的领土》和《手握一把锄头，在翻动诗歌的春天》之后，安稳的睡了个好觉，这是从2013年的五月之后，第一次睡的如此安稳和香甜。其实这对于我来说，也没有什么特别的意义和变故，就像我现在的生活在人人忙着踏青、写生、拍照的春天。在我脚下，没有领土的完整，也没有加剧的破碎。我曾经和现在都是个辛勤的“蜂农”，在这样一个角色里，尽管有人盗走了我所有的蜜，但不妨碍我对甜蜜的不懈追求和喜爱。翻开最近的阅读笔
  • 和自己结婚，是一种怎样的体验 只如初见_2020
    一个17岁谈恋爱，19岁结婚，然后离了三次婚的女人，站在台上说：“现在我结婚了，和那个一直以来，真正想在一起的人结婚了，那个人就是我自己。”她说，在我9岁前，我已经在二十几个寄养家庭中待过。我从童年到成年，就只有一个目标，不要被落下。而我实现这一目标的方式就是，我要结婚。我第一次的结婚对象，是我17岁时遇到的人。我们两年之后结了婚，当时我19岁。他是个非常好的人，来自于非常棒的家庭，他是工商管理硕
  • 基于Python给出的PDF文档转Markdown文档的方法 程序媛了了 pythonpdf开发语言
    注：网上有很多将Markdown文档转为PDF文档的方法，但是却很少有将PDF文档转为Markdown文档的方法。就算有，比如某些网站声称可以将PDF文档转为Markdown文档，尝试过，不太符合自己的要求，而且无法保证文档没有泄露风险。于是本人为了解决这个问题，借助GPT（能使用GPT镜像或者有条件直接使用GPT的，反正能调用GPT接口就行）生成Python代码来完成这个功能。笔记、代码难免存在
  • 2021年2月21日 1000天演讲打卡第52天 乒乓球 巅峰_时刻
    哈喽大家好，我是嘟嘟，今天是2021年2月21日，也是我1000天演讲打卡第52天，今天我要与大家探讨的主题关于乒乓球。乒乓球，是我目前和小伙伴们最喜欢的一项运动，记得第一次打乒乓球的时候，还是4年前与姥姥娱乐，当时姥姥姥爷来深圳了，这边没有朋友，所以他们每天都会去打乒乓球，有一次我初于好奇心，找他们打了几局，打完下来我大汗淋漓，可心中觉得乒乓球比篮球好多了，也是从那是开始，我要求与姥姥姥爷一起打
  • 骑昆明到北海—119 砚山县 61清风i
    从十年前第一次长途骑行青海湖开始每年一次长途骑行看风景，尝各地美食，探访异域文化，记录途中美食美景美事，已逐渐形成习惯。每年春季详细规划好线路，夏季出行，2020年因为疫情迟迟不能确定线路和行程。总算到了暑期疫情逐渐消失，规划了50多天的云南昆明—广西北海计划。本次行程从云南昆明出发到广西北海市结束，五十一天骑行二千多公里线路昆明-官渡古镇-环滇池--澄江市一抚仙湖—路居镇--江川区--通海县—龙
  • Mongodb Error: queryTxt ETIMEOUT xxxx.wwwdz.mongodb.net 佛一脚 errorreactmongodb数据库
    背景每天都能遇到奇怪的问题，做个记录，以便有缘人能得到帮助！换了一台电脑开发nextjs程序。需要连接mongodb数据，对数据进行增删改查。上一台电脑好好的程序，新电脑死活连不上mongodb数据库。同一套代码，没任何修改，搞得我怀疑人生了，打开浏览器进入mongodb官网毫无问题，也能进入线上系统查看数据，网络应该是没问题。于是我尝试了一下手机热点，这次代码能正常跑起来，连接数据库了！！！是不
  • 蒸花卷 蓝色逍遥398
    2020年6月7日雨周日自昨天老婆第一次做包子大获成功后，她的自信心前所未有的爆棚。“猪爸，冰箱里还有多少馒头？”老婆问我。“应该还有两三个吧，一会儿我要去超市买馒头了。”我打开冰箱看后回答。“不用去了，今天我来给你们蒸馒头！”老婆颇为骄傲地说。“真的，要学者蒸馒头了？”我有些惊喜。“猪媽，你真的要蒸馒头了吗？”宝贝也有些不敢相信自己的耳朵，充满期待地看着妈咪。“那当然了，而且我还要给你们做花卷呢
  • iPhone怎么删除重复照片，可以尝试这几种方法 2401_85240355 iphoneios
    在数字化时代，智能手机尤其是iPhone成为我们日常生活中不可或缺的一部分。随着我们不断使用iPhone拍照，重复照片的积累逐渐成为一个普遍问题。这不仅占用了大量的存储空间，也使得照片库变得杂乱无章。本文将介绍几种有效的iPhone怎么删除重复照片方法，并介绍如何利用CleanMyPhone来简化这一过程。iPhone怎么删除重复照片方法一：人工筛查人工筛查是最直接的方法，尽管它可能比较耗时。这种
  • vue 创建项目报错：command failed: npm install --loglevel error 那鱼、会飞 vue.jsvue-cli3
    这个问题其实很好解决，只是很多种情况，逐一排除即可。稳下心来~vuecli3创建项目我的node版本是node14.15.0，（永远不要尝试最新版本）node各种版本下载地址：以往的版本|Node.js(nodejs.org)vue/[email protected]@vue/[email protected]（注意vue/cli2和vue/cli3的下载命名有所改变，2是-形式，3是/形式）其实报错
  • 中学生父母的修养 再简单不过了
    我是一个中学生的父母，我有许多心情，偶尔彷徨，偶尔愤怒，偶尔欣喜，偶尔还会感伤，我彷徨的是。他仿佛瞬间长大了，失去了我的掌控，从而愤怒他不再和我那么亲近，第一次告诉我说，你根本就不懂我，欣喜的是，我经常看到的小一些人，已经以我察觉不到的速度慢慢的蜕变成一棵树，虽然不够枝繁叶茂，但是已经有很多分支，绿叶还有开叉了，我感觉自己并没有老去，但孩子却已经有自己的世界。他会说，不准随便进他的房间，不要乱问班
  • ChatGPT 高效学习套路揭秘：让知识获取事半功倍的秘诀 kkai人工智能 chatgpt人工智能学习媒体ai
    最近这段时间，AI热潮因ChatGPT的火爆再次掀起。如今，网上大部分内容都在调侃AI，但很少有人探讨如何正经使用ChatGPT做事情。作为一名靠搜索引擎和GitHub自学编程的开发者，第一次和ChatGPT深度交流后，我就确信：ChatGPT能够极大提高程序员学习新技术的效率。使用ChatGPT一个月后，我越发感受到它的颠覆性。因此，我想从工作和学习的角度，分享它的优势及我的一些使用技巧，而非娱
  • 言为爱之声 胡国霞青少年超效注意力
    图片发自App焦点工作坊1期连续分享491天胡国霞20190302周六雨《言为爱声》今晚是我们七彩阳光心理咨询中心2019年的第一次公益课，由卷霞来主持，高朋满座，有老朋友，也有新朋友。李老师从身份谈起，平时父母都会给孩子一个什么样的身份，是积极的，还是消极的。我回想一下自己，我是一个追求完美的人，每看到某人身上有一项超人的技能，我都会想儿子要学会了该多好，能文能武、能弹会唱、能写能画，该多好。要
  • 抱怨很廉价，别做空想家 Fang2023
    今天在整理浏览器收藏夹的时候，看到一个很多年前保存的一个网页，上面是一支央视公益广告的视频，《我创故我在》。思绪一下子回到了好几年前。还记得第一次无意中在电视上看到这支广告，喜悦之情溢于言表。抱怨很廉价，别做空想家，这句歌词尤其喜欢。听着歌曲，仿佛那时候的潮气蓬勃、意气风发，又回来了，即使此时感到疲惫。【公益】央视公益广告歌曲《我创故我在》_腾讯视频
  • 【Python】已解决：ModuleNotFoundError: No module named ‘PIL’ 屿小夏 python开发语言
    文章目录一、分析问题背景二、可能出错的原因三、错误代码示例四、正确代码示例五、注意事项已解决：ModuleNotFoundError:Nomodulenamed‘PIL’一、分析问题背景当你在Python环境中尝试导入PIL（PythonImagingLibrary）模块时，可能会遇到“ModuleNotFoundError:Nomodulenamed‘PIL’”的错误。这通常发生在尝试使用PIL
  • 勇于开始，才能找到成功的路 胡涂涂tutu
    图片发自App真正做一件事，讨论细节，才发现自己对咨询了解的太少，很多地方模糊，甚至陌生。我有点慌乱，开始怀疑自己的决定。我怕自己不能很好的给来访者做咨询，误了他们的期待，更毁了自己将来前进的路。幸好得到恩师朱老师的支持与赋能。我说感觉没准备好，老师说都是在跌跌撞撞中磨练，积累经验的，没完全准备好，可以边做边调整。做任何事，都有第一次，都会感觉没准备好。那什么是准备好了呢？只有去做才会知道。行动能
  • #跟宇彤老师成为声音万人迷#第十季打卡营第二十一天# 穆希乐
    今天是这季打卡营的最后一天，今天的打卡是用心诵读“初心”！很有意义的俩个字，但函给了每一位来练声的伙伴们最初的想法，让我也想起了我来练声的初心:就是想让自己的声音听起来有亲和力。从每日的基本功练习、到喜怒哀乐的绕口令在到各种的配音秀，最后俩天是用心的朗读等等，也是各种的第一次，想来有的伙伴们也和我一样是各种的第一次，这些第一次带着新鲜、刺激、更多的是激动与感恩！激动的是伙伴们在愉快的环境中每天开心
  • 连环画中的冷门绝技：汉代宝藏“画像石”的神奇搬运（高清） 江户川小歪
    虽然连环画只有巴掌大小，但是打开它，你会发现一座中国美术技法的宝库。单线白描是大家最熟悉不过了的，还有工笔重彩、黑白色块、素描、版画、剪纸等种种技术百花齐放。从80年代开始，画家们各显神通，做了诸多尝试，以至于达到了“万法皆为我用”的境界。今天我来说说一种冷门的美术——汉画像石。汉画像石是个什么东西？古时候，王族、有钱人会在墓穴的石头、砖头上绘制一些图案，这些东西有雕刻和绘画的双属性，在美术形式上
  • 《西南联大文化课》：战火纷飞的年代中，浓缩的文人精华 有梦想的唐糖
    恕我孤陋寡闻，我第一次对“西南联大”产生具象的印象，还是因为电影《无问西东》，在此之前，西南联大对我来说，只是一个历史上的名词而已。但是自从看了《无问西东》之后，“西南联大”这四个字就像烙铁一样焊烙在了我的心头。它的存在，是一个奇迹。从1937年8月到1946年7月31日，国立西南联合大学（简称西南联大）只存在了短短8年，但是却深深影响了国人80年，这所诞生于抗日战争初期的大学，培养了2位诺贝尔奖
  • 积食宝宝福音，试着坚持3件事，孩子脾胃好还消积！ MrWu_e989
    许多宝妈由于第一次当父母，所以经验还是缺乏，宝宝突然不吃饭了，睡眠也变差了，还容易哭闹，有经验的家长朋友们都会说，这些都是孩子积食的表现，所以得注意了，孩子腹痛腹胀也是孩子积食的表现哦。一起了解孩子积食积食在中医学上，主要是小孩吃东西消化慢，堆积在体内，形成一种肠胃疾患，主要的表现就是腹胀、不吃饭、腹泻呕吐等等。宝宝积食危害大，长时间的积食容易影响营养的吸收，还会影响生长发育，甚至是智力发育的罪魁
  • 小学科学课堂管理规培有感 31c6a3d23d4e
    今天进行了这学期的第一次新教师规培，又是干货满满的一次学习，两位有经验的老教师分享了自己很多年来有关科学教学的经验。苏老师的语言风趣幽默，通过他的课堂管理规则，懂得了语言的艺术。艳姐分享的培养小助手，对我的帮助很多，小组长，（做记录、整理材料、管理卫生）。既培养了学生，又减轻老师的工作量，还有评价表，学起来学起来！
  • ansible的安装、使用 ytym00
    简介高度模块化，调用特定的模块，完成特定的任务，基于Yaml，来完成批量任务的模板化，来支持playbook。基于Python语言实现，主要使用Paramiko、PyYAML和JinJa2三个关键模块，部署简单(agentless)，主从模式，支持自定义模块，支持playbook，幂等性：允许重复执行N次，没有变化时，只会执行第一次。特点：1、Configuration(cfengine,chef
  • 2020年 12月3日 渥太华 阴 一生守望一人
    今天结课了。全面备战，准备期末考试了。最近看到纽约州立阿尔伯尼法学院和西奈山医学院有一个联合生命科学的硕士学位，有点心动，打算考完试以后找教授和相关负责人问一下。新闻方面，中国第一次实现了外太空运载器发射，嫦娥今天正式启程返家了。这也预示着我们面对载人登月又踏出了自己坚实的一步。同时，我们继美国之后在同一年制造出了量子计算机“九章”。“九章”量子计算机可以以200秒的速度计算出当前最强大超级计算机
  • 导致格式错误的 Lambda 代理响应的原因以及如何修复它 zqhdz米时空 汇编
    当人们尝试使用AWSAPIGateway和AWSLambda构建无服务器应用程序时，经常出现的一个问题是_由于配置错误而执行失败：Lambda代理响应格式错误。_没有什么比通用错误消息更糟糕的了，它们不会告诉您解决问题所需的任何内容，对吧？AWS并不是以其错误消息设计而闻名，如果甚至可以这样称呼它的话，更不用说为您提供解决问题的方法了。那么如何修复这个Lambda错误以及是什么原因造成的呢？花椒壳
  • 2019-03-19 Fiona_8bba
    春暖花开。上周二鼓励三年级孩子5点下了国际象棋课独自回家。开始是非常害怕，在校门口打了一个电话给爸爸，进门后又打给爸爸说到家了。经过鼓励，周四五点下了3D打印社团，又独立回家了。到周五，问他，你愿意去托管再上隔壁跆拳道还是自己回家，再去跆拳道？他说我愿意自己回家。周末正式和托管说不去了，把孩子的托管课时转入书法。昨天周一第一次3点放学就回家。嘱咐如下：第一步，进门就洗手。第二，按按钮烧水，烫奶。吃
  • 编译Windows平台的Nginx+ngx_http_proxy_connect_module Grovvy_Deng windowsnginxhttp
    编译Windows平台的Nginx+ngx_http_proxy_connect_module背景：由于公司的正向出局代理是windows机器。机器上的Squid不稳定，打算替换成nginx+ngx_http_proxy_connect_module实现。通过几天痛苦的尝试，最后参考了github大神项目通过在线CICD工具编译window平台可用的ng。步骤：获取git可识别的patch由于CI
  • 【剽悍一只猫的剽悍行动营】不忘初心，砥砺前行 财务自由的社群运营人苏宝
    作者/梅子我在第15期剽悍行动营奇迹四连四排的同桌叫Tony。今天，我来讲一讲他的故事。Tony出生在湖北恩施的一个贫困的小山村，因为家里很穷，他很想通过自己的努力改变家庭的命运，所以他中途辍了学，过早的步入了社会。一开始的时候他也很迷茫，不知道到自己到底该干什么？能干什么？后来经同学介绍进入了一家鞋厂，从事搬运工作，开启了他人生中的第一次独立自主的打工之路。可是，现实与理想的差距，让他在鞋厂只干
  • 《对生命说是》读书笔记2021-5-27 Diana_58d9
    静心技巧——换个视角看待问题。尝试一下这个实验，1坐在椅子上，允许自己全身心的沉浸在你最爱的问题当中，你知道头脑热爱咀嚼他们，记录当你被卷入问题时的感受。2站起来有意识地离开那张椅子，想象你现在离开了你的问题。缓缓的围绕椅子走一圈，从不同的角度看看你的问题。在房间中找一个远离问题的空间，开始仔细深入的看看这个问题，他是真实的还是你制造出来的，同样的状况对于其他人来说会是问题吗？3反复体会作战问题里
  • 设计模式介绍 tntxia 设计模式
    设计模式来源于土木工程师 克里斯托弗 亚历山大（http://en.wikipedia.org/wiki/Christopher_Alexander）的早期作品。他经常发表一些作品，内容是总结他在解决设计问题方面的经验，以及这些知识与城市和建筑模式之间有何关联。有一天，亚历山大突然发现，重复使用这些模式可以让某些设计构造取得我们期望的最佳效果。 亚历山大与萨拉-石川佳纯和穆雷 西乐弗斯坦合作
  • android高级组件使用(一) 百合不是茶 androidRatingBarSpinner
    1、自动完成文本框（AutoCompleteTextView） AutoCompleteTextView从EditText派生出来，实际上也是一个文本编辑框，但它比普通编辑框多一个功能：当用户输入一个字符后，自动完成文本框会显示一个下拉菜单，供用户从中选择，当用户选择某个菜单项之后，AutoCompleteTextView按用户选择自动填写该文本框。 使用AutoCompleteTex
  • [网络与通讯]路由器市场大有潜力可挖掘 comsci 网络
              如果国内的电子厂商和计算机设备厂商觉得手机市场已经有点饱和了,那么可以考虑一下交换机和路由器市场的进入问题.....        这方面的技术和知识,目前处在一个开放型的状态,有利于各类小型电子企业进入  &nbs
  • 自写简单Redis内存统计shell 商人shang Linux shell统计Redis内存
    #!/bin/bash address="192.168.150.128:6666,192.168.150.128:6666" hosts=(${address//,/ }) sfile="staticts.log" for hostitem in ${hosts[@]} do ipport=(${hostitem
  • 单例模式(饿汉 vs懒汉) oloz 单例模式
    package 单例模式; /* * 应用场景:保证在整个应用之中某个对象的实例只有一个 * 单例模式种的《 懒汉模式》 * */ public class Singleton { //01 将构造方法私有化，外界就无法用new Singleton()的方式获得实例 private Singleton(){}; //02 申明类得唯一实例 priva
  • springMvc json支持 杨白白 json springmvc
    1.Spring mvc处理json需要使用jackson的类库，因此需要先引入jackson包 2在spring mvc中解析输入为json格式的数据:使用@RequestBody来设置输入 @RequestMapping("helloJson") public @ResponseBody JsonTest helloJson() {
  • android播放，掃描添加本地音頻文件 小桔子
            最近幾乎沒有什麽事情，繼續鼓搗我的小東西。想在項目中加入一個簡易的音樂播放器功能，就像華為p6桌面上那麼大小的音樂播放器。用過天天動聽或者QQ音樂播放器的人都知道，可已通過本地掃描添加歌曲。不知道他們是怎麼實現的，我覺得應該掃描設備上的所有文件，過濾出音頻文件，每個文件實例化為一個實體，記錄文件名、路徑、歌手、類型、大小等信息。具體算法思想，
  • oracle常用命令 aichenglong oracledba常用命令
    1 创建临时表空间 create temporary tablespace user_temp  tempfile 'D:\oracle\oradata\Oracle9i\user_temp.dbf' size 50m  autoextend on  next 50m maxsize 20480m  extent management local
  • 25个Eclipse插件 AILIKES eclipse插件
    提高代码质量的插件1. FindBugsFindBugs可以帮你找到Java代码中的bug，它使用Lesser GNU Public License的自由软件许可。2. CheckstyleCheckstyle插件可以集成到Eclipse IDE中去，能确保Java代码遵循标准代码样式。3. ECLemmaECLemma是一款拥有Eclipse Public License许可的免费工具，它提供了
  • Spring MVC拦截器+注解方式实现防止表单重复提交 baalwolf spring mvc
    原理：在新建页面中Session保存token随机码，当保存时验证，通过后删除，当再次点击保存时由于服务器端的Session中已经不存在了，所有无法验证通过。   1.新建注解：   ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
  • 《Javascript高级程序设计(第3版)》闭包理解 bijian1013 JavaScript
    “闭包是指有权访问另一个函数作用域中的变量的函数。”--《Javascript高级程序设计(第3版)》         看以下代码： <script type="text/javascript"> function outer() { var i = 10; return f
  • AngularJS Module类的方法 bijian1013 JavaScriptAngularJSModule
            AngularJS中的Module类负责定义应用如何启动，它还可以通过声明的方式定义应用中的各个片段。我们来看看它是如何实现这些功能的。 一.Main方法在哪里         如果你是从Java或者Python编程语言转过来的，那么你可能很想知道AngularJS里面的main方法在哪里？这个把所
  • [Maven学习笔记七]Maven插件和目标 bit1129 maven插件
    插件(plugin)和目标(goal) Maven，就其本质而言，是一个插件执行框架，Maven的每个目标的执行逻辑都是由插件来完成的，一个插件可以有1个或者几个目标，比如maven-compiler-plugin插件包含compile和testCompile，即maven-compiler-plugin提供了源代码编译和测试源代码编译的两个目标   使用插件和目标使得我们可以干预
  • 【Hadoop八】Yarn的资源调度策略 bit1129 hadoop
    1. Hadoop的三种调度策略 Hadoop提供了3中作业调用的策略， FIFO Scheduler Fair Scheduler Capacity Scheduler 以上三种调度算法，在Hadoop MR1中就引入了，在Yarn中对它们进行了改进和完善.Fair和Capacity Scheduler用于多用户共享的资源调度   2. 多用户资源共享的调度
  • Nginx使用Linux内存加速静态文件访问 ronin47
    Nginx是一个非常出色的静态资源web服务器。如果你嫌它还不够快，可以把放在磁盘中的文件，映射到内存中，减少高并发下的磁盘IO。 先做几个假设。nginx.conf中所配置站点的路径是/home/wwwroot/res，站点所对应文件原始存储路径：/opt/web/res shell脚本非常简单，思路就是拷贝资源文件到内存中，然后在把网站的静态文件链接指向到内存中即可。具体如下：
  • 关于Unity3D中的Shader的知识 brotherlamp unityunity资料unity教程unity视频unity自学
    首先先解释下Unity3D的Shader，Unity里面的Shaders是使用一种叫ShaderLab的语言编写的，它同微软的FX文件或者NVIDIA的CgFX有些类似。传统意义上的vertex shader和pixel shader还是使用标准的Cg/HLSL 编程语言编写的。因此Unity文档里面的Shader，都是指用ShaderLab编写的代码，然后我们来看下Unity3D自带的60多个S
  • CopyOnWriteArrayList vs ArrayList bylijinnan java
    package com.ljn.base; import java.util.ArrayList; import java.util.Iterator; import java.util.List; import java.util.concurrent.CopyOnWriteArrayList; /** * 总述： * 1.ArrayListi不是线程安全的，CopyO
  • 内存中栈和堆的区别 chicony 内存
    1、内存分配方面：     堆：一般由程序员分配释放， 若程序员不释放，程序结束时可能由OS回收 。注意它与数据结构中的堆是两回事，分配方式是类似于链表。可能用到的关键字如下：new、malloc、delete、free等等。     栈：由编译器(Compiler)自动分配释放，存放函数的参数值，局部变量的值等。其操作方式类似于数据结构中
  • 回答一位网友对Scala的提问 chenchao051 scalamap
    本来准备在私信里直接回复了，但是发现不太方便，就简要回答在这里。 问题 写道 对于scala的简洁十分佩服，但又觉得比较晦涩，例如一例，Map("a" -> List(11,111)).flatMap(_._2)，可否说下最后那个函数做了什么，真正在开发的时候也会如此简洁？谢谢    先回答一点，在实际使用中，Scala毫无疑问就是这么简单。
  • mysql 取每组前几条记录 daizj mysql分组最大值最小值每组三条记录
    一、对分组的记录取前N条记录：例如：取每组的前3条最大的记录 1.用子查询： SELECT * FROM tableName a  WHERE 3> (SELECT COUNT(*) FROM  tableName b WHERE b.id=a.id AND b.cnt>a. cnt) ORDER BY a.id,a.account DE
  • HTTP深入浅出 http请求 dcj3sjt126com http
      HTTP(HyperText Transfer Protocol)是一套计算机通过网络进行通信的规则。计算机专家设计出HTTP，使HTTP客户（如Web浏览器）能够从HTTP服务器(Web服务器)请求信息和服务，HTTP目前协议的版本是1.1.HTTP是一种无状态的协议，无状态是指Web浏览器和Web服务器之间不需要建立持久的连接，这意味着当一个客户端向服务器端发出请求，然后We
  • 判断MySQL记录是否存在方法比较 dcj3sjt126com mysql
    把数据写入到数据库的时，常常会碰到先要检测要插入的记录是否存在，然后决定是否要写入。 　　我这里总结了判断记录是否存在的常用方法： 　　sql语句： select   count ( * )  from  tablename; 　　然后读取count(*)的值判断记录是否存在。对于这种方法性能上有些浪费，我们只是想判断记录记录是否存在，没有必要全部都查出来。
  • 对HTML XML的一点认识 e200702084 htmlxml
    感谢http://www.w3school.com.cn提供的资料 HTML 文档中的每个成分都是一个节点。 节点 根据 DOM，HTML 文档中的每个成分都是一个节点。 DOM 是这样规定的： 整个文档是一个文档节点 每个 HTML 标签是一个元素节点 包含在 HTML 元素中的文本是文本节点 每一个 HTML 属性是一个属性节点 注释属于注释节点 Node 层次
  • jquery分页插件 genaiwei jqueryWeb前端分页插件
    //jquery页码控件// 创建一个闭包    (function($) {      // 插件的定义      $.fn.pageTool = function(options) {        var totalPa
  • Mybatis与Ibatis对照入门于学习 Josh_Persistence mybatisibatis区别联系
    一、为什么使用IBatis/Mybatis         对于从事 Java EE 的开发人员来说，iBatis 是一个再熟悉不过的持久层框架了，在 Hibernate、JPA 这样的一站式对象 / 关系映射（O/R Mapping）解决方案盛行之前，iBaits 基本是持久层框架的不二选择。即使在持久层框架层出不穷的今天，iBatis 凭借着易学易用、
  • C中怎样合理决定使用那种整数类型？ 秋风扫落叶 c数据类型
    如果需要大数值(大于32767或小于32767), 使用long 型。 否则, 如果空间很重要 (如有大数组或很多结构), 使用 short 型。 除此之外, 就使用 int 型。 如果严格定义的溢出特征很重要而负值无关紧要, 或者你希望在操作二进制位和字节时避免符号扩展的问题, 请使用对应的无符号类型。 但是, 要注意在表达式中混用有符号和无符号值的情况。    &nbs
  • maven问题 zhb8015 maven问题
      问题1： Eclipse 中 新建maven项目 无法添加src/main/java 问题    eclipse创建maevn web项目，在选择maven_archetype_web原型后，默认只有src/main/resources这个Source Floder。     按照maven目录结构，添加src/main/ja
  • (二)androidpn-server tomcat版源码解析之--push消息处理 spjich javaandrodipn推送
    在 (一)androidpn-server tomcat版源码解析之--项目启动这篇中，已经描述了整个推送服务器的启动过程，并且把握到了消息的入口即XmppIoHandler这个类，今天我将继续往下分析下面的核心代码，主要分为3大块，链接创建，消息的发送，链接关闭。 先贴一段XmppIoHandler的部分代码 /** * Invoked from an I/O proc
  • 用js中的formData类型解决ajax提交表单时文件不能被serialize方法序列化的问题 中华好儿孙 JavaScriptAjaxWeb上传文件FormData
    var formData = new FormData($("#inputFileForm")[0]); $.ajax({ type:'post', url:webRoot+"/electronicContractUrl/webapp/uploadfile", data:formData, async: false, ca
  • mybatis常用jdbcType数据类型 ysj5125094 mybatismapperjdbcType
      MyBatis 通过包含的jdbcType 类型 BIT         FLOAT      CHAR          
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他