雅痞绅士JM

超全的pandas数据分析常用函数总结：下篇（附赠思维导图）

pandas数据分析常用函数总结 | 下篇

5. 数据预处理

5.1 数据的合并
5.2 设置索引列
5.3 按照特定列的值排序：
5.4 分类显示
5.5 分组标记
5.6 切割数据

6. 数据提取

6.1 单行索引
6.2 区域索引

6.2.1 用loc取连续的多行
6.2.2 用loc取不连续的多行
6.2.3 用loc取具体值
6.2.4 用iloc取连续的多行
6.2.5 用iloc取连续的多行和多列
6.2.6 用iloc取不连续的多行和多列
6.2.7 用iloc取具体值

6.3 值的判断
6.4 提取符合判断的值

7. 数据筛选

7.1 使用与、或、非进行筛选
7.2 使用query函数进行筛选
7.3 对结果进行计数求和

8. 数据汇总

8.1 以department属性对所有列进行计数汇总
8.2 以department属性分组之后，对id字段进行计数汇总
8.3 以两个属性进行分组计数
8.4 以department属性进行分组汇总并计算money的合计与均值

9. 数据统计

9.1 数据采样
9.2 描述性统计
9.3 计算标准差
9.4 计算协方差
9.5 相关性分析

思维导图

基础知识在数据分析中就像是九阳神功，熟练的掌握，加以运用，就可以练就深厚的内力，成为绝顶高手自然不在话下！
.
为了更好地学习数据分析，我对于数据分析中pandas这一模块里面常用的函数进行了总结。整篇总结，在详尽且通俗易懂的基础上，我力求使其有很强的条理性和逻辑性，所以制作了思维导图，对于每一个值得深究的函数用法，我也会附上官方链接，方便大家继续深入学习。
.
文章中的所有代码都会有讲解和注释，绝大部分也都会配有运行结果，酱紫的话，整篇总结篇幅量自然不小，所以我分成了上下两篇，这里是下篇。

5. 数据预处理

先创建一个data2数据集

data2=pd.DataFrame({
    "id":np.arange(102,105),
    "profit":[1,10,2]
})
data2

输出结果：

	id	profit
0	102	1
1	103	10
2	104	2

再创建一个data3数据集

data3=pd.DataFrame({
    "id":np.arange(111,113),
    "money":[106,51]
})
data3

输出结果：

	id	money
0	111	106
1	112	51

5.1 数据的合并

用merge合并

DataFrame.merge(self，right，how =‘inner’，on = None)

right指要合并的对象

on指要加入的列或索引级别名称，必须在两个DataFrame中都可以找到。

how决定要执行的合并类型：left（使用左框架中的键）、right、inner（交集，默认）、outer（并集）

data_new=pd.merge(data,data2,on='id',how='inner')      # 默认取交集
data_new=pd.merge(data,data2,on='id',how='outer')      # 取并集，没有值的地方填充NaN
data.merge(data2,on='id',how='inner')                  # 另一种写法,输出结果见下方

输出结果：

	id	date	money	product	department	origin	profit
0	102	2020-03-11	4.000000	可乐	饮料	China	1
1	103	2020-03-12	65.000000	牛肉干	零食	America	10
2	104	2020-03-13	20.666667	老干妈	调味品	China	2

更多关于pandas.DataFrame.merge的用法，戳下面官方链接：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.merge.html

data.merge(data2,on='id',how='left')     # 使用左框架中的键

输出结果：

	id	date	money	product	department	origin	profit
0	101	2020-03-10	5.000000	苏打水	饮料	China	NaN
1	102	2020-03-11	4.000000	可乐	饮料	China	1.0
2	103	2020-03-12	65.000000	牛肉干	零食	America	10.0
3	104	2020-03-13	20.666667	老干妈	调味品	China	2.0
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	NaN
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	NaN
6	107	2020-03-16	35.000000	洗面奶	日用品	America	NaN
7	108	2020-03-17	16.000000	洋葱	蔬菜	China	NaN
8	109	2020-03-18	6.000000	牙膏	日用品	China	NaN
9	110	2020-03-19	20.000000	薯片	零食	Japan	NaN

用append合并

data.append(data2)    # 在原数据集的下方合并入新的数据集

输出结果：

	date	department	id	money	origin	product	profit
0	2020-03-10	饮料	101	5.000000	China	苏打水	NaN
1	2020-03-11	饮料	102	4.000000	China	可乐	NaN
2	2020-03-12	零食	103	65.000000	America	牛肉干	NaN
3	2020-03-13	调味品	104	20.666667	China	老干妈	NaN
4	2020-03-14	水果	105	15.000000	Thailand	菠萝	NaN
5	2020-03-15	NaN	106	20.000000	China	冰激凌	NaN
6	2020-03-16	日用品	107	35.000000	America	洗面奶	NaN
7	2020-03-17	蔬菜	108	16.000000	China	洋葱	NaN
8	2020-03-18	日用品	109	6.000000	China	牙膏	NaN
9	2020-03-19	零食	110	20.000000	Japan	薯片	NaN
0	NaN	NaN	102	NaN	NaN	NaN	1.0
1	NaN	NaN	103	NaN	NaN	NaN	10.0
2	NaN	NaN	104	NaN	NaN	NaN	2.0

用join合并
用下面这种方式会报错：列重叠，且没有指定后缀，因为上面的数据data和data2都有“id”列，所以需要给id列指明后缀。

data.join(data2)        # 会报错

第一种修改方式：

data.join(data2,lsuffix='_data', rsuffix='_data2')

输出结果：

	id_data	date	money	product	department	origin	id_data2	profit
0	101	2020-03-10	5.000000	苏打水	饮料	China	102.0	1.0
1	102	2020-03-11	4.000000	可乐	饮料	China	103.0	10.0
2	103	2020-03-12	65.000000	牛肉干	零食	America	104.0	2.0
3	104	2020-03-13	20.666667	老干妈	调味品	China	NaN	NaN
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	NaN	NaN
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	NaN	NaN
6	107	2020-03-16	35.000000	洗面奶	日用品	America	NaN	NaN
7	108	2020-03-17	16.000000	洋葱	蔬菜	China	NaN	NaN
8	109	2020-03-18	6.000000	牙膏	日用品	China	NaN	NaN
9	110	2020-03-19	20.000000	薯片	零食	Japan	NaN	NaN

第二种修改方式：

data.set_index('id').join(data2.set_index('id'))

输出结果：

更多关于pandas.DataFrame.join的用法，戳下面官方链接：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.join.html

用concat合并

pandas.concat(objs,axis = 0,ignore_index = False,keys = None)

objs:Series，DataFrame或Panel对象的序列或映射。

axis：串联的轴，默认为0，即以索引串联（竖直拼接）；如果为1，则以列串联（水平拼接）

ignore_index：清除现有索引并将其重置，默认为False。

key：在数据的最外层添加层次结构索引。

data_new=pd.concat([data,data2,data3],axis = 1,keys=['data', 'data2','data3'])
data_new

输出结果：

更多关于pandas.concat的用法，戳下面官方链接：https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.concat.html

5.2 设置索引列

data.set_index("id")      # 设置id为索引列

输出结果：

data.reset_index(drop=True)    # 重置索引列，并且避免将旧索引添加为列

输出结果：

	id	date	money	product	department	origin
0	101	2020-03-10	5.000000	苏打水	饮料	China
1	102	2020-03-11	4.000000	可乐	饮料	China
2	103	2020-03-12	65.000000	牛肉干	零食	America
3	104	2020-03-13	20.666667	老干妈	调味品	China
4	105	2020-03-14	15.000000	菠萝	水果	Thailand
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China
6	107	2020-03-16	35.000000	洗面奶	日用品	America
7	108	2020-03-17	16.000000	洋葱	蔬菜	China
8	109	2020-03-18	6.000000	牙膏	日用品	China
9	110	2020-03-19	20.000000	薯片	零食	Japan

5.3 按照特定列的值排序：

按照索引列进行排序：

data.sort_index()

按照money的值进行排序：

data.sort_values(by="money",ascending = True)    # ascending默认为True，即升序.

输出结果：

	id	date	money	product	department	origin
1	102	2020-03-11	4.000000	可乐	饮料	China
0	101	2020-03-10	5.000000	苏打水	饮料	China
8	109	2020-03-18	6.000000	牙膏	日用品	China
4	105	2020-03-14	15.000000	菠萝	水果	Thailand
7	108	2020-03-17	16.000000	洋葱	蔬菜	China
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China
9	110	2020-03-19	20.000000	薯片	零食	Japan
3	104	2020-03-13	20.666667	老干妈	调味品	China
6	107	2020-03-16	35.000000	洗面奶	日用品	America
2	103	2020-03-12	65.000000	牛肉干	零食	America

5.4 分类显示

如果money列的值>=10, level列显示high，否则显示low：

data['level'] = np.where(data['money']>=10, 'high', 'low')
data

输出结果：

	id	date	money	product	department	origin	level
0	101	2020-03-10	5.000000	苏打水	饮料	China	low
1	102	2020-03-11	4.000000	可乐	饮料	China	low
2	103	2020-03-12	65.000000	牛肉干	零食	America	high
3	104	2020-03-13	20.666667	老干妈	调味品	China	high
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	high
6	107	2020-03-16	35.000000	洗面奶	日用品	America	high
7	108	2020-03-17	16.000000	洋葱	蔬菜	China	high
8	109	2020-03-18	6.000000	牙膏	日用品	China	low
9	110	2020-03-19	20.000000	薯片	零食	Japan	high

5.5 分组标记

data.loc[(data['level']=="high") & (data['origin']=="China"),"sign"]="棒"
data

输出结果：

	id	date	money	product	department	origin	level	sign
0	101	2020-03-10	5.000000	苏打水	饮料	China	low	NaN
1	102	2020-03-11	4.000000	可乐	饮料	China	low	NaN
2	103	2020-03-12	65.000000	牛肉干	零食	America	high	NaN
3	104	2020-03-13	20.666667	老干妈	调味品	China	high	棒
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	high	棒
6	107	2020-03-16	35.000000	洗面奶	日用品	America	high	NaN
7	108	2020-03-17	16.000000	洋葱	蔬菜	China	high	棒
8	109	2020-03-18	6.000000	牙膏	日用品	China	low	NaN
9	110	2020-03-19	20.000000	薯片	零食	Japan	high	NaN

5.6 切割数据

对date字段的值依次进行分列，并创建数据表，索引值为data的索引列，列名称为year\month\day。

data_split = pd.DataFrame((x.split('-') for x in data['date']), index=data.index, columns=['year','month','day'])
data_split

输出结果：

	year	month	day
0	2020	03	10
1	2020	03	11
2	2020	03	12
3	2020	03	13
4	2020	03	14
5	2020	03	15
6	2020	03	16
7	2020	03	17
8	2020	03	18
9	2020	03	19

再与原数据表进行匹配：

pd.concat([data,data_split],axis=1)

输出结果：

	id	date	money	product	department	origin	level	sign	year	month	day
0	101	2020-03-10	5.000000	苏打水	饮料	China	low	NaN	2020	03	10
1	102	2020-03-11	4.000000	可乐	饮料	China	low	NaN	2020	03	11
2	103	2020-03-12	65.000000	牛肉干	零食	America	high	NaN	2020	03	12
3	104	2020-03-13	20.666667	老干妈	调味品	China	high	棒	2020	03	13
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN	2020	03	14
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	high	棒	2020	03	15
6	107	2020-03-16	35.000000	洗面奶	日用品	America	high	NaN	2020	03	16
7	108	2020-03-17	16.000000	洋葱	蔬菜	China	high	棒	2020	03	17
8	109	2020-03-18	6.000000	牙膏	日用品	China	low	NaN	2020	03	18
9	110	2020-03-19	20.000000	薯片	零食	Japan	high	NaN	2020	03	19

6. 数据提取

下面这部分会比较绕：

loc函数按标签值进行提取，iloc按位置进行提取
pandas.DataFrame.loc() 允许输入的值：

单个标签，例如5或’a’，（请注意，5被解释为索引的标签，而不是沿索引的整数位置）。

标签列表或数组，例如。[‘a’, ‘b’, ‘c’]

具有标签的切片对象，例如’a’:‘f’，切片的开始和结束都包括在内。

更多关于pandas.DataFrame.loc的用法，戳下面官方链接： https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.html#pandas.DataFrame.loc

pandas.DataFrame.iloc()
允许输入的值：整数5、整数列表或数组[4,3,0]、整数的切片对象1:7

更多关于pandas.DataFrame.iloc的用法，戳下面官方链接： https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html#pandas.DataFrame.iloc

6.1 单行索引

data.loc[6]    # 提取索引值为6的那一行（即输出第7行）

输出结果：

id	107
date	2020-03-16
money	35
product	洗面奶
department	日用品
origin	America
level	high
sign	NaN

data.iloc[6]    # 提取第7行

输出结果同上！

6.2 区域索引

6.2.1 用loc取连续的多行

提取索引值为2到索引值为4的所有行，即提取第3行到第5行，注意：此时切片的开始和结束都包括在内。

data.loc[2:4]

输出结果：

	id	date	money	product	department	origin	level	sign
2	103	2020-03-12	65.000000	牛肉干	零食	America	high	NaN
3	104	2020-03-13	20.666667	老干妈	调味品	China	high	棒
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN

提取“2020-03-13”之前的所有数据

data.loc[:"2020-03-13"]

输出结果：

	id	date	money	product	department	origin	level	sign
0	101	2020-03-10	5.0	苏打水	饮料	China	low	NaN
1	102	2020-03-11	4.0	可乐	饮料	China	low	NaN
2	103	2020-03-12	65.0	牛肉干	零食	America	high	NaN

6.2.2 用loc取不连续的多行

提取索引值为2和索引值为4的所有行，即提取第3行和第5行。

data.loc[[2,4]]

输出结果：

	id	date	money	product	department	origin	level	sign
2	103	2020-03-12	65.0	牛肉干	零食	America	high	NaN
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN

6.2.3 用loc取具体值

data.loc[6,"id"]

输出结果：107

6.2.4 用iloc取连续的多行

提取第3行到第6行

data.iloc[2:6]

输出结果：

	id	date	money	product	department	origin	level	sign
2	103	2020-03-12	65.0	牛肉干	零食	America	high	NaN
3	104	2020-03-13	20.666667	老干妈	调味品	China	high	棒
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	high	棒

6.2.5 用iloc取连续的多行和多列

提取第3行到第6行，第4列到第5列的值，取得是行和列交叉点的位置。

data.iloc[2:6,3:5]

输出结果：

	product	department
2	牛肉干	零食
3	老干妈	调味品
4	菠萝	水果
5	冰激凌	冷冻食品

6.2.6 用iloc取不连续的多行和多列

提取第3行和第6行，第4列和第5列的交叉值

data.iloc[[2,6],[3,5]]

输出结果：

	product	origin
2	牛肉干	America
6	洗面奶	America

6.2.7 用iloc取具体值

提取第3行第7列的值

data.iloc[2,6]

输出结果：‘high’

总结：文字变代码，数值少1；代码变文字，数值加1；代码从0开始计数；文字从1开始计数。

6.3 值的判断

方式一：判断origin列的值是否为China

data['origin']=="China"

方式二：判断department列的值是否为水果

data['department'].isin(['水果'])

输出结果：

0	False
1	False
2	False
3	False
4	True
5	False
6	False
7	False
8	False
9	False

data['department'].isin(['水果']).sum()     # 对判断后的值进行汇总

输出结果：1

6.4 提取符合判断的值

data.loc[data['origin'].isin(['Thailand'])]    # 将产地是泰国的数据进行提取

输出结果：

	id	date	money	product	department	origin	level	sign
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN

7. 数据筛选

7.1 使用与、或、非进行筛选

将满足origin是China且money小于35这两个条件的数据，返回其id、date、money、product、department、origin值。

data.loc[(data['origin']=="China") & (data['money']<35),['id','date','money','product','department','origin']]

输出结果：

	id	date	money	product	department	origin
0	101	2020-03-10	5.000000	苏打水	饮料	China
1	102	2020-03-11	4.000000	可乐	饮料	China
3	104	2020-03-13	20.666667	老干妈	调味品	China
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China
7	108	2020-03-17	16.000000	洋葱	蔬菜	China
8	109	2020-03-18	6.000000	牙膏	日用品	China

将满足origin是China或者money小于35这两个条件之中任意一个条件的数据，返回其id、date、money、product、department、origin值。

data.loc[(data['origin']=="China") | (data['money']<35),['id','date','money','product','department','origin']]

输出结果：

	id	date	money	product	department	origin
0	101	2020-03-10	5.000000	苏打水	饮料	China
1	102	2020-03-11	4.000000	可乐	饮料	China
3	104	2020-03-13	20.666667	老干妈	调味品	China
4	105	2020-03-14	15.000000	菠萝	水果	Thailand
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China
7	108	2020-03-17	16.000000	洋葱	蔬菜	China
8	109	2020-03-18	6.000000	牙膏	日用品	China
9	110	2020-03-19	20.000000	薯片	零食	Japan

将满足origin是China且money不小于10这两个条件的数据，返回其id、date、money、product、department、origin值。

data.loc[(data['origin']=="China") != (data['money']<10),['id','date','money','product','department','origin']]

输出结果：

	id	date	money	product	department	origin
3	104	2020-03-13	20.666667	老干妈	调味品	China
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China
7	108	2020-03-17	16.000000	洋葱	蔬菜	China

7.2 使用query函数进行筛选

data.query('department=="饮料"')              # 单个条件筛选
data.query('department==["饮料","零食"]')     # 多个条件筛选

输出结果：

	id	date	money	product	department	origin	level	sign
0	101	2020-03-10	5.0	苏打水	饮料	China	low	NaN
1	102	2020-03-11	4.0	可乐	饮料	China	low	NaN
2	103	2020-03-12	65.0	牛肉干	零食	America	high	NaN
9	110	2020-03-19	20.0	薯片	零食	Japan	high	NaN

更多关于pandas.DataFrame.query的用法，戳下面官方链接： https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.query.html

7.3 对结果进行计数求和

data.query('department=="饮料"').count()         # 对饮料类型的数据进行筛选后计数
data.query('department=="饮料"').money.count()   # 对筛选后的数据按照money进行计数

输出结果：2

data.query('department=="饮料"').money.sum()    # 在筛选后的数据中，对money进行求和

输出结果：9.0

8. 数据汇总

8.1 以department属性对所有列进行计数汇总

data.groupby("department").count()

输出结果：

8.2 以department属性分组之后，对id字段进行计数汇总

data.groupby("department")['id'].count()

输出结果：

冷冻食品	1
日用品	2
水果	1
蔬菜	1
调味品	1
零食	2
饮料	2

8.3 以两个属性进行分组计数

data.groupby(["department","origin"]).count()

输出结果：

8.4 以department属性进行分组汇总并计算money的合计与均值

data.groupby("department")['money'].agg([len, np.sum, np.mean])

输出结果：

9. 数据统计

9.1 数据采样

pandas.DataFrame.sample(n = None,replace = False,weights = None)

n:样本数

replace：样本有无更换（有无放回）（默认不放回）

weights：权重

更多关于pandas.DataFrame.sample的用法，戳下面官方链接： https://pandas.pydata.org/pandas-docs/version/0.17.0/generated/pandas.DataFrame.sample.html

data.sample(3,replace=True,weights=[0.1,0.1,0.2,0.2,0.1,0.1,0.1,0.1,0,0])

输出结果：

	id	date	money	product	department	origin	level	sign
1	102	2020-03-11	4.000000	可乐	饮料	China	low	NaN
3	104	2020-03-13	20.666667	老干妈	调味品	China	high	棒
0	101	2020-03-10	5.000000	苏打水	饮料	China	low	NaN

9.2 描述性统计

data.describe().round(2).T      # round表示小数位数，T表示转置（这一函数之前提及过）

9.3 计算标准差

data['money'].std()

输出结果：18.14754345175493

9.4 计算协方差

data.cov()

输出结果：

	id	money
id	9.166667	-2.666667
money	-2.666667	329.333333

9.5 相关性分析

data.corr()

输出结果：

	id	money
id	1.000000	-0.048534
money	-0.048534	1.000000

思维导图

笔记中如果有错误的地方，欢迎各位小伙伴指正，感谢！
如果需要完整思维导图电子版（PDF、Xmind等）可以留言或者私信！

参考资料：

pandas官网

pandas用法总结

Pandas 文本数据方法 capitalize( ) lower( ) upper( )

python【all()全1为1, any()全0为0】

pandas 数据类型转换

你可能感兴趣的:(超全的pandas数据分析常用函数总结：下篇（附赠思维导图）)

斤斤计较的婚姻到底有多难？白心之岂必有为
很多人私聊我会问到在哪个人群当中斤斤计较的人最多？我都会回答他，一般婚姻出现问题的斤斤计较的人士会非常多，以我多年经验，在婚姻落的一塌糊涂的人当中，斤斤计较的人数占比在20～30%以上，也就是说10个婚姻出现问题的斤斤计较的人有2-3个有多不减。在婚姻出问题当中，有大量的心理不平衡的、尖酸刻薄的怨妇。在婚姻中仅斤斤计较有两种类型：第一种是物质上的，另一种是精神上的。在物质与精神上抠门已经严重的影响
情绪觉察日记第37天露露_e800
今天是家庭关系规划师的第二阶最后一天，慧萍老师帮我做了个案，帮我处理了埋在心底好多年的一份恐惧，并给了我深深的力量！这几天出来学习，爸妈过来婆家帮我带小孩，妈妈出于爱帮我收拾东西，并跟我先生和婆婆产生矛盾，妈妈觉得他们没有照顾好我…。今晚回家见到妈妈，我很欣赏她并赞扬她，妈妈说今晚要跟我睡我说好，当我们俩躺在床上准备睡觉的时候，我握着妈妈的手对她说:妈妈这几天辛苦你了，你看你多利害把我们的家收拾得
芦花鞋一四许叶晗
又是在一个寒冷的夏日里，青铜和葵花决定今天一起去卖芦花鞋，奶奶亲手给他们做了一碗热乎乎的粥对他们说:“就靠你们两挣生活费了这碗粥赶紧趁热喝了吧！”于是青铜和葵花喝完了奶奶给她们做的粥，就准备去镇上卖卢花鞋，这回青铜和葵花穿着新的芦花鞋来到了镇上。青铜这回看到了很多人都在卖，用手势表达对葵花说:“这回有好多人在抢我们生意呢！我们必须得吆喝起来。”葵花点了点头。可是谁知他们也大声的叫，卖芦花喽！卖芦花
QQ群采集助手，精准引流必备神器 2401_87347160 其他经验分享
功能概述微信群查找与筛选工具是一款专为微信用户设计的辅助工具，它通过关键词搜索功能，帮助用户快速找到相关的微信群，并提供筛选是否需要验证的群组的功能。主要功能关键词搜索：用户可以输入关键词，工具将自动查找包含该关键词的微信群。筛选功能：工具提供筛选机制，用户可以选择是否只显示需要验证或不需要验证的群组。精准引流：通过上述功能，用户可以更精准地找到目标群组，进行有效的引流操作。3.设备需求该工具可以
关于沟通这件事，项目经理不需要每次都面对面进行流程大师兄
很多项目经理都会遇到这样的问题，项目中由于事情太多，根本没有足够的时间去召开会议，那在这种情况下如何去有效地管理项目中的利益相关者？当然，不建议电子邮件也不需要开会的话，建议可以采取下面几种方式来形成有效的沟通，这几种方式可以帮助你努力的通过各种办法来保持和各方面的联系。项目经理首先要问自己几个问题，项目中哪些利益相关者是必须要进行沟通的？可以列出项目中所有的利益相关者清单，同时也整理出项目中哪些
机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习 python
一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
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
底层逆袭到底有多难，不甘平凡的你准备好了吗？让吴起给你说说造命者说
底层逆袭到底有多难，不甘平凡的你准备好了吗？让吴起给你说说我叫吴起，生于公元前440年的战国初期，正是群雄并起、天下纷争不断的时候。后人说我是军事家、政治家、改革家，是兵家代表人物。评价我一生历仕鲁、魏、楚三国，通晓兵家、法家、儒家三家思想，在内政军事上都有极高的成就。周安王二十一年（公元前381年），因变法得罪守旧贵族，被人乱箭射死。我出生在卫国一个“家累万金”的富有家庭，从年轻时候起就不甘平凡
2020-01-25 晴岚85
郑海燕坚持分享590天2020.1.24在生活中只存在两个问题。一个问题是：你知道想要达成的目标是什么，但却不知道如何才能达成；另一个问题是：你不知道你的目标是什么。前一个是行动的问题，后一个是结果的问题。通过制定具体的下一步行动，可以解决不知道如何开始行动的问题。而通过去想象结果，对结果做预估，可以解决找不着目标的问题。对于所有吸引我们注意力，想要完成的任务，你可以先想象一下，预期的结果究竟是什
随笔 | 仙一般的灵气海思沧海
仙岛今天，我看了你全部，似乎已经进入你的世界我不知道，这是否是梦幻，还是你仙一般的灵气吸引了我也许每一个人都要有一份属于自己的追求，这样才能够符合人生的梦想，生活才能够充满着阳光与快乐我不知道，我为什么会这样的感叹，是在感叹自己的人生，还是感叹自己一直没有孜孜不倦的追求只感觉虚度了光阴，每天活在自己的梦中，活在一个不真实的世界是在逃避自己，还是在逃避周围的一切有时候我嘲笑自己，嘲笑自己如此的虚无，
想家爆米花机
也许不同于大家对家乡的思念，我对家乡甚至是疯狂的不舍。还未踏出车站就感觉到幸福，我享受这里的夕阳、这里的浓烈柴火味、这里每一口家常菜。我是宅女，我贪恋家的安逸。刚刚踏出大学校门，初出茅庐，无法适应每年只能国庆和春节回家。我焦虑、失眠、无端发脾气，是无法适应工作的节奏，是无法接受我将一步步离开家乡的事实。我不想承认自己胸无大志，选择再次踏上征程。图片发自App
【iOS】MVC设计模式 Magnetic_h ios mvc 设计模式 objective-c 学习 ui
MVC前言如何设计一个程序的结构，这是一门专门的学问，叫做"架构模式"（architecturalpattern），属于编程的方法论。MVC模式就是架构模式的一种。它是Apple官方推荐的App开发架构，也是一般开发者最先遇到、最经典的架构。MVC各层controller层Controller/ViewController/VC（控制器）负责协调Model和View，处理大部分逻辑它将数据从Mod
OC语言多界面传值五大方式 Magnetic_h ios ui 学习 objective-c 开发语言
前言在完成暑假仿写项目时，遇到了许多需要用到多界面传值的地方，这篇博客来总结一下比较常用的五种多界面传值的方式。属性传值属性传值一般用前一个界面向后一个界面传值，简单地说就是通过访问后一个视图控制器的属性来为它赋值，通过这个属性来做到从前一个界面向后一个界面传值。首先在后一个界面中定义属性@interfaceBViewController:UIViewController@propertyNSSt
一百九十四章. 自相矛盾巨木擎天
唉！就这么一夜，林子感觉就像过了很多天似的，先是回了阳间家里，遇到了那么多不可思议的事情儿。特别是小伙伴们，第二次与自己见面时，僵硬的表情和恐怖的气氛，让自己如坐针毡，打从心眼里难受！还有东子，他现在还好吗？有没有被人欺负？护城河里的小鱼小虾们，还都在吗？水不会真的干枯了吧？那对相亲相爱漂亮的太平鸟儿，还好吧！春天了，到了做窝、下蛋、喂养小鸟宝宝的时候了，希望它们都能够平安啊！虽然没有看见家人，也
UI学习——cell的复用和自定义cell Magnetic_h ui 学习
目录cell的复用手动（非注册）自动（注册）自定义cellcell的复用在iOS开发中，单元格复用是一种提高表格（UITableView）和集合视图（UICollectionView）滚动性能的技术。当一个UITableViewCell或UICollectionViewCell首次需要显示时，如果没有可复用的单元格，则视图会创建一个新的单元格。一旦这个单元格滚动出屏幕，它就不会被销毁。相反，它被添
element实现动态路由+面包屑软件技术NINI vue案例 vue.js 前端
el-breadcrumb是ElementUI组件库中的一个面包屑导航组件，它用于显示当前页面的路径，帮助用户快速理解和导航到应用的各个部分。在Vue.js项目中，如果你已经安装了ElementUI，就可以很方便地使用el-breadcrumb组件。以下是一个基本的使用示例：安装ElementUI（如果你还没有安装的话）:你可以通过npm或yarn来安装ElementUI。bash复制代码npmi
10月|愿你的青春不负梦想-读书笔记-01 Tracy的小书斋
本书的作者是俞敏洪，大家都很熟悉他了吧。俞敏洪老师是我行业的领头羊吧，也是我事业上的偶像。本日摘录他书中第一章中的金句：『一个人如果什么目标都没有，就会浑浑噩噩，感觉生命中缺少能量。能给我们能量的，是对未来的期待。第一件事，我始终为了进步而努力。与其追寻全世界的骏马，不如种植丰美的草原，到时骏马自然会来。第二件事，我始终有阶段性的目标。什么东西能给我能量？答案是对未来的期待。』读到这里的时候，我便
C语言宏函数南林yan C语言 c语言
一、什么是宏函数？通过宏定义的函数是宏函数。如下，编译器在预处理阶段会将Add(x,y)替换为((x)*(y))#defineAdd(x,y)((x)*(y))#defineAdd(x,y)((x)*(y))intmain(){inta=10;intb=20;intd=10;intc=Add(a+d,b)*2;cout<
地推话术，如何应对地推过程中家长的拒绝校师学
相信校长们在做地推的时候经常遇到这种情况：市场专员反馈家长不接单，咨询师反馈难以邀约这些家长上门，校区地推疲软，招生难。为什么？仅从地推层面分析，一方面因为家长受到的信息轰炸越来越多，对信息越来越“免疫”；而另一方面地推人员的专业能力和营销话术没有提高，无法应对家长的拒绝，对有意向的家长也不知如何跟进，眼睁睁看着家长走远；对于家长的疑问，更不知道如何有技巧地回答，机会白白流失。由于回答没技巧和专业
谢谢你们，爱你们！鹿游儿
昨天家人去泡温泉，二个孩子也带着去，出发前一晚，匆匆下班，赶回家和孩子一起收拾。饭后，我拿出笔和本子（上次去澳门时做手帐的本子）写下了1\2\3\4\5\6\7\8\9,让后让小壹去思考，带什么出发去旅游呢？她在对应的数字旁边画上了，泳衣、泳圈、肖恩、内衣内裤、tapuy、拖鞋……画完后，就让她自己对着这个本子，将要带的，一一带上，没想到这次带的书还是这本《便便工厂》(晚上姑婆发照片过来，妹妹累得
C语言如何定义宏函数？小九格物 c语言
在C语言中，宏函数是通过预处理器定义的，它在编译之前替换代码中的宏调用。宏函数可以模拟函数的行为，但它们不是真正的函数，因为它们在编译时不会进行类型检查，也不会分配存储空间。宏函数的定义通常使用#define指令，后面跟着宏的名称和参数列表，以及宏展开后的代码。宏函数的定义方式：1.基本宏函数：这是最简单的宏函数形式，它直接定义一个表达式。#defineSQUARE(x)((x)*(x))2.带参
微服务下功能权限与数据权限的设计与实现 nbsaas-boot 微服务 java 架构
在微服务架构下，系统的功能权限和数据权限控制显得尤为重要。随着系统规模的扩大和微服务数量的增加，如何保证不同用户和服务之间的访问权限准确、细粒度地控制，成为设计安全策略的关键。本文将讨论如何在微服务体系中设计和实现功能权限与数据权限控制。1.功能权限与数据权限的定义功能权限：指用户或系统角色对特定功能的访问权限。通常是某个用户角色能否执行某个操作，比如查看订单、创建订单、修改用户资料等。数据权限：
理解Gunicorn：Python WSGI服务器的基石范范0825 ipython linux 运维
理解Gunicorn：PythonWSGI服务器的基石介绍Gunicorn，全称GreenUnicorn，是一个为PythonWSGI（WebServerGatewayInterface）应用设计的高效、轻量级HTTP服务器。作为PythonWeb应用部署的常用工具，Gunicorn以其高性能和易用性著称。本文将介绍Gunicorn的基本概念、安装和配置，帮助初学者快速上手。1.什么是Gunico
小丽成长记（四十三）玲玲54321
小丽发现，即使她好不容易调整好自己的心态下一秒总会有不确定的伤脑筋的事出现，一个接一个的问题，人生就没有停下的时候，小问题不断出现。不过她今天看的书，她接受了人生就是不确定的，厉害的人就是不断创造确定性，在Ta的领域比别人多的确定性就能让自己脱颖而出，显示价值从而获得的比别人多的利益。正是这样的原因，因为从前修炼自己太少，使得她现在在人生道路上打怪起来困难重重，她似乎永远摆脱不了那种无力感，有种习
学点心理知识，呵护孩子健康静候花开_7090
昨天听了华中师范大学教育管理学系副教授张玲老师的《哪里才是学生心理健康的最后庇护所，超越教育与技术的思考》的讲座。今天又重新学习了一遍，收获匪浅。张玲博士也注意到了当今社会上的孩子由于心理问题导致的自残、自杀及伤害他人等恶性事件。她向我们普及了一个重要的命题，她说心理健康的一些基本命题，我们与我们通常的一些教育命题是不同的，她还举了几个例子，让我们明白我们原来以为的健康并非心理学上的健康。比如如果
2021年12月19日，春蕾教育集团团建活动感受——黄晓丹黄错错加油
感受:1.从陌生到熟悉的过程。游戏环节让我们在轻松的氛围中得到了锻炼，也增长了不少知识。2.游戏过程中，我们贡献的是个人力量，展现的是团队的力量。它磨合的往往不止是工作的熟悉，更是观念上契合度的贴近。3.这和工作是一样的道理。在各自的岗位上，每个人摆正自己的位置、各司其职充分发挥才能，并团结一致劲往一处使，才能实现最大的成功。新知:1.团队精神需要不断地创新。过去，人们把创新看作是冒风险，现在人们
Cell Insight | 单细胞测序技术又一新发现，可用于HIV-1和Mtb共感染个体诊断尐尐呅
结核病是艾滋病合并其他疾病中导致患者死亡的主要原因。其中结核病由结核分枝杆菌（Mycobacteriumtuberculosis,Mtb）感染引起，获得性免疫缺陷综合症（艾滋病）由人免疫缺陷病毒（Humanimmunodeficiencyvirustype1,HIV-1）感染引起。国家感染性疾病临床医学研究中心/深圳市第三人民医院张国良团队携手深圳华大生命科学研究院吴靓团队，共同研究得出单细胞测序
c++ 的iostream 和 c++的stdio的区别和联系黄卷青灯77 c++算法开发语言 iostream stdio
在C++中，iostream和C语言的stdio.h都是用于处理输入输出的库，但它们在设计、用法和功能上有许多不同。以下是两者的区别和联系：区别1.编程风格iostream（C++风格）：C++标准库中的输入输出流类库，支持面向对象的输入输出操作。典型用法是cin（输入）和cout（输出），使用>操作符来处理数据。更加类型安全，支持用户自定义类型的输入输出。#includeintmain(){in
瑶池防线谜影梦蝶
冥华虽然逃过了影梦的军队，但他是一个忠臣，他选择上报战况。败给影梦后成逃兵，高层亡尔还活着，七重天失守......随便一条，即可处死冥华。冥华自然是知道以仙界高层的习性此信一发自己必死无疑，但他还选择上报实情，因为责任。同样此信送到仙宫后，知道此事的人，大多数人都认定冥华要完了，所以上到仙界高层，下到扫大街的，包括冥华自己，全都准备好迎接冥华之死。如果仙界现在还属于两方之争的话，冥华必死无疑。然而
爬山后遗症璃绛
爬山，攀登，一步一步走向制高点，是一种挑战。成功抵达是一种无法言语的快乐，在山顶吹吹风，看看风景，这是从未有过的体验。然而，爬山一时爽，下山腿打颤，颠簸的路，一路向下走，腿部力量不够，走起来抖到不行，停不下来了！第二天必定腿疼，浑身酸痛，坐立难安！
jQuery 跨域访问的三种方式 No 'Access-Control-Allow-Origin' header is present on the reque qiaolevip 每天进步一点点学习永无止境跨域众观千象
XMLHttpRequest cannot load http://v.xxx.com. No 'Access-Control-Allow-Origin' header is present on the requested resource. Origin 'http://localhost:63342' is therefore not allowed access. test.html:1
mysql 分区查询优化 annan211 java 分区优化 mysql
分区查询优化引入分区可以给查询带来一定的优势，但同时也会引入一些bug. 分区最大的优点就是优化器可以根据分区函数来过滤掉一些分区，通过分区过滤可以让查询扫描更少的数据。所以，对于访问分区表来说，很重要的一点是要在where 条件中带入分区，让优化器过滤掉无需访问的分区。可以通过查看explain执行计划，是否携带 partitions
MYSQL存储过程中使用游标 chicony Mysql存储过程
DELIMITER $$ DROP PROCEDURE IF EXISTS getUserInfo $$ CREATE PROCEDURE getUserInfo(in date_day datetime)-- -- 实例-- 存储过程名为：getUserInfo-- 参数为：date_day日期格式:2008-03-08-- BEGINdecla
mysql 和 sqlite 区别 Array_06 sqlite
转载： http://www.cnblogs.com/ygm900/p/3460663.html mysql 和 sqlite 区别 SQLITE是单机数据库。功能简约，小型化，追求最大磁盘效率 MYSQL是完善的服务器数据库。功能全面，综合化，追求最大并发效率 MYSQL、Sybase、Oracle等这些都是试用于服务器数据量大功能多需要安装，例如网站访问量比较大的。而sq
pinyin4j使用 oloz pinyin4j
首先需要pinyin4j的jar包支持；jar包已上传至附件内方法一:把汉字转换为拼音；例如：编程转换后则为biancheng /** * 将汉字转换为全拼 * @param src 你的需要转换的汉字 * @param isUPPERCASE 是否转换为大写的拼音； true:转换为大写；fal
微博发送私信随意而生微博
在前面文章中说了如和获取登陆时候所需要的cookie，现在只要拿到最后登陆所需要的cookie，然后抓包分析一下微博私信发送界面 http://weibo.com/message/history?uid=****&name=**** 可以发现其发送提交的Post请求和其中的数据，让后用程序模拟发送POST请求中的数据，带着cookie发送到私信的接入口，就可以实现发私信的功能了。
jsp 香水浓 jsp
JSP初始化容器载入JSP文件后，它会在为请求提供任何服务前调用jspInit()方法。如果您需要执行自定义的JSP初始化任务，复写jspInit()方法就行了 JSP执行这一阶段描述了JSP生命周期中一切与请求相关的交互行为，直到被销毁。当JSP网页完成初始化后
在 Windows 上安装 SVN Subversion 服务端 AdyZhang SVN
在 Windows 上安装 SVN Subversion 服务端2009-09-16高宏伟哈尔滨市道里区通达街291号最佳阅读效果请访问原地址：http://blog.donews.com/dukejoe/archive/2009/09/16/1560917.aspx 现在的Subversion已经足够稳定，而且已经进入了它的黄金时段。我们看到大量的项目都在使
android开发中如何使用 alertDialog从listView中删除数据？ aijuans android
我现在使用listView展示了很多的配置信息，我现在想在点击其中一条的时候填出 alertDialog,点击确认后就删除该条数据，（ ArrayAdapter ，ArrayList，listView 全部删除），我知道在下面的onItemLongClick 方法中参数 arg2 是选中的序号，但是我不知道如何继续处理下去 1 2 3
jdk-6u26-linux-x64.bin 安装 baalwolf linux
1.上传安装文件(jdk-6u26-linux-x64.bin) 2.修改权限 [root@localhost ~]# ls -l /usr/local/jdk-6u26-linux-x64.bin 3.执行安装文件 [root@localhost ~]# cd /usr/local [root@localhost local]# ./jdk-6u26-linux-x64.bin&nbs
MongoDB经典面试题集锦 BigBird2012 mongodb
1.什么是NoSQL数据库？NoSQL和RDBMS有什么区别？在哪些情况下使用和不使用NoSQL数据库？ NoSQL是非关系型数据库，NoSQL = Not Only SQL。关系型数据库采用的结构化的数据，NoSQL采用的是键值对的方式存储数据。在处理非结构化/半结构化的大数据时；在水平方向上进行扩展时；随时应对动态增加的数据项时可以优先考虑使用NoSQL数据库。在考虑数据库的成熟
JavaScript异步编程Promise模式的6个特性 bijian1013 JavaScript Promise
Promise是一个非常有价值的构造器，能够帮助你避免使用镶套匿名方法，而使用更具有可读性的方式组装异步代码。这里我们将介绍6个最简单的特性。在我们开始正式介绍之前，我们想看看Javascript Promise的样子： var p = new Promise(function(r
[Zookeeper学习笔记之八]Zookeeper源代码分析之Zookeeper.ZKWatchManager bit1129 zookeeper
ClientWatchManager接口 //接口的唯一方法materialize用于确定那些Watcher需要被通知 //确定Watcher需要三方面的因素1.事件状态 2.事件类型 3.znode的path public interface ClientWatchManager { /** * Return a set of watchers that should
【Scala十五】Scala核心九：隐式转换之二 bit1129 scala
隐式转换存在的必要性，在Java Swing中，按钮点击事件的处理，转换为Scala的的写法如下： val button = new JButton button.addActionListener( new ActionListener { def actionPerformed(event: ActionEvent) {
Android JSON数据的解析与封装小Demo ronin47
转自：http://www.open-open.com/lib/view/open1420529336406.html package com.example.jsondemo; import org.json.JSONArray; import org.json.JSONException; import org.json.JSONObject; impor
[设计]字体创意设计方法谈 brotherlamp UI ui自学 ui视频 ui教程 ui资料
从古至今，文字在我们的生活中是必不可少的事物，我们不能想象没有文字的世界将会是怎样。在平面设计中，UI设计师在文字上所花的心思和功夫最多，因为文字能直观地表达UI设计师所的意念。在文字上的创造设计，直接反映出平面作品的主题。如设计一幅戴尔笔记本电脑的广告海报，假设海报上没有出现“戴尔”两个文字，即使放上所有戴尔笔记本电脑的图片都不能让人们得知这些电脑是什么品牌。只要写上“戴尔笔
单调队列-用一个长度为k的窗在整数数列上移动，求窗里面所包含的数的最大值 bylijinnan java 算法面试题
import java.util.LinkedList; /* 单调队列滑动窗口单调队列是这样的一个队列：队列里面的元素是有序的，是递增或者递减题目：给定一个长度为N的整数数列a(i),i=0,1,...,N-1和窗长度k. 要求：f(i) = max{a(i-k+1),a(i-k+2),..., a(i)},i = 0,1,...,N-1 问题的另一种描述就
struts2处理一个form多个submit chiangfai struts2
web应用中，为完成不同工作，一个jsp的form标签可能有多个submit。如下代码： <s:form action="submit" method="post" namespace="/my"> <s:textfield name="msg" label="叙述：">
shell查找上个月，陷阱及野路子 chenchao051 shell
date -d "-1 month" +%F 以上这段代码，假如在2012/10/31执行，结果并不会出现你预计的9月份，而是会出现八月份，原因是10月份有31天，9月份30天，所以-1 month在10月份看来要减去31天，所以直接到了8月31日这天，这不靠谱。野路子解决：假设当天日期大于15号
mysql导出数据中文乱码问题 daizj mysql 中文乱码导数据
解决mysql导入导出数据乱码问题方法：１、进入mysql，通过如下命令查看数据库编码方式： mysql> show variables like 'character_set_%'; +--------------------------+----------------------------------------+ | Variable_name&nbs
SAE部署Smarty出现：Uncaught exception 'SmartyException' with message 'unable to write dcj3sjt126com PHP smarty sae
对于SAE出现的问题：Uncaught exception 'SmartyException' with message 'unable to write file...。官方给出了详细的FAQ：http://sae.sina.com.cn/?m=faqs&catId=11#show_213 解决方案为： 01 $path
《教父》系列台词 dcj3sjt126com
Your love is also your weak point. 你的所爱同时也是你的弱点。 If anything in this life is certain, if history has taught us anything, it is that you can kill anyone. 不顾家的人永远不可能成为一个真正的男人。 &
mongodb安装与使用 dyy_gusi mongo
一.MongoDB安装和启动,widndows和linux基本相同 1.下载数据库, linux:mongodb-linux-x86_64-ubuntu1404-3.0.3.tgz 2.解压文件,并且放置到合适的位置 tar -vxf mongodb-linux-x86_64-ubun
Git排除目录 geeksun git
在Git的版本控制中，可能有些文件是不需要加入控制的，那我们在提交代码时就需要忽略这些文件，下面讲讲应该怎么给Git配置一些忽略规则。有三种方法可以忽略掉这些文件，这三种方法都能达到目的，只不过适用情景不一样。 1. 针对单一工程排除文件这种方式会让这个工程的所有修改者在克隆代码的同时，也能克隆到过滤规则，而不用自己再写一份，这就能保证所有修改者应用的都是同一
Ubuntu 创建开机自启动脚本的方法 hongtoushizi ubuntu
转载自： http://rongjih.blog.163.com/blog/static/33574461201111504843245/ Ubuntu 创建开机自启动脚本的步骤如下： 1) 将你的启动脚本复制到 /etc/init.d目录下以下假设你的脚本文件名为 test。 2) 设置脚本文件的权限 $ sudo chmod 755
第八章流量复制/AB测试/协程 jinnianshilongnian nginx lua coroutine
流量复制在实际开发中经常涉及到项目的升级，而该升级不能简单的上线就完事了，需要验证该升级是否兼容老的上线，因此可能需要并行运行两个项目一段时间进行数据比对和校验，待没问题后再进行上线。这其实就需要进行流量复制，把流量复制到其他服务器上，一种方式是使用如tcpcopy引流；另外我们还可以使用nginx的HttpLuaModule模块中的ngx.location.capture_multi进行并发
电商系统商品表设计 lkl
DROP TABLE IF EXISTS `category`; -- 类目表 /*!40101 SET @saved_cs_client = @@character_set_client */; /*!40101 SET character_set_client = utf8 */; CREATE TABLE `category` ( `id` int(11) NOT NUL
修改phpMyAdmin导入SQL文件的大小限制 pda158 sql mysql
　用phpMyAdmin导入mysql数据库时，我的10M的数据库不能导入，提示mysql数据库最大只能导入2M。　　 phpMyAdmin数据库导入出错：　　You probably tried to upload too large file. Please refer to documentation for ways to workaround this limit.
Tomcat性能调优方案 Sobfist apache jvm tomcat 应用服务器
一、操作系统调优对于操作系统优化来说，是尽可能的增大可使用的内存容量、提高CPU的频率，保证文件系统的读写速率等。经过压力测试验证，在并发连接很多的情况下，CPU的处理能力越强，系统运行速度越快。。【适用场景】任何项目。二、Java虚拟机调优应该选择SUN的JVM，在满足项目需要的前提下，尽量选用版本较高的JVM，一般来说高版本产品在速度和效率上比低版本会有改进。 J
SQLServer学习笔记 vipbooks 数据结构 xml
1、create database school 创建数据库school 2、drop database school 删除数据库school 3、use school 连接到school数据库，使其成为当前数据库 4、create table class(classID int primary key identity not null) 创建一个名为class的表，其有一