无量儿
无量儿

AI-python

1、sklearn StandardScaler与“ with_std = False或True”之间的差异和“ with_mean = False或True”（https://www.it1352.com/1794584.html）

****如果将with_mean和with_std设置为False，则将平均值μ设置为0并std设为1，假定列/特征来自正态高斯分布（均值为0和1 std）。

如果将with_mean和with_std设置为True，那么您实际上将使用数据的真实μ和σ。这是最常见的方法。

2、python之meshgrid的使用(https://blog.csdn.net/qq_30638831/article/details/84628976)

image.png

4、关于numpy的astype（bool）和astype（int）等等（https://blog.csdn.net/wuxulong123/article/details/103387222）
import numpy as np
a=[[1,2,1],[2,3,5]]
b=[[0,0,0],[2,3,5]]
c=np.array(a).astype(bool)
d=np.array(b).astype(bool)
print(c)
print(d)

tight_layout会自动调整子图参数，使之填充整个图像区域。

6、Python isalpha()方法（https://www.runoob.com/python/att-string-isalpha.html）

Python isalpha() 方法检测字符串是否只由字母组成。

7、Python List count()方法(https://www.runoob.com/python/att-list-count.html)

count() 方法用于统计某个元素在列表中出现的次数。

8、from future import print_function用法（https://zhuanlan.zhihu.com/p/28641474）
首先我们需要明白该句语句是python2的概念，那么python3对于python2就是future了，也就是说，在python2的环境下，超前使用python3的print函数。

举例如下：
在python2.x的环境是使用下面语句，则第二句语法检查通过，第三句语法检查失败

1 from future import print_function
2 print('you are good')
3 print 'you are good'

10、np.newaxis作用（https://blog.csdn.net/weixin_42866962/article/details/82811082）

np.newaxis的功能:插入新维度

a=np.array([1,2,3,4,5])
aa=a[:,np.newaxis]
print(aa.shape)
print (aa)

输出：(5, 1)
[[1]
[2]
[3]
[4]
[5]]

11、Mac python matplotlib Glyph xxxxx missing from current font的解决方案

  1. https://blog.csdn.net/fwj_ntu/article/details/105598145
  2. https://blog.csdn.net/qiqiqi98/article/details/106732789
  3. https://blog.csdn.net/weixin_38037405/article/details/107127610

https://blog.csdn.net/Fwuyi/article/details/123084642
plt.rcParams['font.sans-serif'] = ['SimHei'] #运行配置参数中的字体（font）为黑体（SimHei）

plt.rcParams['axes.unicode_minus'] = False #运行配置参数总的轴（axes）正常显示正负号（minus）

12、numpy 学习之 np.c_的用法（https://blog.csdn.net/qq_33728095/article/details/102512600）
np.c 中的c 是 column(列)的缩写，就是按列叠加两个矩阵，就是把两个矩阵左右组合，要求行数相等。

16、Xlim函数--Matplotlib(https://blog.csdn.net/chongbaikaishi/article/details/108782039)

获取或设置x轴数值显示范围
left, right = xlim() # return the current xlim 返回当前x轴边界
xlim((left, right)) # set the xlim to left, right 设置x轴边界

21、python self.class.name 理解（https://blog.csdn.net/aaa958099161/article/details/90177791）

获取类名

22、sklearn中的make_blobs的用法(https://blog.csdn.net/weixin_44177568/article/details/102213508)
data, label = make_blobs(n_features=2, n_samples=100, centers=3, random_state=3, cluster_std=[0.8, 2, 5])

n_features表示每一个样本有多少特征值
n_samples表示样本的个数
centers是聚类中心点的个数，可以理解为label的种类数
random_state是随机种子，可以固定生成的数据
cluster_std设置每个类别的方差

23、core_indices[model.core_sample_indices_] = True
https://www.cnblogs.com/xiguapipipipi/p/10109789.html
https://blog.csdn.net/qq_30031221/article/details/116494511

core_indices[model.core_sample_indices_] = True#model.core_sample_indices_：核心点的索引，因为labels_不能区分核心点还是边界点，所以需要用这个索引确定核心点。
model.core_sample_indices_ border point位于labels中的下标

24、np.unique( )的用法（https://blog.csdn.net/u012193416/article/details/79672729）

该函数是去除数组中的重复数字，并进行排序之后输出。

25、axis=0 与 axis=1 的区分(https://blog.csdn.net/guoyang768/article/details/84818774)

1表示横轴，方向从左到右；0表示纵轴，方向从上到下

26、分群评估指标（二）|调整互信息与Homogeneity, completeness and V-measure(https://zhuanlan.zhihu.com/p/425253563)

homogeneity : float
score between 0.0 and 1.0. ;1.0 stands for perfectly homogeneous labeling

completeness:float
score between 0.0 and 1.0. ;1.0 stands for perfectly complete labeling

v_measure:float
harmonic mean of the first two

A clustering result satisfies homogeneity: if all of its clusters contain only data points which are members of a single class.

A clustering result satisfies completeness: if all the data points that are members of a given class are elements of the same cluster.

27、聚类︱python实现 六大 分群质量评估指标（兰德系数、互信息、轮廓系数）（https://blog.csdn.net/sinat_26917383/article/details/70577710）
https://blog.csdn.net/howhigh/article/details/73928635

28、numpy.median()(https://blog.csdn.net/qq_42518956/article/details/103987722)
numpy模块下的median作用为：
计算沿指定轴的均值
返回数组元素的均值

image.png

29、np.logspace() 对数等⽐数列(https://wenku.baidu.com/view/2f9546020422192e453610661ed9ad51f01d54f6.html)

logspace等⽐数列，默认以10为底

image.png

30、numpy.histogramdd（https://www.cjavapy.com/article/1105/）
计算某些数据的多维直方图。

返回值 ：
H ：ndarray
样本x的多维直方图。有关不同的可能语义，请参见normed和weights。

edges ：list
D数组的列表，描述每个维度的面元边缘。

31、python列表去重的两种方法（https://blog.csdn.net/CHQC388/article/details/114648761）
def test2():
lst = [1,2,5,6,3,5,7,3]
tmp = list(set(lst))
print(tmp) # 顺序改变
tmp.sort(key=lst.index)
print(tmp) # 顺序不变

32、【numpy】argmax参数辨析（axis=0,axis=1,axis=-1)(https://blog.csdn.net/weixin_39190382/article/details/105854567)

https://blog.csdn.net/byron123456sfsfsfa/article/details/88923085

argmax：一句话概括，返回最大值的索引。
当axis=0，是在列中比较，选出最大的 行 索引
当axis=1，是在行中比较，选出最大的 列 索引

33、python中endswith()函数的用法（https://blog.csdn.net/qq_40678222/article/details/83033587）
判断字符串是否以指定字符或子字符串结尾。

34、np.array()和np.asarray()的联系与区别（https://blog.csdn.net/weixin_40922744/article/details/106737424）

从定义中可以看出两者的主要区别在于 np.array（默认情况下）将会copy该对象，而 np.asarray除非必要，否则不会copy该对象。

35、np.isnan()是判断是否是空值（https://blog.csdn.net/tian_jiangnan/article/details/104862085）

36、np.argmax（https://blog.csdn.net/CSDNwei/article/details/109183313）

格式：np.argmax(a)
注意：返回的是a中元素最大值所对应的索引值

37、np.hstack将参数元组的元素数组按水平方向进行叠加(https://blog.csdn.net/G66565906/article/details/84142034)

import numpy as np

arr1 = np.array([[1,3], [2,4] ])
arr2 = np.array([[1,4], [2,6] ])
res = np.hstack((arr1, arr2))

print (res)

[[1 3 1 4]
[2 4 2 6]]

38、dtype=np.uint8（https://blog.csdn.net/qq_42191914/article/details/103103460）

https://zhidao.baidu.com/question/532862991.html
uint8是8位无符号整型，uint16是16位无符号整型。

https://zhidao.baidu.com/question/519987520.html
uint8是指0~2^8-1 = 255数据类型，一般在图像处理中很常见。

今天踩了一个坑，在opencv-python中，若想为图像创建一个容器，需要指定dtype=np.uint8，否则虽然你的容器矩阵中是有值的，但是无法正常imshow

image.png

39、eval() 函数用来执行一个字符串表达式，并返回表达式的值。(https://www.runoob.com/python/python-func-eval.html)

n=81
eval("n + 4")
85

40、python中assert的用法（https://blog.csdn.net/qq_37369201/article/details/109195257）

def zero(s):
a = int(s)
assert a > 0,"a超出范围" #这句的意思：如果a确实大于0，程序正常往下运行
return a

zero("-2") #但是如果a是小于0的，程序会抛出AssertionError错误，报错为参数内容“a超出范围”

41、类型提示(self, nums: List[int]) -＞ List[int] （https://blog.csdn.net/chengyikang20/article/details/124778296）

def greeting(name: str) -> str:
return 'Hello ' + name

greeting 函数中，参数name的类型是str，返回类型也是str。子类型也可以当作参数。

42、查看当前numpy版本(https://blog.csdn.net/cpick/article/details/122503241)

在cmd中依次输入：

1.python

2.import numpy

3.numpy.version

43、numpy 安装与卸载（https://blog.csdn.net/weixin_42081389/article/details/98185411/）
pip uninstall numpy
pip install numpy==1.16.4

44、os.walk()的详细理解（https://blog.csdn.net/qq_37344125/article/details/107972463）

for root, dirs, files in os.walk(operate_path):
print('root:',root)
print('dirs:',dirs)
print('files:',files)
print('\n')

root：输出了mm文件夹的的绝对路径;
dirs：保存了mm文件夹下的所有子文件夹的目录名（只有一层）
files：则是一个保存了mm文件夹下的所有文件的文件名，并保存到list中

45、PIL库中getpixel()-方法的使用(https://blog.csdn.net/qq_36430012/article/details/114303458)
getpixel（）函数是用来获取图像中某一点的像素的RGB颜色值，getpixel的参数是一个像素点的坐标。对于图象的不同的模式，getpixel函数返回的值不同。

46、L，P，RGB，RGBA，CMYK，YCbCr，I， F，不同的图像模式（https://www.likecs.com/show-204895834.html）
模式"L"为灰度图像，它的每个像素用8个bit位表示，其中0表示黑，255表示白，其它数字表示不同的灰度。

47、numpy.ndarray 排序（https://www.jb51.net/article/130651.htm）
ndarray.sort(axis=-1,kind='quicksort',order=None)

使用方法：a.sort

参数说明：

axis：排序沿着数组的方向，0表示按行，1表示按列

kind：排序的算法，提供了快排、混排、堆排

order：不是指的顺序，以后用的时候再去分析这个

作用效果：对数组a排序，排序后直接改变了a

48、pandas从dataframe中提取多列数据(https://blog.csdn.net/weixin_44561414/article/details/125673541)

X = df_gps_org[["latitude","longitude"]]

49、Pandas＞＞按照行、列进行求和（https://blog.csdn.net/panfuyong11/article/details/115349576）

x_train[['L']].apply(lambda x:x.sum())
x_train[['温度']].apply(lambda x:x.sum())
x_train[['PH']].apply(lambda x:x.sum())

50、pandasDataFrame数据转为list的方法(https://wenku.baidu.com/view/2605fc37b4360b4c2e3f5727a5e9856a57122649.html)

caohao= all_data['槽号']
print(type(caohao))
caohao_list = caohao.tolist()

51、pandas转numpy（http://t.zoukankan.com/Renyi-Fan-p-13882431.html）
1.使用DataFrame中的values方法

df.values
2.使用DataFrame中的as_matrix()方法

df.as_matrix()
3.使用Numpy中的array方法

np.array(df)

52、pandas根据某列去重（https://blog.csdn.net/qq_43965708/article/details/109892053）

53、在matplotlib中创建子图的多种方式（https://www.dandelioncloud.cn/article/details/1498083567296163841）

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(100)

创建图像布局对象fig

fig = plt.figure(figsize = (12, 6))

221代表创建2行2列一共4个子图，并从左往右第1个子图开始绘图。

ax1 = fig.add_subplot(221)
ax1.plot(x, x)
ax2 = fig.add_subplot(222)
ax2.plot(x, -x)
ax3 = fig.add_subplot(223)
ax3.plot(x, x ** 2)
ax4 = fig.add_subplot(224)
ax4.plot(-x, x ** 2)
plt.show()

54、sklearn-数据集划分(https://blog.csdn.net/qq_36387683/article/details/80468011)

x_train, x_test, y_train, y_test = train_test_split(data, label, test_size = 0.3, random_state = 7)

55、进度条
import time
from tqdm import tqdm

for i in tqdm(range(1000)):
time.sleep(.01)

56、如何将py文件转化为exe（https://blog.csdn.net/m0_54812370/article/details/124493642）
https://blog.csdn.net/a789865315/article/details/124259965

57、反编译，如何将Python打包后的exe还原成.py？(https://blog.csdn.net/Csy79/article/details/125103466)
https://blog.csdn.net/weixin_49764009/article/details/120340153

58、调用fit_transform()与调用transform()的区别（https://blog.csdn.net/data_curd/article/details/112556315）
fit_trainfrom方法时trainfrom和fit方法的结合，其意思是找出x_train的均值和方差，并应用到x_train上
而下来调用trainform就直接用x_train求出来的方差和均值就行了。

fit(): Method calculates the parameters μ and σ and saves them as internal objects.
解释：简单来说，就是求得训练集X的均值，方差，最大值，最小值,这些训练集X固有的属性。
transform(): Method using these calculated parameters apply the transformation to a particular dataset.
解释：在fit的基础上，进行标准化，降维，归一化等操作（看具体用的是哪个工具，如PCA，StandardScaler等）。

59、Python—计算方差、标准差（https://blog.csdn.net/weixin_46560950/article/details/104905883）
import numpy as np
arr = [1,2,3,4,5,6]

求方差

arr_var = np.var(arr)

求标准差

arr_std = np.std(arr,ddof=1)
print("方差为：%f" % arr_var)
print("标准差为:%f" % arr_std)

60、python怎么去掉换行符_python去除字符串中的换行符(https://blog.csdn.net/weixin_39610759/article/details/109924504)

一、去除空格

strip()

" xyz ".strip() # returns "xyz"

" xyz ".lstrip() # returns "xyz "

" xyz ".rstrip() # returns " xyz"

" x y z ".replace(' ', '') # returns "xyz"

二、替换 replace("space","")

用replace("\n", ""),后边的串替换掉前边的

61、Python字符串截取方式（https://blog.csdn.net/luckjump/article/details/119251647）

62、如何用Python求众数（https://blog.csdn.net/weixin_35757704/article/details/120842651?spm=1001.2101.3001.6650.6&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-6-120842651-blog-108671660.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-6-120842651-blog-108671660.pc_relevant_default&utm_relevant_index=7）

import numpy as np
import statistics

my_list = [1, 1, 2, 3, 4, 1, 2, 3, 3, 3, 3, 3]
mode1 = statistics.mode(my_list)
mode2 = np.argmax(np.bincount(my_list))
print(mode1)
print(mode2)

63、ceil() 函数返回数字的上入整数。
import math

math.ceil( x )

64、格式化输出（https://www.jb51.net/article/240789.htm）
print(f"I love {'Geeks'} for "{'Geeks'}!"")

65、使用random.randint函数可以生成一个范围内的整数，但是会重复（https://blog.csdn.net/u012759006/article/details/108252836）

a = np.random.randint(0, 2, 10)

print(a) # [0 0 1 1 0 0 1 0 0 0]

66、Python二维列表的创建、转换以及访问详解（https://www.jb51.net/article/246265.htm）
追加一维列标来生成二维列标
row1 = [3, 4, 5]
row2 = [1, 5, 9]
row3 = [2, 5, 8]
row4 = [7, 8, 9]
matrix = []
matrix.append(row1)
matrix.append(row2)
matrix.append(row3)
matrix.append(row4)
print(matrix)

67、python中怎么删除列表中的元素（https://m.php.cn/article/471345.html)

emove: 删除单个元素，删除首个符合条件的元素，按值删除

str=[1,2,3,4,5,2,6]

str.remove(2)

str

[1, 3, 4, 5, 2, 6]

68、# python判断目录是否存在，不存在则创建目录
import os
wjjname=input("请输入存放目录\n") #输入目标目录
if os.path.exists(wjjname): #判断目标目录是否存在
print("目录存在")
else:
print("目录不存在")
print("正在为您创建目录")
os.mkdir(wjjname) #如果不存在则创建目标目录
print("目录创建完成")
input("按回车键退出")

69、Python将列表中的元素转化为数字并排序的示例（http://www.kaotop.com/it/22493.html）
numbers = ['2', '4', '1', '3']
numbers = [2, 4, 1, 3]
numbers = list(map(int, numbers))

70、Python中的groupby分组（https://blog.csdn.net/qq_32618817/article/details/80587228）

for i in df.groupby(['key1','key2']):
print(i)

输出：

(('a', 'one'), data1 data2 key1 key2
0 -0.293828 0.571930 a one
4 -1.943001 0.106842 a one)
(('a', 'two'), data1 data2 key1 key2
1 1.872765 1.085445 a two)
(('b', 'one'), data1 data2 key1 key2
2 -0.466504 1.26214 b one)
(('b', 'two'), data1 data2 key1 key2
3 -1.125619 -0.836119 b two)

71、【Python】Json配置文件及简单的封装函数使用（https://blog.csdn.net/AwesomeP/article/details/126832604）
import json

def readFileJson():
# 读取配置文件
with open('global_data.json','r') as f:
data = json.load(f)
return data

72、python读取文件最后几行_python读取文件最后一行两种方法（https://blog.csdn.net/weixin_39997300/article/details/109879260）

2 with open(fname, 'r', encoding='utf-8') as f: #打开文件

3 lines = f.readlines() #读取所有行

4 first_line = lines[0] #取第一行

5 last_line = lines[-1] #取最后一行

73、Python列表逆序排列（https://www.jb51.net/article/248826.htm）

会直接将列表里面的元素倒序排列 不需要创建新的副本储存结果
优点:1.节省内存
缺点:1.直接修改了源数据，如果后面使用源数据的话不方便，需要再倒序一次（多余的操作)

mylist = [1, 2, 3, 4, 5]
print(mylist)
mylist.reverse()
print(mylist)

74、python文件打包（https://blog.csdn.net/linZinan_/article/details/115573895）
https://www.php.cn/faq/415527.html

方法1 pyinstaller -F -w --icon=“窗口文件图标绝对路径” 文件名.py 打包为单个exe文件，一般内部包含了依赖库，所以较大

方法2 pyinstaller -D -w --icon=“窗口文件图标绝对路径” 文件名.py 打包为一个文件夹，其中exe文件在文件夹内部，这样子单个exe文件就比较小

75、# Pandas 读取 csv 文件提示：DtypeWarning: Columns (3) have mixed types. Specify dtype option on import or set low_memory=False.

data = pd.read_csv(f, low_memory=False)

76、python读取csv文件的几种方式（含实例说明）（https://blog.csdn.net/qq_43160348/article/details/124331781）

import pandas as pd

df = pd.read_csv('../data_pro/audito_whole.csv')
print(df)

77、# Python获取文件夹目录下文件

os.listdir:参数为文件夹路径，可以返回文件夹下的所有子文件夹、文件名称

不能返回子文件夹下的文件

for file_name in os.listdir(path):
print(file_name)

78、python编写程序，生成100个0 ~ 10之间的随机整数，并统计每个元素的出现次数。（https://blog.csdn.net/jxydwhb/article/details/105418304）

import random
i = 1
d = {}
while i<101:
value = random.randint(0,10)
d[value] = d.get(value,0)+1
i = i+1
for i in range(0,11):
print("元素 {}出现的次数：{}".format(i,d[i]))

79、函数、模块、包库关系
函数<模块<包<库
function < module < package < Libraries

80、

你可能感兴趣的:(AI-python)

  • 3理解图像本质-AI-python 独一163 python开发语言
    下载JupyterLab代码如下：importnumpyasnp//导入包importmatplotlib.pyplotasplt//为了显示图片要导入另一个图%matplotlibinline//显示图片防止出错，在行内显示fromPILimportImage//读取图片img=Image.open('E:/ANCONDA/AI_Python_Study/img/cat.jpg')导入图片，填对
  • 4 三组例子，用OpenCV玩转图像-AI-python 独一163 opencv人工智能计算机视觉
    读取，缩放，旋转，写入图像首先导入包，为了显示导入matplotlib/为了在matplotlib显示导入CV2/查看版本导入图片/查看图片类型图片数组数组大小对于opencv通道顺序蓝色B、绿色G、红色Rmatplotlib通道顺序为红色R、绿色G、蓝色B所以我们要把opencv的顺序转换成->matplotlib通道顺序为红色R、绿色G、蓝色B按住shift+Tab可以看有哪些参数。COLOR
  • AI-python 无量儿
    1、sklearnStandardScaler与“with_std=False或True”之间的差异和“with_mean=False或True”（https://www.it1352.com/1794584.html）****如果将with_mean和with_std设置为False，则将平均值μ设置为0并std设为1，假定列/特征来自正态高斯分布（均值为0和1std）。如果将with_mean
  • PHP，安卓，UI，java，linux视频教程合集 cocos2d-x小菜 javaUIPHPandroidlinux
    ╔-----------------------------------╗┆                           
  • 各表中的列名必须唯一。在表 'dbo.XXX' 中多次指定了列名 'XXX'。 bozch .net.net mvc
    在.net mvc5中，在执行某一操作的时候，出现了如下错误：       各表中的列名必须唯一。在表 'dbo.XXX' 中多次指定了列名 'XXX'。 经查询当前的操作与错误内容无关，经过对错误信息的排查发现，事故出现在数据库迁移上。 回想过去： 在迁移之前已经对数据库进行了添加字段操作，再次进行迁移插入XXX字段的时候，就会提示如上错误。  &
  • Java 对象大小的计算 e200702084 java
                              Java对象的大小 如何计算一个对象的大小呢？    
  • Mybatis Spring 171815164 mybatis
    ApplicationContext ac = new ClassPathXmlApplicationContext("applicationContext.xml"); CustomerService userService = (CustomerService) ac.getBean("customerService"); Customer cust
  • JVM 不稳定参数 g21121 jvm
            -XX 参数被称为不稳定参数，之所以这么叫是因为此类参数的设置很容易引起JVM 性能上的差异，使JVM 存在极大的不稳定性。当然这是在非合理设置的前提下，如果此类参数设置合理讲大大提高JVM 的性能及稳定性。        可以说“不稳定参数”
  • 用户自动登录网站 永夜-极光 用户
    1.目标:实现用户登录后,再次登录就自动登录,无需用户名和密码 2.思路:将用户的信息保存为cookie            每次用户访问网站,通过filter拦截所有请求,在filter中读取所有的cookie,如果找到了保存登录信息的cookie,那么在cookie中读取登录信息,然后直接
  • centos7 安装后失去win7的引导记录 程序员是怎么炼成的 操作系统
    1.使用root身份(必须)打开 /boot/grub2/grub.cfg 2.找到 ### BEGIN /etc/grub.d/30_os-prober ###   在后面添加    menuentry "Windows 7 (loader) (on /dev/sda1)" { 
  • Oracle 10g 官方中文安装帮助文档以及Oracle官方中文教程文档下载 aijuans oracle
    Oracle 10g 官方中文安装帮助文档下载：http://download.csdn.net/tag/Oracle%E4%B8%AD%E6%96%87API%EF%BC%8COracle%E4%B8%AD%E6%96%87%E6%96%87%E6%A1%A3%EF%BC%8Coracle%E5%AD%A6%E4%B9%A0%E6%96%87%E6%A1%A3 Oracle 10g 官方中文教程
  • JavaEE开源快速开发平台G4Studio_V3.2发布了 無為子 AOPoraclemysqljavaeeG4Studio
      我非常高兴地宣布,今天我们最新的JavaEE开源快速开发平台G4Studio_V3.2版本已经正式发布。大家可以通过如下地址下载。   访问G4Studio网站 http://www.g4it.org   G4Studio_V3.2版本变更日志 功能新增 (1).新增了系统右下角滑出提示窗口功能。 (2).新增了文件资源的Zip压缩和解压缩
  • Oracle常用的单行函数应用技巧总结 百合不是茶 日期函数转换函数(核心)数字函数通用函数(核心)字符函数
    单行函数;   字符函数,数字函数,日期函数,转换函数(核心),通用函数(核心) 一:字符函数: .UPPER(字符串) 将字符串转为大写 .LOWER (字符串) 将字符串转为小写 .INITCAP(字符串) 将首字母大写 .LENGTH (字符串) 字符串的长度 .REPLACE(字符串,'A','_') 将字符串字符A转换成_
  • Mockito异常测试实例 bijian1013 java单元测试mockito
    Mockito异常测试实例： package com.bijian.study; import static org.mockito.Mockito.mock; import static org.mockito.Mockito.when; import org.junit.Assert; import org.junit.Test; import org.mockito.
  • GA与量子恒道统计 Bill_chen JavaScript浏览器百度Google防火墙
    前一阵子，统计**网址时，Google Analytics（GA） 和量子恒道统计（也称量子统计），数据有较大的偏差，仔细找相关资料研究了下，总结如下：   为何GA和量子网站统计（量子统计前身为雅虎统计）结果不同？ 首先：没有一种网站统计工具能保证百分之百的准确出现该问题可能有以下几个原因：（1）不同的统计分析系统的算法机制不同；（2）统计代码放置的位置和前后
  • 【Linux命令三】Top命令 bit1129 linux命令
    Linux的Top命令类似于Windows的任务管理器，可以查看当前系统的运行情况，包括CPU、内存的使用情况等。如下是一个Top命令的执行结果：     top - 21:22:04 up 1 day, 23:49, 1 user, load average: 1.10, 1.66, 1.99 Tasks: 202 total, 4 running, 198 sl
  • spring四种依赖注入方式 白糖_ spring
      平常的java开发中，程序员在某个类中需要依赖其它类的方法，则通常是new一个依赖类再调用类实例的方法，这种开发存在的问题是new的类实例不好统一管理，spring提出了依赖注入的思想，即依赖类不由程序员实例化，而是通过spring容器帮我们new指定实例并且将实例注入到需要该对象的类中。依赖注入的另一种说法是“控制反转”，通俗的理解是：平常我们new一个实例，这个实例的控制权是我
  • angular.injector boyitech AngularJSAngularJS API
    angular.injector   描述: 创建一个injector对象, 调用injector对象的方法可以获得angular的service, 或者用来做依赖注入.   使用方法: angular.injector(modules, [strictDi])   参数详解: Param Type Details mod
  • java-同步访问一个数组Integer[10]，生产者不断地往数组放入整数1000，数组满时等待；消费者不断地将数组里面的数置零，数组空时等待 bylijinnan Integer
    public class PC { /** * 题目：生产者-消费者。 * 同步访问一个数组Integer[10]，生产者不断地往数组放入整数1000，数组满时等待；消费者不断地将数组里面的数置零，数组空时等待。 */ private static final Integer[] val=new Integer[10]; private static
  • 使用Struts2.2.1配置 Chen.H apachespringWebxmlstruts
    Struts2.2.1 需要如下 jar包: commons-fileupload-1.2.1.jar commons-io-1.3.2.jar commons-logging-1.0.4.jar freemarker-2.3.16.jar javassist-3.7.ga.jar ognl-3.0.jar spring.jar struts2-core-2.2.1.jar struts2-sp
  • [职业与教育]青春之歌 comsci 教育
           每个人都有自己的青春之歌............但是我要说的却不是青春...        大家如果在自己的职业生涯没有给自己以后创业留一点点机会,仅仅凭学历和人脉关系,是难以在竞争激烈的市场中生存下去的....   &nbs
  • oracle连接(join)中使用using关键字 daizj JOINoraclesqlusing
    在oracle连接(join)中使用using关键字 34. View the Exhibit and examine the structure of the ORDERS and ORDER_ITEMS tables. Evaluate the following SQL statement: SELECT oi.order_id, product_id, order_date FRO
  • NIO示例 daysinsun nio
    NIO服务端代码： public class NIOServer { private Selector selector; public void startServer(int port) throws IOException { ServerSocketChannel serverChannel = ServerSocketChannel.open(
  • C语言学习homework1 dcj3sjt126com chomework
    0、 课堂练习做完 1、使用sizeof计算出你所知道的所有的类型占用的空间。 int x; sizeof(x);   sizeof(int);   # include <stdio.h> int main(void) { int x1; char x2; double x3; float x4; printf(&quo
  • select in order by , mysql排序 dcj3sjt126com mysql
    If i select like this: SELECT id FROM users WHERE id IN(3,4,8,1); This by default will select users in this order 1,3,4,8, I would like to select them in the same order that i put IN() values so:
  • 页面校验-新建项目 fanxiaolong 页面校验
    $(document).ready( function() { var flag = true; $('#changeform').submit(function() { var projectScValNull = true; var s =""; var parent_id = $("#parent_id").v
  • Ehcache（02）——ehcache.xml简介 234390216 ehcacheehcache.xml简介
    ehcache.xml简介          ehcache.xml文件是用来定义Ehcache的配置信息的，更准确的来说它是定义CacheManager的配置信息的。根据之前我们在《Ehcache简介》一文中对CacheManager的介绍我们知道一切Ehcache的应用都是从CacheManager开始的。在不指定配置信
  • junit 4.11中三个新功能 jackyrong java
    junit 4.11中两个新增的功能，首先是注解中可以参数化，比如 import static org.junit.Assert.assertEquals; import java.util.Arrays; import org.junit.Test; import org.junit.runner.RunWith; import org.junit.runn
  • 国外程序员爱用苹果Mac电脑的10大理由 php教程分享 windowsPHPunixMicrosoftperl
    Mac 在国外很受欢迎，尤其是在 设计/web开发/IT 人员圈子里。普通用户喜欢 Mac 可以理解，毕竟 Mac 设计美观，简单好用，没有病毒。那么为什么专业人士也对 Mac 情有独钟呢？从个人使用经验来看我想有下面几个原因： 1、Mac OS X 是基于 Unix 的 这一点太重要了，尤其是对开发人员，至少对于我来说很重要，这意味着Unix 下一堆好用的工具都可以随手捡到。如果你是个 wi
  • 位运算、异或的实际应用 wenjinglian 位运算
    一． 位操作基础，用一张表描述位操作符的应用规则并详细解释。       二． 常用位操作小技巧，有判断奇偶、交换两数、变换符号、求绝对值。       三． 位操作与空间压缩，针对筛素数进行空间压缩。    &n
  • weblogic部署项目出现的一些问题（持续补充中……） Everyday都不同 weblogic部署失败
    好吧，weblogic的问题确实……   问题一： org.springframework.beans.factory.BeanDefinitionStoreException: Failed to read candidate component class: URL [zip:E:/weblogic/user_projects/domains/base_domain/serve
  • tomcat7性能调优（01） toknowme tomcat7
        Tomcat优化： 1、最大连接数最大线程等设置 <Connector port="8082" protocol="HTTP/1.1"                useBodyEncodingForURI="t
  • PO VO DAO DTO BO TO概念与区别 xp9802 javaDAO设计模式bean领域模型
    O/R Mapping 是 Object Relational Mapping（对象关系映射）的缩写。通俗点讲，就是将对象与关系数据库绑定，用对象来表示关系数据。在O/R Mapping的世界里，有两个基本的也是重要的东东需要了解，即VO，PO。 它们的关系应该是相互独立的，一个VO可以只是PO的部分，也可以是多个PO构成，同样也可以等同于一个PO（指的是他们的属性）。这样，PO独立出来，数据持
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他