无名J0kзr
无名J0kзr

量化：pandas基础

文章目录

  • 简介
  • Series
    • 构造
  • DataFrame
    • 构造
    • 列的查改增删
    • 填充默认值
    • 用loc与iloc取数据
    • 条件选择

简介

pandas是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构。
pandas主要的两种数据结构为Series和DataFrame，分别用于处理一维和二维数据。

Series

Series 是一种类似于 Numpy 中一维数组的对象，它由一组任意类型的数据以及一组与之相关的数据标签（即索引）组成。

构造

abcd为索引，1234为数据
量化：pandas基础_第1张图片也可以传入字典构造一个Series

DataFrame

DataFrame是类似表格的二维数据，每一行每一列都是一个Series。
量化：pandas基础_第2张图片

构造

可传入一个由等长列表组成的字典，即字典里每个value都是列表且长度相等。
量化：pandas基础_第3张图片

列的查改增删

查
量化：pandas基础_第4张图片

改
量化：pandas基础_第5张图片
增
量化：pandas基础_第6张图片
删

axis=1意为操作列，inplace指是否修改原数据

量化：pandas基础_第7张图片

填充默认值

量化：pandas基础_第8张图片

用loc与iloc取数据

iloc：基于位置，用行号、列号进行索引，i 可以看着 int，因此 iloc 只能用整数来索引，例如data.iloc[0:2,:]

loc ：基于标签，用行名、列名进行索引，数据的index经常为整数，因此 loc 的使用范围要远高于iloc，loc可以使用整数切片、名称(index,columns)索引、也可以切片和名称混合使用。例如：data.loc[0:5,‘row1’:‘row2’]
量化：pandas基础_第9张图片
Pandas中iloc、loc、ix、直接索引的用法和区别

条件选择

量化：pandas基础_第10张图片

你可能感兴趣的:(量化,pandas)

  • 【高级RAG技巧】使用二阶段检索器平衡检索的效率和精度 深度学习机器 大语言模型深度学习入门人工智能语言模型
    一传统方法之前的文章已经介绍过向量数据库在RAG（RetrievalAugmentedGenerative）中的应用，本文将会讨论另一个重要的工具-Embedding模型。一般来说，构建生产环境下的RAG系统是直接使用Embedding模型对用户输入的Query进行向量化表示，并且从已经构建好的向量数据库中检索出相关的段落用户大模型生成。但是这种方法很明显会受到Embedding模型性能的影响，比
  • 基于llama_cpp 调用本地模型（llama）实现基本推理 月光技术杂谈 大模型初探llamallama.cpppythonLLM集成显卡本地模型AI
    零基础实践本地推理模型基本应用：基于llama_cpp的本地模型调用。本文先安装llama_cpppython库，再编写程序，利用其调用llama-2-7b-chat.Q4_K_M.ggu模型。背景llama_cpp是一个基于C++的高性能库（llama.cpp）的Python绑定，支持在CPU或GPU上高效运行LLaMA及其衍生模型（如LLaMA2），并通过量化技术（如GGUF格式）优化内存使用
  • llama.cpp框架下GGUF格式及量化参数全解析 Black_Rock_br 人工智能
    前言：在人工智能领域，语言模型的高效部署和推理一直是研究热点。随着模型规模的不断扩大，如何在有限的硬件资源上实现快速、高效的推理，成为了一个关键问题。`llama.cpp`框架以其出色的性能和灵活性，为这一问题提供了有效的解决方案。其中，GGUF格式和模型量化参数是实现高效推理的重要技术手段。本文将对`llama.cpp`框架下的GGUF格式及量化参数进行详细解析，帮助读者更好地理解和应用这些技术
  • DeepSeek的发展背景与前景分析 盐都不盐 ai科技人工智能软件需求
    DeepSeek（深度求索）作为中国人工智能领域的代表性企业，凭借其技术创新与战略布局，在短时间内迅速崛起，并在全球AI领域引发广泛关注。以下从发展背景与前景两个维度进行综合分析：一、发展背景1.创始团队与资源基础-DeepSeek成立于2023年7月，由量化投资公司幻方量化联合创始人梁文锋创立，核心团队汇聚了北大、清华等顶尖高校的博士及年轻人才，团队规模仅约140人，但效率极高。-幻方量化为其提
  • 文本向量化-词嵌入方法系列1：静态词嵌入(Word2Vec+GloVe) 学习ml的小菜鸡 nlp自然语言处理word2vec
    文本分散化表示指将语言表示成低维、稠密、连续的向量，分为静态嵌入和动态嵌入两种方式。静态词嵌入有Word2Vec，Sen2Vec，Doc2Vec，以及GloVe模型；而动态词嵌入有ELMO，Transformer，GPT，Bert和XLNet等等。本文主要对静态词嵌入方法做一个整体介绍，动态词嵌入会在系列2中更新。目录1.Word2Vec1.1CBOW1.2Skip-gram1.3Sen2Vec+
  • 【Pandas】pandas Series repeat liuweidong0802 PandasSeriespandas
    Pandas2.2SeriesComputationsdescriptivestats方法描述Series.argsort([axis,kind,order,stable])用于返回Series中元素排序后的索引位置的方法Series.argmin([axis,skipna])用于返回Series中最小值索引位置的方法Series.argmax([axis,skipna])用于返回Series中最
  • 中小型企业如何选择合适的设备巡检系统？ 无代码开发平台二维码
    近年来，随着企业数字化转型的深入，中国企业对无代码平台的接受度显著提升，尤其在设备管理领域，二维码巡检系统因其低成本、易部署的特点迅速普及。据统计，类似草料二维码这样的轻量化平台已吸引数十万用户，覆盖制造、物业、消防等多个行业。中小企业往往设备数量有限、管理资源不足，传统的手工记录不仅效率低，还容易出错。而只需给设备贴上二维码，通过手机扫码就能完成巡检记录、拍照留证和数据汇总，显然是性价比极高的解
  • 【大模型】DeepSeek-R1-Distill-Qwen部署及API调用 油泼辣子多加 大模型实战算法gptlangchain人工智能
    DeepSeek-R1-Distill-Qwen是由中国人工智能公司深度求索（DeepSeek）开发的轻量化大语言模型，基于阿里巴巴的Qwen系列模型通过知识蒸馏技术优化而来。当前模型开源后，我们可以将其部署，使用API方式进行本地调用1.部署环境本文中的部署基础环境如下所示：PyTorch2.5.1Python3.12(ubuntu22.04)Cuda12.4GPURTX3090(24GB)*1
  • PyBroker：利用 Python 和机器学习助力算法交易 skywalk8163 人工智能编程语言量化分析python机器学习算法
    PyBroker：利用Python和机器学习助力算法交易你是否希望借助Python和机器学习的力量来优化你的交易策略？那么你需要了解一下PyBroker！这个Python框架专为开发算法交易策略而设计，尤其关注使用机器学习的策略。借助PyBroker，你可以轻松创建和微调交易规则，构建强大的模型，并深入了解你的策略表现。PyBroker介绍官方说明文档：利用PyBroker进行量化投资官方说明文档
  • 嵌入式开发必读：RTOS选型指南与实例分析 大模型大数据攻城狮 arm开发嵌入式面试嵌入式面经RTOSFreeRTOSNuttXVxWorks
    目录一、实时操作系统（RTOS）概述1.1实时性的核心定义1.2关键技术指标指标详解不同RTOS的指标表现1.3RTOS与通用OS的本质区别实例对比使用通用OS的后果二、RTOS选型的重要性三、RTOS选型的关键因素1.实时性要求实时性要求量化分析2.系统资源3.功能需求4.开发工具和支持和开发效率对比5.商业支持和社区活跃度四、常见的RTOS及其适用场景1.FreeRTOS2.VxWorks3.
  • 解锁激光焊接新境界：填丝/填粉自适应技术大揭秘 计算机学长 激光控制激光焊接激光
    激光焊接的品质之重在现代制造业的宏大版图中，激光焊接已然成为一股不可或缺的关键力量，深深扎根于众多核心领域。从汽车制造的精密车身架构搭建，到航空航天飞行器的关键部件连接，再到电子设备的微型化精密组装，激光焊接以其独特的技术优势，为这些行业的高效生产和产品性能提升提供了坚实保障。在汽车制造领域，激光焊接能够实现车身零部件的高精度连接，有效提升车身的结构强度与刚性，同时降低车身重量，为汽车的轻量化设计
  • 炒股开户资金要求是多少？不同证券公司是否有区别？ 股票程序化交易接口 量化交易股票API接口Python股票量化交易炒股开户资金要求证券公司股票量化接口股票API接口
    Python股票接口实现查询账户，提交订单，自动交易（1）Python股票程序交易接口查账，提交订单，自动交易（2）股票量化，Python炒股，CSDN交流社区>>>开户资金的组成部分炒股开户的资金要求包含多个方面。首先是用于购买股票的资金，这是最直接的部分。投资者需要有一定资金才能买入股票。其次是可能存在的账户管理费等费用的预留资金。有些证券公司会收取一定的账户管理费用，如果没有预留这部分资金，
  • 多宠识别：基于计算机视觉的智能宠物管理系统架构解析 深圳市快瞳科技有限公司 计算机视觉宠物系统架构
    一、行业痛点与技术方案演进在多宠家庭场景中，传统方案面临三大技术瓶颈：1.生物特征混淆：同品种/毛色宠物识别准确率低于65%2.动态场景适应：进食/奔跑状态下的误检率达30%+3.数据孤岛问题：离线设备无法实现持续学习优化快瞳科技采用**双模态视觉融合架构**，结合轻量化YOLOv7-Tiny模型与CLIP多模态大模型，实现：-98.7%的跨品种宠物识别准确率（CVPR2024最新测试数据）-单次
  • python可應用在金融分析的那一個方面，如何部署在linux server上面。 蠟筆小新工程師 金融
    Python在金融分析中應用廣泛，以下是幾個主要方面：###1.**數據處理與分析**-使用**Pandas**和**NumPy**等庫來處理和分析大規模數據集，進行清理、轉換和統計運算。-舉例：處理歷史市場數據，分析價格趨勢、交易量等。###2.**機器學習與預測**-使用**scikit-learn**、**TensorFlow**或**PyTorch**建立模型進行股票價格預測、信用風險評估
  • YOLOv7-Tiny：轻量化实时目标检测的革新实践 追寻向上 YOLO目标检测人工智能
    一、模型定位与核心优势YOLOv7-Tiny作为YOLOv7系列的轻量级版本，专为边缘计算设备和实时检测场景设计。相比标准YOLOv7，其参数量减少约60%（仅6.02M），计算量降至13.2GFLOPs，在保持较高检测精度的同时，推理速度提升至68FPS（NVIDIAV100）。该模型适用于无人机、嵌入式设备、移动端等资源受限场景，在实时性与精度之间实现了极佳平衡。二、模型架构创新主干网络优化深
  • pyscript的用法 新时代_打工人 pythonpython开发语言前端框架
    PyScript核心特性Pythoninthebrowser：启用drop-incontent、外部文件托管（基于Pyodide项目），以及不依赖服务器端配置的应用程序托管。Python生态：提供流行的Python和科学计算软件包（例如numpy,pandas,scikit-learn等）。PythonwithJavaScript：在Python和JavaScript对象和命名空间之间进行双向通信
  • 大模型与图数据库RAG通俗流程拆解 gallonyin 产品笔记AI知识图谱
    图构建（略）neo4j、tugraph等均可，不影响GraphRAG核心框架模型向量化模型bce-embedding-base_v1重排序模型bce-reranker-base_v1大语言模型Qwen/Qwen2.5-32B-Instruct图数据库tugraph索引faiss核心流程这个调用链日志展示了一个完整的问答系统处理用户输入“百草园里有什么”的过程。本项目使用和参考了开源项目茴香豆。以下
  • Python 自动化探索性数据分析（EDA）工具 东方佑 量子变法python自动化数据分析
    1.PandasProfiling功能特点：自动生成详细的统计报告，包含数据概览、单变量分析、相关性矩阵、缺失值分析等。支持交互式HTML报告，可导出为PDF或其他格式。适合快速生成数据集的全面摘要。使用示例：importpandasaspdfrompandas_profilingimportProfileReportdf=pd.read_csv("data.csv")profile=Profil
  • DataFrame中添加和删处‘行’ 手机忘记时间 pandas
    添加：在Pandas中，df.loc[len(df)]=new_values这行代码用于在DataFramedf的末尾添加一行新数据。这里的len(df)返回的是DataFrame当前的行数，因此df.loc[len(df)]指向的是一个新的行索引，这个索引在当前DataFrame中还不存在。以下是这行代码的详细解释：df：代表你的DataFrame对象。loc：是Pandas提供的基于标签的索引
  • 迅投miniQMT量化交易之【网格交易】的实现（八）——init_db_tables()方法 QMT量化交易 量化交易数据库python量化交易miniQMT
    和大家一起分享如何使用miniQMT实现我们自己的网格交易系统。如果您对量化交易感兴趣，欢迎一起交流。特别声明：本文只从技术层面介绍如何通过miniQMT实现网格交易，尽管相关代码已经笔者实盘验证，但笔者不对读者的实际盈亏负责。本专栏其他文章：使用迅投miniQMT实时监控同花顺自选股，实现自动交易使用python获取同花顺免费版和同花顺远航版自选股数据用于量化交易使用python将选股策略选股结
  • 迅投miniQMT实盘大单拆单批量下单方法的实现 QMT量化交易 量化交易python量化交易miniQMT
    前面介绍了如何利用迅投miniQMT实现同花顺自选股的盘中实时监控方法，本文和大家一起分享如何利用迅投miniQMT在实盘中实现大单拆单批量下单。特别提示：本文只从技术层面介绍如何实现大单拆单进行批量下单，不对读者的实际盈亏负责。进行实盘下单前，请务必检查好各参数！本专栏文章：使用迅投miniQMT实时监控同花顺自选股，实现自动交易使用python获取同花顺免费版和同花顺远航版自选股数据用于量化交
  • Python在数字货币交易中的算法设计：从策略到实践 Echo_Wish Python！实战！python算法开发语言
    Python在数字货币交易中的算法设计：从策略到实践随着区块链技术的发展和加密货币市场的繁荣，数字货币交易已经成为金融领域的一个重要分支。从个体投资者到量化基金，算法交易（AlgorithmicTrading）正在为提高交易效率和决策质量提供强大的支撑。在这些技术应用中，Python凭借其丰富的生态系统和简洁的语法，成为开发交易算法的首选语言。今天，我将带你深度探讨Python在数字货币交易中的算
  • 使用 llama.cpp 框架进行 RWKV 模型的推理 步子哥 AGI通用人工智能llama人工智能
    欢迎来到RWKV推理文档的世界！在这里，我们将一起探索如何使用llama.cpp框架进行RWKV模型的推理，仿佛在进行一场科技的冒险之旅。准备好了吗？让我们一起揭开神秘的面纱吧！什么是llama.cpp？Llama.cpp是一个轻量化的大语言模型运行框架，专门为在CPU上优化模型性能而设计。如果你曾经觉得CPU的处理速度像在慢动作中走路，那么你一定会喜欢这个工具！它让RWKV-6模型的运行像一阵微
  • 如何在移动端优化ALU，降低手机发热和功耗 高级TA必看指数★★★★☆ 熊猫悟道 unityshader材质着色器unity游戏引擎
    最近工作中，未了进一步提升美术渲染效果，不得已我们需要从数学的角度优化我们的图形渲染，减少不必要的ALU和MUL，从而提升运行效率。提供更多的渲染效果支持。当然，虽然我们游戏现在发热已经控制的比较完美了，但是我们还能从硬件级优化。接下来就是我这段时间用了半斤头发研究出来的方案。绝对干货，优化图形这块照搬即可。总结一下，可能的优化步骤包括：减少复杂数学运算，使用近似或预计算。优化向量化运算，利用SI
  • 8.6 “6.7GB→3.9GB！“Facebook OPT模型4-bit量化实战：显存狂降85%教程 少林码僧 掌握先机！从0起步实战AI大模型微调打造核心竞争力语言模型人工智能gpt
    6.7GB→3.9GB！FacebookOPT模型4-bit量化实战：显存狂降85%教程实战FacebookOPT模型量化模型量化原理与技术选型在模型量化实战前，我们需要理解OPT模型的显存占用特点。以OPT-6.7B模型为例，其参数量为6.7B，每个参数默认使用FP32（4字节）存储时，显存占用计算公式为：显存占用=参数量×数据类型字节数=6.7B×4B=26.8GB当前主流的量化技术路线对比如
  • DeepSeek R1-32B医疗大模型的完整微调实战分析（全码版） Allen_LVyingbo 医疗高效编程研发健康医疗人工智能python
    DeepSeekR1-32B微调实战指南├──1.环境准备│├──1.1硬件配置││├─全参数微调：4*A10080GB││└─LoRA微调：单卡24GB│├──1.2软件依赖││├─PyTorch2.1.2+CUDA││└─Unsloth/ColossalAI│└──1.3模型加载│├─4bit量化加载│└─FlashAttention2加速├──2.数据集构建│├──2.1数据源││├─CMD
  • 2025自动化采集豆瓣选电影20年代以来的推荐数据并进行结构化分析及数据缺失值处理方案 BigWiggins python开发语言单元测试
    今天在豆瓣数据中采集20年代以来的电影时遇到了取得电影标题/评分/年份等大量缺失值核心功能动态分页采集：通过API参数迭代获取全量数据反爬策略：请求头模拟、Cookies自动化、随机延迟数据清洗：缺失值填充、嵌套JSON解析持久化存储：JSON结构化存储与PandasDataFrame转换技术栈请求处理：requests库实现API调用数据解析：json模块处理结构化响应异常管理：try-exce
  • 如何评价研发部门的人效 研发
    研发部门人效评价的核心在于：明确评估指标、量化绩效数据、结合定性分析、持续改进流程。其中，明确评估指标是基础，只有设定清晰、可量化的指标，才能有效衡量团队和个人的绩效。例如，设定每个项目的交付周期、缺陷率、代码覆盖率等指标，有助于全面评估研发人员的工作效率和质量。在实际操作中，明确评估指标需要根据企业的战略目标和研发特点进行定制。例如，对于以创新为驱动的企业，可以将创新成果的数量和质量作为重要指标
  • 数学建模——层次分析法 AHP(Python代码) 奋斗小青年Lv1.0 数学建模python
    层次分析法层次分析法是由美国运筹学家、匹兹堡大学教授T.L.Saaty于20世纪70年代创立的一种系统分析与决策的综合评价方法，是在充分研究了人类思维过程的基础上提出来的，它较合理地解决了定性问题定量化的处理过程。AHP的主要特点是通过建立递阶层次结构，把人类的判断转化到若干因素两两之间重要度的比较上，从而把难于量化的定性判断转化为可操作的重要度的比较上面。步骤第一步构造系统的递阶层次结构构造目标
  • 阿里Qwen-1.8B的介绍和下载部署详细步骤 大数据追光猿 大模型语言模型pythontransformer人工智能dockerjupyter深度学习
    一、Qwen-1.8B的介绍Qwen-1.8B是阿里云推出的通义千问系列中的一个轻量化版本，参数量为18亿（1.8B）。相比于更大规模的模型（如Qwen-7B或Qwen-14B），Qwen-1.8B在性能和资源需求之间取得了较好的平衡，适合在消费级硬件上运行或微调。1.Qwen-1.8B的特点（1）轻量化设计参数量：18亿参数，相较于超大规模模型（如Qwen-7B或Qwen-14B），参数量适中。
  • 算法 单链的创建与删除 换个号韩国红果果 c算法
    先创建结构体 struct student { int data; //int tag;//标记这是第几个 struct student *next; }; // addone 用于将一个数插入已从小到大排好序的链中 struct student *addone(struct student *h,int x){ if(h==NULL) //??????
  • 《大型网站系统与Java中间件实践》第2章读后感 白糖_ java中间件
           断断续续花了两天时间试读了《大型网站系统与Java中间件实践》的第2章，这章总述了从一个小型单机构建的网站发展到大型网站的演化过程---整个过程会遇到很多困难，但每一个屏障都会有解决方案，最终就是依靠这些个解决方案汇聚到一起组成了一个健壮稳定高效的大型系统。          看完整章内容，
  • zeus持久层spring事务单元测试 deng520159 javaDAOspringjdbc
    今天把zeus事务单元测试放出来,让大家指出他的毛病, 1.ZeusTransactionTest.java 单元测试   package com.dengliang.zeus.webdemo.test; import java.util.ArrayList; import java.util.List; import org.junit.Test; import
  • Rss 订阅 开发 周凡杨 htmlxml订阅rss规范
                    RSS是 Really Simple Syndication的缩写（对rss2.0而言，是这三个词的缩写，对rss1.0而言则是RDF Site Summary的缩写，1.0与2.0走的是两个体系）。   RSS
  • 分页查询实现 g21121 分页查询
    在查询列表时我们常常会用到分页，分页的好处就是减少数据交换，每次查询一定数量减少数据库压力等等。 按实现形式分前台分页和服务器分页： 前台分页就是一次查询出所有记录，在页面中用js进行虚拟分页，这种形式在数据量较小时优势比较明显，一次加载就不必再访问服务器了，但当数据量较大时会对页面造成压力，传输速度也会大幅下降。 服务器分页就是每次请求相同数量记录，按一定规则排序，每次取一定序号直接的数据
  • spring jms异步消息处理 510888780 jms
    spring JMS对于异步消息处理基本上只需配置下就能进行高效的处理。其核心就是消息侦听器容器，常用的类就是DefaultMessageListenerContainer。该容器可配置侦听器的并发数量，以及配合MessageListenerAdapter使用消息驱动POJO进行消息处理。且消息驱动POJO是放入TaskExecutor中进行处理，进一步提高性能，减少侦听器的阻塞。具体配置如下：
  • highCharts柱状图 布衣凌宇 hightCharts柱图
    第一步：导入 exporting.js,grid.js,highcharts.js;第二步：写controller   @Controller@RequestMapping(value="${adminPath}/statistick")public class StatistickController {  private UserServi
  • 我的spring学习笔记2-IoC（反向控制 依赖注入） aijuans springmvcSpring 教程spring3 教程Spring 入门
    IoC（反向控制 依赖注入）这是Spring提出来了，这也是Spring一大特色。这里我不用多说，我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC，下面我将介绍不用Spring的IoC。 IoC不是框架，她是java的技术，如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明： 如：程序中有 Mysql.calss 、Oracle.class 、SqlSe
  • TLS java简单实现 antlove javasslkeystoretlssecure
      1. SSLServer.java package ssl; import java.io.FileInputStream; import java.io.InputStream; import java.net.ServerSocket; import java.net.Socket; import java.security.KeyStore; import
  • Zip解压压缩文件 百合不是茶 Zip格式解压Zip流的使用文件解压
       ZIP文件的解压缩实质上就是从输入流中读取数据。Java.util.zip包提供了类ZipInputStream来读取ZIP文件,下面的代码段创建了一个输入流来读取ZIP格式的文件; ZipInputStream in = new ZipInputStream(new FileInputStream(zipFileName));     &n
  • underscore.js 学习（一） bijian1013 JavaScriptunderscore
            工作中需要用到underscore.js，发现这是一个包括了很多基本功能函数的js库，里面有很多实用的函数。而且它没有扩展 javascript的原生对象。主要涉及对Collection、Object、Array、Function的操作。       学
  • java jvm常用命令工具——jstatd命令(Java Statistics Monitoring Daemon) bijian1013 javajvmjstatd
    1.介绍         jstatd是一个基于RMI（Remove Method Invocation）的服务程序，它用于监控基于HotSpot的JVM中资源的创建及销毁，并且提供了一个远程接口允许远程的监控工具连接到本地的JVM执行命令。         jstatd是基于RMI的，所以在运行jstatd的服务
  • 【Spring框架三】Spring常用注解之Transactional bit1129 transactional
    Spring可以通过注解@Transactional来为业务逻辑层的方法(调用DAO完成持久化动作)添加事务能力，如下是@Transactional注解的定义：   /* * Copyright 2002-2010 the original author or authors. * * Licensed under the Apache License, Version
  • 我(程序员)的前进方向 bitray 程序员
    作为一个普通的程序员,我一直游走在java语言中,java也确实让我有了很多的体会.不过随着学习的深入,java语言的新技术产生的越来越多,从最初期的javase,我逐渐开始转变到ssh,ssi,这种主流的码农,.过了几天为了解决新问题,webservice的大旗也被我祭出来了,又过了些日子jms架构的activemq也开始必须学习了.再后来开始了一系列技术学习,osgi,restful.....
  • nginx lua开发经验总结 ronin47
    使用nginx lua已经两三个月了，项目接开发完毕了，这几天准备上线并且跟高德地图对接。回顾下来lua在项目中占得必中还是比较大的，跟PHP的占比差不多持平了，因此在开发中遇到一些问题备忘一下 1：content_by_lua中代码容量有限制，一般不要写太多代码，正常编写代码一般在100行左右（具体容量没有细心测哈哈，在4kb左右），如果超出了则重启nginx的时候会报 too long pa
  • java-66-用递归颠倒一个栈。例如输入栈{1,2,3,4,5}，1在栈顶。颠倒之后的栈为{5,4,3,2,1}，5处在栈顶 bylijinnan java
    import java.util.Stack; public class ReverseStackRecursive { /** * Q 66.颠倒栈。 * 题目：用递归颠倒一个栈。例如输入栈{1,2,3,4,5}，1在栈顶。 * 颠倒之后的栈为{5,4,3,2,1}，5处在栈顶。 *1. Pop the top element *2. Revers
  • 正确理解Linux内存占用过高的问题 cfyme linux
    Linux开机后，使用top命令查看，4G物理内存发现已使用的多大3.2G，占用率高达80%以上： Mem:   3889836k total,  3341868k used,   547968k free,   286044k buffers Swap:  6127608k total,&nb
  • [JWFD开源工作流]当前流程引擎设计的一个急需解决的问题 comsci 工作流
         当我们的流程引擎进入IRC阶段的时候，当循环反馈模型出现之后，每次循环都会导致一大堆节点内存数据残留在系统内存中，循环的次数越多，这些残留数据将导致系统内存溢出，并使得引擎崩溃。。。。。。       而解决办法就是利用汇编语言或者其它系统编程语言，在引擎运行时，把这些残留数据清除掉。
  • 自定义类的equals函数 dai_lm equals
    仅作笔记使用 public class VectorQueue { private final Vector<VectorItem> queue; private class VectorItem { private final Object item; private final int quantity; public VectorI
  • Linux下安装R语言 datageek R语言 linux
    命令如下：sudo gedit  /etc/apt/sources.list1、deb http://mirrors.ustc.edu.cn/CRAN/bin/linux/ubuntu/ precise/ 2、deb http://dk.archive.ubuntu.com/ubuntu hardy universesudo apt-key adv --keyserver ke
  • 如何修改mysql 并发数(连接数)最大值 dcj3sjt126com mysql
    MySQL的连接数最大值跟MySQL没关系，主要看系统和业务逻辑了   方法一：进入MYSQL安装目录 打开MYSQL配置文件 my.ini 或 my.cnf查找 max_connections=100 修改为 max_connections=1000 服务里重起MYSQL即可 　　方法二：MySQL的最大连接数默认是100客户端登录：mysql -uusername -ppass
  • 单一功能原则 dcj3sjt126com 面向对象的程序设计软件设计编程原则
    单一功能原则[ 编辑]     SOLID 原则 单一功能原则 开闭原则 Liskov代换原则 接口隔离原则 依赖反转原则 查   论   编 在面向对象编程领域中，单一功能原则（Single responsibility principle）规定每个类都应该有
  • POJO、VO和JavaBean区别和联系 fanmingxing VOPOJOjavabean
    POJO和JavaBean是我们常见的两个关键字，一般容易混淆，POJO全称是Plain Ordinary Java Object / Plain Old Java Object，中文可以翻译成：普通Java类，具有一部分getter/setter方法的那种类就可以称作POJO，但是JavaBean则比POJO复杂很多，JavaBean是一种组件技术，就好像你做了一个扳子，而这个扳子会在很多地方被
  • SpringSecurity3.X--LDAP：AD配置 hanqunfeng SpringSecurity
    前面介绍过基于本地数据库验证的方式，参考http://hanqunfeng.iteye.com/blog/1155226，这里说一下如何修改为使用AD进行身份验证【只对用户名和密码进行验证，权限依旧存储在本地数据库中】。   将配置文件中的如下部分删除： <!-- 认证管理器，使用自定义的UserDetailsService，并对密码采用md5加密-->
  • mac mysql 修改密码 IXHONG mysql
    $ sudo /usr/local/mysql/bin/mysqld_safe –user=root & //启动MySQL(也可以通过偏好设置面板来启动)$ sudo /usr/local/mysql/bin/mysqladmin -uroot password yourpassword //设置MySQL密码（注意，这是第一次MySQL密码为空的时候的设置命令，如果是修改密码，还需在-
  • 设计模式--抽象工厂模式 kerryg 设计模式
    抽象工厂模式：     工厂模式有一个问题就是，类的创建依赖于工厂类，也就是说，如果想要拓展程序，必须对工厂类进行修改，这违背了闭包原则。我们采用抽象工厂模式，创建多个工厂类，这样一旦需要增加新的功能，直接增加新的工厂类就可以了，不需要修改之前的代码。     总结：这个模式的好处就是，如果想增加一个功能，就需要做一个实现类，
  • 评"高中女生军训期跳楼” nannan408
       首先，先抛出我的观点，各位看官少点砖头。那就是，中国的差异化教育必须做起来。    孔圣人有云：有教无类。不同类型的人，都应该有对应的教育方法。目前中国的一体化教育，不知道已经扼杀了多少创造性人才。我们出不了爱迪生，出不了爱因斯坦，很大原因，是我们的培养思路错了，我们是第一要“顺从”。如果不顺从，我们的学校，就会用各种方法，罚站，罚写作业，各种罚。军
  • scala如何读取和写入文件内容？ qindongliang1922 javajvmscala
    直接看如下代码： package file import java.io.RandomAccessFile import java.nio.charset.Charset import scala.io.Source import scala.reflect.io.{File, Path} /** * Created by qindongliang on 2015/
  • C语言算法之百元买百鸡 qiufeihu c算法
    中国古代数学家张丘建在他的《算经》中提出了一个著名的“百钱买百鸡问题”，鸡翁一，值钱五，鸡母一，值钱三，鸡雏三，值钱一，百钱买百鸡，问翁，母，雏各几何？ 代码如下： #include <stdio.h> int main() { int cock,hen,chick; /*定义变量为基本整型*/ for(coc
  • Hadoop集群安全性：Hadoop中Namenode单点故障的解决方案及详细介绍AvatarNode wyz2009107220 NameNode
    正如大家所知，NameNode在Hadoop系统中存在单点故障问题，这个对于标榜高可用性的Hadoop来说一直是个软肋。本文讨论一下为了解决这个问题而存在的几个solution。 1. Secondary NameNode 原理：Secondary NN会定期的从NN中读取editlog，与自己存储的Image进行合并形成新的metadata image 优点：Hadoop较早的版本都自带，
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他