程序员经验分享-hwhale

pandas 导入excel_小白学 Python 数据分析（7）：Pandas （六）数据导入

2023-11-13

27310a5f88025a63046740ce583094e7.png

人生苦短，我用 Python

前文传送门：

小白学 Python 数据分析(1)：数据分析基础

小白学 Python 数据分析(2)：Pandas (一)概述

小白学 Python 数据分析(3)：Pandas (二)数据结构 Series

小白学 Python 数据分析(4)：Pandas (三)数据结构 DataFrame

小白学 Python 数据分析(5)：Pandas (四)基础操作(1)查看数据

小白学 Python 数据分析(6)：Pandas (五)基础操作(2)数据选择

引言

前面几篇我们介绍了 Pandas 的一些基础操作，有同学在后台给小编留言，纯粹的介绍 API 太无聊了，那么，小编这篇就来点有用的东西，希望大家能在以后的工作生活中都用得上。

本篇主要介绍如何将数据导入 Pandas 进行一些简单的操作。

操作的数据源嘛，就选择小编对自己博客站数据的抓取，这里小编将自己的博客数据导出成了两种格式， Excel 和 CSV ，各位同学在平常的工作生活中能接触的应该也是这两种格式。

Excel 数据导入

导入 Excel 数据主要使用到的方法是 Pandas 中的 read_excel() 。

在进行导入操作的时候，要注意文件路径，这里的文件路径可以使用相对路径也可以使用绝对路径，但是不管哪种路径最基本的是要写对。

小编先使用相对路径做个演示：

import pandas as pd

df = pd.read_excel("result_data.xlsx")
print(df)

# 输出内容
plantform  read_num  fans_num  rank_num  like_num         create_date
0      cnblog       215         0       118         0 2019-11-23 23:00:10
1      juejin       177         0        -2         1 2019-11-23 23:00:03
2        csdn      1652        69         0        24 2019-11-23 23:00:02
3      cnblog       650         3       191         0 2019-11-22 23:00:15
4      juejin       272         3       -23         1 2019-11-22 23:00:02
..        ...       ...       ...       ...       ...                 ...
403    juejin       212         0        -1         2 2020-02-20 23:00:02
404      csdn      1602         1         0         1 2020-02-20 23:00:01
405    cnblog        19         0        41         0 2020-02-21 23:00:05
406    juejin       125         1        -4         0 2020-02-21 23:00:02
407      csdn      1475         8         0         3 2020-02-21 23:00:02

[408 rows x 6 columns]

因为小编这里的 Excel 就放在代码的同级目录，所以直接写文件名即可，接下来演示绝对路径。

由于小编的操作系统是 Windows 的操作系统，文件路径默认是使用 \ ，如 D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.xlsx ，我们在直接使用 Windows 的文件路径的时候需要在前面增加一个 r (转义符)避免路径中的 \ 被转义，如下：

import pandas as pd
df = pd.read_excel(r"D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.xlsx")
print(df)

# 输出内容
plantform  read_num  fans_num  rank_num  like_num         create_date
0      cnblog       215         0       118         0 2019-11-23 23:00:10
1      juejin       177         0        -2         1 2019-11-23 23:00:03
2        csdn      1652        69         0        24 2019-11-23 23:00:02
3      cnblog       650         3       191         0 2019-11-22 23:00:15
4      juejin       272         3       -23         1 2019-11-22 23:00:02
..        ...       ...       ...       ...       ...                 ...
403    juejin       212         0        -1         2 2020-02-20 23:00:02
404      csdn      1602         1         0         1 2020-02-20 23:00:01
405    cnblog        19         0        41         0 2020-02-21 23:00:05
406    juejin       125         1        -4         0 2020-02-21 23:00:02
407      csdn      1475         8         0         3 2020-02-21 23:00:02

[408 rows x 6 columns]

当然，如果不想使用这个转义符 r 也行，这样需要修改下文件的路径，将所有的 \ 变成 / ，这个规则适用于其他所有的文件路径操作，示例如下：

import pandas as pd
df = pd.read_excel("D:/Development/Projects/python-learning/python-data-analysis/pandas-demo/result_data.xlsx")
print(df)

# 输出内容
plantform  read_num  fans_num  rank_num  like_num         create_date
0      cnblog       215         0       118         0 2019-11-23 23:00:10
1      juejin       177         0        -2         1 2019-11-23 23:00:03
2        csdn      1652        69         0        24 2019-11-23 23:00:02
3      cnblog       650         3       191         0 2019-11-22 23:00:15
4      juejin       272         3       -23         1 2019-11-22 23:00:02
..        ...       ...       ...       ...       ...                 ...
403    juejin       212         0        -1         2 2020-02-20 23:00:02
404      csdn      1602         1         0         1 2020-02-20 23:00:01
405    cnblog        19         0        41         0 2020-02-21 23:00:05
406    juejin       125         1        -4         0 2020-02-21 23:00:02
407      csdn      1475         8         0         3 2020-02-21 23:00:02

[408 rows x 6 columns]

出于使用简单考虑，小编推荐直接在路径前面加 r ，剩下的文件路径直接使用 CV 大法就好。

7d113b995b930287eb073c69bcd3b739.png

指定导入 Sheet

我们在使用 Excel 导入的时候，除了可以指定文件路径，还可以选择导入的 Sheet ，如果不知道 Sheet 是什么的同学，建议出门左转。

3ce95a7992ba3dc0ea0aa080622a90cc.png

在设置 Sheet 的时候，我们使用参数 sheet_name 来完成，示例如下：

import pandas as pd

df = pd.read_excel(r"D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.xlsx", sheet_name='result_data')
print(df)

# 输出结果
    plantform  read_num  fans_num  rank_num  like_num         create_date
0      cnblog       215         0       118         0 2019-11-23 23:00:10
1      juejin       177         0        -2         1 2019-11-23 23:00:03
2        csdn      1652        69         0        24 2019-11-23 23:00:02
3      cnblog       650         3       191         0 2019-11-22 23:00:15
4      juejin       272         3       -23         1 2019-11-22 23:00:02
..        ...       ...       ...       ...       ...                 ...
403    juejin       212         0        -1         2 2020-02-20 23:00:02
404      csdn      1602         1         0         1 2020-02-20 23:00:01
405    cnblog        19         0        41         0 2020-02-21 23:00:05
406    juejin       125         1        -4         0 2020-02-21 23:00:02
407      csdn      1475         8         0         3 2020-02-21 23:00:02

[408 rows x 6 columns]

如果我们要使用一个完全不存在的 Sheet 名称会发生什么事情呢？例如我们将上面的 sheet_name 修改为 aaa ，来看下：

import pandas as pd

df = pd.read_excel(r"D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.xlsx", sheet_name='aaa')
print(df)

# 输出结果
Traceback (most recent call last):
  File "C:\Users\inwsy\AppData\Local\Programs\Python\Python37\lib\site-packages\xlrd\book.py", line 474, in sheet_by_name
    sheetx = self._sheet_names.index(sheet_name)
ValueError: 'aaa' is not in list

During handling of the above exception, another exception occurred:

可以看到这里抛出了 ValueError 的异常，并且提示 aaa 不在列表中。

在指定 Sheet 名称的时候除了可以使用 Sheet 的具体名称，还可以使用 Sheet 的顺序，需要注意这个顺序开头是从 0 开始的。

import pandas as pd

df = pd.read_excel(r"D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.xlsx", sheet_name=0)
print(df)

# 输出结果
plantform  read_num  fans_num  rank_num  like_num         create_date
0      cnblog       215         0       118         0 2019-11-23 23:00:10
1      juejin       177         0        -2         1 2019-11-23 23:00:03
2        csdn      1652        69         0        24 2019-11-23 23:00:02
3      cnblog       650         3       191         0 2019-11-22 23:00:15
4      juejin       272         3       -23         1 2019-11-22 23:00:02
..        ...       ...       ...       ...       ...                 ...
403    juejin       212         0        -1         2 2020-02-20 23:00:02
404      csdn      1602         1         0         1 2020-02-20 23:00:01
405    cnblog        19         0        41         0 2020-02-21 23:00:05
406    juejin       125         1        -4         0 2020-02-21 23:00:02
407      csdn      1475         8         0         3 2020-02-21 23:00:02

[408 rows x 6 columns]

如果这里指定的顺序是一个不存在的顺序，一样会抛出异常 IndexError ，这里小编就不做演示了。

指定导入行索引

我们在导入文件的时候，行索引默认是会使用从 0 开始的默认索引，如果对行索引有需求的话，可以使用 index_col 参数来设置行索引。

比如我们现在设置 create_date 这个参数作为行索引，注意参数起始从 0 开始：

import pandas as pd

df = pd.read_excel(r"D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.xlsx", sheet_name=0, index_col=5)
print(df)

# 输出结果
                    plantform  read_num  fans_num  rank_num  like_num
create_date                                                          
2019-11-23 23:00:10    cnblog       215         0       118         0
2019-11-23 23:00:03    juejin       177         0        -2         1
2019-11-23 23:00:02      csdn      1652        69         0        24
2019-11-22 23:00:15    cnblog       650         3       191         0
2019-11-22 23:00:02    juejin       272         3       -23         1
...                       ...       ...       ...       ...       ...
2020-02-20 23:00:02    juejin       212         0        -1         2
2020-02-20 23:00:01      csdn      1602         1         0         1
2020-02-21 23:00:05    cnblog        19         0        41         0
2020-02-21 23:00:02    juejin       125         1        -4         0
2020-02-21 23:00:02      csdn      1475         8         0         3

[408 rows x 5 columns]

指定导入列索引

同行索引一样，默认也是采用源数据的第一行作为列索引，同样，我们可以通过 header 进行列索引的设置， header 的默认参数为 0 ，也就是第一行，自定义可以使用其他行，将行号作为参数传入即可，我们演示一下使用第二行作为索引：

import pandas as pd

df = pd.read_excel(r"D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.xlsx", sheet_name=0, header=1)
print(df)

# 输出结果
cnblog   215    0  118  0.1 2019-11-23 23:00:10
0    juejin   177    0   -2    1 2019-11-23 23:00:03
1      csdn  1652   69    0   24 2019-11-23 23:00:02
2    cnblog   650    3  191    0 2019-11-22 23:00:15
3    juejin   272    3  -23    1 2019-11-22 23:00:02
4      csdn  2202  129    0   37 2019-11-22 23:00:01
..      ...   ...  ...  ...  ...                 ...
402  juejin   212    0   -1    2 2020-02-20 23:00:02
403    csdn  1602    1    0    1 2020-02-20 23:00:01
404  cnblog    19    0   41    0 2020-02-21 23:00:05
405  juejin   125    1   -4    0 2020-02-21 23:00:02
406    csdn  1475    8    0    3 2020-02-21 23:00:02

[407 rows x 6 columns]

指定导入行数

有时候，如果我们只需要了解一下这个文件中有些什么数据，那么我们就不需要导入所有的数据，可以使用 nrows 来指定导入的行数，这里我们选择导入 Excel 的前 100 行：

import pandas as pd

df = pd.read_excel(r"D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.xlsx", sheet_name=0, nrows=100)
print(df)

# 输出结果
plantform  read_num  fans_num  rank_num  like_num         create_date
0     cnblog       215         0       118         0 2019-11-23 23:00:10
1     juejin       177         0        -2         1 2019-11-23 23:00:03
2       csdn      1652        69         0        24 2019-11-23 23:00:02
3     cnblog       650         3       191         0 2019-11-22 23:00:15
4     juejin       272         3       -23         1 2019-11-22 23:00:02
..       ...       ...       ...       ...       ...                 ...
95      csdn      1492        88         0        13 2019-10-23 23:51:37
96    cnblog      1338         2       219         0 2019-10-22 23:33:33
97    juejin       204         1        -6         6 2019-10-22 23:18:19
98      csdn      1064        61      7094        18 2019-10-22 23:18:08
99    cnblog      -493         1        69         0 2019-10-21 22:38:32

[100 rows x 6 columns]

从结果的数据统计，可以看到我们成功的导入了前 100 行的数据，虽然行索引只有 99 ，是因为么我们 Excel 的头也占了一行。

指定导入列

有时候，我们的 Excel 中的列太多了，而我们处理的数据又不需要那么多列的时候，我们可以使用 usecols 来指定我们需要导入的列：

import pandas as pd

df = pd.read_excel(r"D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.xlsx", sheet_name=0, usecols=[0, 1, 2])
print(df)

# 输出结果
plantform  read_num  fans_num
0      cnblog       215         0
1      juejin       177         0
2        csdn      1652        69
3      cnblog       650         3
4      juejin       272         3
..        ...       ...       ...
403    juejin       212         0
404      csdn      1602         1
405    cnblog        19         0
406    juejin       125         1
407      csdn      1475         8

[408 rows x 3 columns]

注意这里的 usecols 的参数是一个数组，表示我们将要导入的列。

CSV 数据导入

前面我们介绍了如何导入 Excel 的数据，我们接着介绍如何导入 CSV 的数据，首先还是使用 read_csv 导入 CSV 的文件：

import pandas as pd

df = pd.read_csv(r"D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.csv")
print(df)

# 输出结果
plantform  read_num  fans_num  rank_num  like_num          create_date
0      cnblog       215         0       118         0  23/11/2019 23:00:10
1      juejin       177         0        -2         1  23/11/2019 23:00:03
2        csdn      1652        69         0        24  23/11/2019 23:00:02
3      cnblog       650         3       191         0  22/11/2019 23:00:15
4      juejin       272         3       -23         1  22/11/2019 23:00:02
..        ...       ...       ...       ...       ...                  ...
403    juejin       212         0        -1         2   20/2/2020 23:00:02
404      csdn      1602         1         0         1   20/2/2020 23:00:01
405    cnblog        19         0        41         0   21/2/2020 23:00:05
406    juejin       125         1        -4         0   21/2/2020 23:00:02
407      csdn      1475         8         0         3   21/2/2020 23:00:02

[408 rows x 6 columns]

可以看到，和上面的 Excel 导入的数据保持一致，只是后面的时间日期类型格式化有点区别。

其余的操作和上面介绍的 Excel 是一样的，这里就不一一列举了，有一个需要注意的点是，编码格式的指定，这时我们需要设置 encoding 参数，如果不做设置，那么默认的指定格式是 utf-8 的，因为常用的格式除了 utf-8 还会有 gbk 、 gb2312 等等。

import pandas as pd

# 指定编码格式
df = pd.read_csv(r"D:\Development\Projects\python-learning\python-data-analysis\pandas-demo\result_data.csv", encoding='utf-8')
print(df)

# 输出结果
    plantform  read_num  fans_num  rank_num  like_num          create_date
0      cnblog       215         0       118         0  23/11/2019 23:00:10
1      juejin       177         0        -2         1  23/11/2019 23:00:03
2        csdn      1652        69         0        24  23/11/2019 23:00:02
3      cnblog       650         3       191         0  22/11/2019 23:00:15
4      juejin       272         3       -23         1  22/11/2019 23:00:02
..        ...       ...       ...       ...       ...                  ...
403    juejin       212         0        -1         2   20/2/2020 23:00:02
404      csdn      1602         1         0         1   20/2/2020 23:00:01
405    cnblog        19         0        41         0   21/2/2020 23:00:05
406    juejin       125         1        -4         0   21/2/2020 23:00:02
407      csdn      1475         8         0         3   21/2/2020 23:00:02

[408 rows x 6 columns]

因为小编这里的编码格式是 utf-8 ，所以这里对编码格式的设置是 encoding='utf-8' 。

导入数据库数据

数据库有很多种，在连接数据库的时候需要使用不同的驱动，因为小编这里使用的 MySQL 数据库，所以使用的驱动为 pymsql ，在使用的事情需要先创建数据库连接。

import pymysql

con = pymysql.connect(host='',
port=,
user='',
password='',
db='',
charset='')

这里的参数需要各位自行填写，用来配置 MySQL 连接的参数。

配置好数据库连接以后，我们使用的是 read_sql 这个方法直接执行 sql 语句获取数据，完整的代码如下：

import pandas as pd
import pymysql

con = pymysql.connect(host='',
port=,
user='',
password='',
db='',
charset='')

sql = 'select * from result_data'

df = pd.read_sql(sql, con)
print(df)

# 输出结果
plantform  read_num  fans_num  rank_num  like_num         create_date
0      cnblog       215         0       118         0 2019-11-23 23:00:10
1      juejin       177         0        -2         1 2019-11-23 23:00:03
2        csdn      1652        69         0        24 2019-11-23 23:00:02
3      cnblog       650         3       191         0 2019-11-22 23:00:15
4      juejin       272         3       -23         1 2019-11-22 23:00:02
..        ...       ...       ...       ...       ...                 ...
406    juejin       125         1        -4         0 2020-02-21 23:00:02
407      csdn      1475         8         0         3 2020-02-21 23:00:02
408    cnblog        56         0        33         0 2020-02-22 23:00:06
409    juejin        83         0        -1         0 2020-02-22 23:00:02
410      csdn      2094        10         0         4 2020-02-22 23:00:02

[411 rows x 6 columns]

这里的结果比前面的 Excel 多几行是因为时间关系，Excel 导出的时间稍微早了一点。

简单使用

当我们获取到数据以后，在来几个我们前面介绍过的简单操作。

使用 head 预览前几行数据：

print(df.head(5))

# 输出结果
plantform  read_num  fans_num  rank_num  like_num         create_date
0    cnblog       215         0       118         0 2019-11-23 23:00:10
1    juejin       177         0        -2         1 2019-11-23 23:00:03
2      csdn      1652        69         0        24 2019-11-23 23:00:02
3    cnblog       650         3       191         0 2019-11-22 23:00:15
4    juejin       272         3       -23         1 2019-11-22 23:00:02

获取数据表的大小，这里使用的是 shape ：

print(df.shape)

# 输出结果
(411, 6)

获取数值分布，使用 describe()：

print(df.describe())

# 输出结果
read_num    fans_num      rank_num    like_num
count    411.000000  411.000000    411.000000  411.000000
mean     521.199513    9.111922    234.632603    4.347932
std     2899.915738   19.021352   1437.427594    7.829470
min   -54600.000000   -1.000000    -25.000000    0.000000
25%       83.500000    0.000000     -1.000000    0.000000
50%      288.000000    2.000000      0.000000    1.000000
75%      788.000000    7.000000     38.000000    5.000000
max     7083.000000  129.000000  21720.000000   57.000000

本次的分享先到这里了，因为最近都没写原创，本篇内容稍微长了点，希望各位同学还是能耐着性子自己写写代码，文章中相关涉及到的文件都上传代码仓库了，有需要的同学可以自行取用。

示例代码

老规矩，所有的示例代码都会上传至代码管理仓库 Github 和 Gitee 上，方便大家取用。

示例代码-Github：https://github.com/meteor1993/python-learning/tree/master/python-data-analysis/pandas-demo

示例代码-Gitee：https://gitee.com/inwsy/python-learning/tree/master/python-data-analysis/pandas-demo

感谢阅读 8658fa5b75199b9cbfe6110b07e3ae0f.png

408ad8baa30df2a610d8f73a5ac9aa60.gif

2f7a30f50402ce35a43f4d9da3a8e432.gif

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

pandas 导入excel

pandas 导入excel_小白学 Python 数据分析（7）：Pandas （六）数据导入 的相关文章

  • DDR基础知识点汇总

    文章目录 文档推荐 DDR颗粒的电路图来源 DDR3 SDRAM电路结构高清图 DDR4 SDRAM电路结构高清图 DDR3 1866控制器 PHY 颗粒之间的带宽关系 channel gt DIMM gt rank gt chip gt

  • docker镜像中配置文件的修改

    docker镜像中配置文件的修改 需要修改docker里面的配置文件时 因为docker镜像里面没有vim 下载也比较麻烦 可以使用 docker cp docker镜像名 想要修改的文件的路径 想要复制到的路径 将镜像中的文件复制到镜像外

  • ARM芯片开发（S5PV210芯片）——定时器、看门狗、RTC

    1 计数器 计数器就是每隔一段固定的时间计数值就加一 于是我们可以根据计数值来计算时间 经过的时间 计数值x计数时间间隔 2 定时器 2 1 定时器介绍 定时器具有计时的功能 类似于我们手机自带的倒计时功能 比如我们先给定时器设置计时一小时

  • 从瀑布到敏捷——漫画解读软件开发模式变迁史

    网址 https www tapd cn forum view 36971 从文章中可知 1 瀑布模型 将客户隔绝在外并按顺序逐一完成的模式 从时间上来说 只有等上一交付件完成了 下一阶段才能开始是一种浪费 特点 文档驱动 单道生产 2 敏

  • JVM--基础--21--对象的内存布局

    JVM 基础 21 对象的内存布局 1 普通对象实例与数组对象实例的数据结构图 2 在HotSpot虚拟机中 对象在内存中存储的布局如下 2 1 对象头 Header 2 1 1 markword 用于存储对象自身的运行时数据 如哈希码 H

  • 递增二叉树-网易游戏

    递增二叉树 网易游戏 题目描述 给定一个二叉树 每个节点有一个正整数权值 若一棵二叉树 每一层的节点权值和都严格小于下一层的结点权值和 责成这棵二叉树为递增二叉树 现在给你一棵二叉树 你需要判断其是不是一棵递增二叉树 输入描述 输入的第一行

  • Redis的数据结构之bitmap

    背景 项目开发过程中 我们经常会使用boolean类型来存储数据 例如记录用户每天签到 签到了是1 没签则为0 如果我们需要统计一年内的签到数 如果采用String来存储 需要每个用户都要记录 365次 当用户数量非常大时 需要的存储空间非

  • Docker基础入门：镜像、容器导入导出与私有仓库搭建

    Docker基础入门 镜像导入导出与私有仓库搭建 一 Docker镜像 容器的导入和导出 1 1 Docker镜像的导出 1 2 Docker镜像的载入 1 3 Docker容器的导出 1 4 Docker容器的导入 二 镜像和容器导出和导

  • MPEG-1中I、B、P帧的基本编码原理

    在上篇文章中 我们对MPEG 1有了一个轮廓性的介绍 知道视像序列中的图像类型有三种 分别为I帧 P帧 和B帧 但是我们并没有更深入的去了解 编码这三种类型的图像数据时所采用的不同方式 只知道它们都是把图像分为以16x16像素的宏块 8x8

  • Java虚拟机14：Java对象大小、对象内存布局及锁状态变化

    一个对象占多少字节 关于对象的大小 对于C C 来说 都是有sizeof函数可以直接获取的 但是Java似乎没有这样的方法 不过还好 在JDK1 5之后引入了Instrumentation类 这个类提供了计算对象内存占用量的方法 至于具体I

  • windows下安装jupyter，出现问题SyntaxError: invalid syntax

    windows下安装jupyter SyntaxError invalid syntax 问题 解决方法 进入jupyter 问题 解决方法 推出python 直接在cmd 下执行安装命令 虽然问题解决了 但是觉得很奇怪 不应该是在pyth

  • stm32 can协议实战

    参考的为野火的教程 开发板是指南者 只能做回环测试 但是没关系 主要是记录can协议的用法和can外设 canopen协议写完了can协议再说 一 理论部分 1 can协议的介绍 首先介绍一下can 如图 只是介绍一下背景 2 can物理层

  • 电机控制PWM（MCPWM）

    引脚 类型 描述 MC0A0 2 O 通道0 2 输出A MC0B0 2 O 通道0 2 输出B MCABORT I 低电平有效的快速中止 MCI0 2 I 输入0 2 MCPWM含有3个独立的通道 每个通道包括 1个32位定时器 计数器

  • 优化 Python 数字输出——摆脱科学计数法

    优化 Python 数字输出 摆脱科学计数法 Python 是一门广泛应用的编程语言 很多时候我们需要对数字进行处理并输出到控制台或文件中 然而 在处理大量数字时 Python 默认使用科学计数法来简化数字 这种格式难以阅读并且可能会导致精

  • 这一篇彻底说清楚了！乐高，编程，机器人到底要不要学？

    转自 http www sohu com a 282193446 120065891 即可关注我们 从前几年开始 乐高培训就如火如荼 很多爸妈都知道 孩子学习乐高可以培养想象力 空间结构能力 到5 6岁后很多孩子开始学习乐高机器人 会开始涉

  • 并发控制二（封锁）

    封锁是实现并发控制的一个非常重要的技术 所谓封锁就是事务T在对某个数据对象例如表 记录等操作之前 先向系统发出请求 对其加锁 加锁后事务T就对该数据对象有了一定的控制 在事务T释放它的锁之前 其他事务不能更新此数据对象 确切的控制由封锁的类

  • Vue2笔记（全）

    一 介绍 Vue js是一套构建用户界面的渐进式框架 渐进式 主张最少 最大的特点是没有 操作 主张只操作数据 优点 1 轻量级的数据框架 2 双向数据绑定 3 提供了指令 4 组件化开发 5 客户端路由 6 状态管理 同cookie se

  • Google Tag Manager 基本应用与实践

    Google Tag Manager 基本应用与实践 1 注册 Container 2 安装 3 建 Tag 3 1 关联 GA 配置 3 2 新建变量 4 建 Trigger 5 Preview 调试 6 发布 总结 如果想了解网站用户的

  • linux查看matlab,Matlab 2017b在Linux（ubuntu+ROS）安装步骤及帮助文档查看说明

    Matlab 2017b在Linux ubuntu 安装步骤 如下 1 加载镜像 新建挂载目录 mkdir home relaybotbox matlabtemp sudo mount t auto o loop media relaybo

随机推荐

  • C++57个入门知识点_22_ 构造函数和析构函数的调用时机(可手动调用构造和析构；访问权限一般为公有；局部对象声明时构造，出作用域析构；全局对象主函数前构造，出主函数后析构；全局对象实现主函数前后)

    上篇 C 57个入门知识点 21 析构函数的调用 主程序结束前自动跳入对象析构函数 析构函数中使用free 函数就可实现对象资源的释放 内存泄漏 内存没有得到释放 不指定大小的数组定义方法 指针 介绍了程序中何时调用析构函数及使用析构函数可

  • elementui el-table表格实现跨页(翻页)保存勾选状态(后端分页)

    思路 后端分页导致每一页之间的勾选状态都是独立的 我们需要新建一个数组来保存这些被勾选数据的id 当切换到某个页码时 从数组中进行比对 如果当前页码有待勾选的id 则用代码让当前页码的数据勾选起来 注意 不要使用row key 和 rese

  • ccui.TextBMFont

    local myTextBMFont ccui TextBMFont create myTextBMFont setFntFile ui project ui res font Newfont TTF 其中setFntFile 只要是字体文

  • Idea部署项目时遇到Errors occurred while compiling module的时候，可能遇到的问题

    xxx模块编译错误 java内部编辑器错误 问题原因 模块或项目java版本不一致 解决思路 1 首先检查pom文件制定的java版本是否与项目的一致 打开项目编辑器 快捷键Ctrl Alt Shilt S 2 再检查模块的java版本是否

  • 力扣之两数之和（题号1）

    题目叙述 给定一个整数数组 nums 和一个目标值 target 请你在该数组中找出和为目标值的那 两个 整数 并返回他们的数组下标 你可以假设每种输入只会对应一个答案 但是 你不能重复利用这个数组中同样的元素 示例 给定 nums 2 7

  • 在一个数组中找出两个数，这两个数之和为指定目标值，返回这两个数下标（leecode）（c++）

    本文主要总结在一个数组中取出两个数 这两个数满足条件为 两数之和为制定目标值target 并且函数返回这两个数下表 示例 给定 nums 5 6 7 8 9 10 target 19 因为 nums 4 nums 5 9 10 19 所以返

  • 在Windows下源码编译LLVM（MingW）

    前言 由于最近工作项目需要 需要在windows下基于mingw 即使用gcc编译器 非vc的编译器 编译LLVM 踩坑无数 仅此一记 环境 win10 64位专业版 准备 试过很多种编译方式 最终发现还是msys2比较靠谱 即在windo

  • R语言与机器学习中的回归方法学习笔记

    机器学习中的一些方法如决策树 随机森林 SVM 神经网络由于对数据没有分布的假定等普通线性回归模型的一些约束 预测效果也比较不错 交叉验证结果也能被接受 下面以R中lars包包含数据集diabetes为例说明机器学习中的回归方法 一 数据集

  • JAVA根据模板生成Word文档

    一 需要模板word文件和document xml模板配置文件 首先把word文件重命名后缀改为 zip然后打开 就能在word文件夹下就能找到document xml了 在document xml模板中需要赋值的地方配置好占位符 二 导入

  • CNN调参

    一 学习率 学习率决定了每步权重更新对当前权重的改变程度 其中E w 为我们优化的损失函数 是学习率 学习率太小 更新速度慢 学习率过大 可能跨过最优解 因此 在刚开始训练 距离最优解较远时可以采用稍大的学习率 随着迭代次数增加 在逼近最优

  • 自动化测试框架rf（Robot Framework）的安装

    2022了 还没自己装过rf 网上找了不少文章 或多或少都跟本地环境不太一下 作为新手 把安装过程做一次记录分享 仅供参考 首先 帖一下我自己电脑的基本情况 下面就开始吧 一 JAVA环境安装 现在基本都是java8以上了 所以建议到官网下

  • Node.js中gulp插件的安装使用

    1 Node js说明 gulp是用JavaScript语言编写的运行在Node js平台开发的前端构建工具 是前端开发人员自动处理日常任务的首选工具 gulp cli 启动构建工具的命令行接口 本地gulp 构建时实际运行的程序 gulp

  • [OLED] 利用stm32开发板控制OLED

    一 OLED的介绍 OLED 即有机发光二极管 Organic Light Emitting Diode 又称为有机电激光显示 Organic Electroluminesence Display OELD OLED由于同时具备自发光 不需

  • 连续时间、离散时间信号、模拟和数字信号辨析

    连续时间和离散时间信号 一个信号 它是在时间t的连续值上给出的 就是一个连续时间信号 而一个信号仅在t的离散值上给出则是一个离散时间信号 模拟和数字信号 凡一个信号的幅度在某一连续范围内能够取到任何值的信号就是模拟信号 这意味着一个模拟信号

  • 牛客 124G--组合游戏

    链接 https www nowcoder com acm contest 124 G来源 牛客网 题目描述 2018年4月8日星期日 小龙沉迷于一个叫做组合的游戏 游戏规则是这样的 原本有一个长度为A的大木板 现在把它分成了n份长度可能不

  • Excel如何排序？掌握3种排序方法！

    我是个刚开始学习Excel的新手 对很多Excel的知识都不太熟悉 今天使用Excel进行表格排序时我又遇到了一些问题 请问Excel如何排序呢 希望给我一些建议 在Excel中 排序是一种常见且有用的数据处理操作 它可以帮助您按照特定的规

  • Unbutn20+cuda11+Qt下配置

    首先装CUDA 具体查看其它博客 这里主要介绍如何配置 CONFIG console TARGET test Define output directories CUDA OBJECTS DIR This makes the cu file

  • 面了个阿里拿36K出来的，真是砂纸擦屁股，给我漏了一手

    今年的春招已经结束 很多小伙伴收获不错 拿到了心仪的 offer 各大论坛和社区里也看见不少小伙伴慷慨地分享了常见的面试题和八股文 为此咱这里也统一做一次大整理和大归类 这也算是划重点了 俗话说得好 他山之石 可以攻玉 多看多借鉴还是有帮助

  • js实现图片预加载

    什么是预加载 当页面打开图片提前加载 而且缓存在用户本地 需要用届时直接进行烘托 在浏览图片较多的网页 百度图库 淘宝京东等 能够有更好的用户体会 一张图片的预加载 var img new Image img addEventListene

  • pandas 导入excel_小白学 Python 数据分析（7）：Pandas （六）数据导入

    人生苦短 我用 Python 前文传送门 小白学 Python 数据分析 1 数据分析基础 小白学 Python 数据分析 2 Pandas 一 概述 小白学 Python 数据分析 3 Pandas 二 数据结构 Series 小白学 P

热门标签