当前位置：首页 > news >正文

python -- series和 DataFrame增删改数据

news 文章来源：https://blog.csdn.net/m0_74051333/article/details/139544884 2024/11/19 18:35:49

学习目标

知道df添加新列的操作
知道insert函数插入列数据
知道drop函数删除df的行或列数据
知道drop_duplicates函数对df或series进行数据去重
知道unique函数对series进行数据去重
知道apply函数的使用方法

1 DataFrame添加列

注意:本文用到的数据集在文章顶部

1.1 直接赋值添加列数据

通过 df[列名]=新值 或 df[列名]=series对象/list对象 添加新的一列, 新列添加到df的最后

添加列名为 城市 的一列, 值都为北京

import pandas as pd

# 加载数据集
df = pd.read_csv('../data/LJdata.csv')

# 获取前5条数据并复制一份
temp_df = df.head().copy()

# 添加一列数据都是固定值
temp_df['省份'] = '北京'
print(temp_df)

# 输出结果如下区域          地址    户型  面积  价格  朝向    更新时间  看房人数  城市
0    燕莎租房        新源街  2室1厅    50  5800    南  2017.07.21        26  北京
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33  北京
2  广安门租房      远见名苑  2室1厅    86  8000    东  2017.07.20        34  北京
3  天通苑租房  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30  北京
4  团结湖租房    团结湖北口  2室1厅    63  6400    南  2017.07.26        30  北京

添加列名为 区县 的一列, 值分别是 朝阳区、朝阳区、西城区、昌平区、朝阳区

# 列表的数据数量必须和df的行数相等
temp_df['区县'] = ['朝阳区', '朝阳区', '西城区', '昌平区', '朝阳区']
print(temp_df)

# 输出结果如下区域          地址    户型  面积  价格  朝向    更新时间  看房人数  省份    区县
0    燕莎租房        新源街  2室1厅    50  5800    南  2017.07.21        26  北京  朝阳区
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33  北京  朝阳区
2  广安门租房      远见名苑  2室1厅    86  8000    东  2017.07.20        34  北京  西城区
3  天通苑租房  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30  北京  昌平区
4  团结湖租房    团结湖北口  2室1厅    63  6400    南  2017.07.26        30  北京  朝阳区

添加列名为 新价格 的一列, 值比原价格列的值多1000元

# 新增数据为series对象
# print(temp_df['价格'] + 1000)
temp_df['新价格'] = temp_df['价格'] + 1000
print(temp_df)

# 输出结果如下区域          地址    户型  面积  价格  ...    更新时间 看房人数  省份    区县 新价格
0    燕莎租房        新源街  2室1厅    50  5800  ...  2017.07.21       26  北京  朝阳区   6800
1    望京租房      澳洲康都  2室1厅    79  7800  ...  2017.07.23       33  北京  朝阳区   8800
2  广安门租房      远见名苑  2室1厅    86  8000  ...  2017.07.20       34  北京  西城区   9000
3  天通苑租房  天通苑北一区  2室1厅   103  5300  ...  2017.07.25       30  北京  昌平区   6300
4  团结湖租房    团结湖北口  2室1厅    63  6400  ...  2017.07.26       30  北京  朝阳区   7400

1.2 insert函数添加列数据

通过 df.insert(loc=,column=,value=) 方法在指定位置添加列

loc: 指定列位置下标数字

column: 添加列的列名

value: 添加列的所有值, series对象、列表对象、常数等

在区域列后添加列名为 城市 的一列, 值都为北京

# 获取前5条数据
new_df = df.head().copy()
print(new_df)
new_df.insert(loc=1, column='城市', value='北京')
print(new_df)

# 输出结果如下区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房        新源街  2室1厅    50  5800    南  2017.07.21        26
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
2  广安门租房      远见名苑  2室1厅    86  8000    东  2017.07.20        34
3  天通苑租房  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30
4  团结湖租房    团结湖北口  2室1厅    63  6400    南  2017.07.26        30区域  城市          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房  北京        新源街  2室1厅    50  5800    南  2017.07.21        26
1    望京租房  北京      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
2  广安门租房  北京      远见名苑  2室1厅    86  8000    东  2017.07.20        34
3  天通苑租房  北京  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30
4  团结湖租房  北京    团结湖北口  2室1厅    63  6400    南  2017.07.26        30

在城市列后添加列名为 区县 的一列, 值分别是 朝阳区、朝阳区、西城区、昌平区、朝阳区

new_df.insert(loc=2, column='区县', value=['朝阳区', '朝阳区', '西城区', '昌平区', '朝阳区'])
print(new_df)

# 输出结果如下区域  城市    区县          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房  北京  朝阳区        新源街  2室1厅    50  5800    南  2017.07.21        26
1    望京租房  北京  朝阳区      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
2  广安门租房  北京  西城区      远见名苑  2室1厅    86  8000    东  2017.07.20        34
3  天通苑租房  北京  昌平区  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30
4  团结湖租房  北京  朝阳区    团结湖北口  2室1厅    63  6400    南  2017.07.26        30

在价格列后添加列名为 新价格 的一列, 值比原价格列的值多1000元

pd.set_option('display.max_columns', None)  # 展示所有列
pd.set_option('display.width', None)  # 不换行显示
new_df.insert(loc=7, column='新价格', value=new_df['价格'] + 1000)
print(new_df)

# 输出结果如下区域  城市    区县          地址    户型  面积  价格  新价格  朝向    更新时间  看房人数
0    燕莎租房  北京  朝阳区        新源街  2室1厅    50  5800    6800    南  2017.07.21        26
1    望京租房  北京  朝阳区      澳洲康都  2室1厅    79  7800    8800    东  2017.07.23        33
2  广安门租房  北京  西城区      远见名苑  2室1厅    86  8000    9000    东  2017.07.20        34
3  天通苑租房  北京  昌平区  天通苑北一区  2室1厅   103  5300    6300  东南  2017.07.25        30
4  团结湖租房  北京  朝阳区    团结湖北口  2室1厅    63  6400    7400    南  2017.07.26        30

2 DataFrame删除行列

通过 df.drop(labels=, axis=, inplace=) 方法删除行列数据

labels: 行索引值或列名列表

axis: 删除行->0或index, 删除列->1或columns, 默认0

inplace: True或False, 是否在原数据上删除, 默认False

# 删除一行数据, 原df上并没有删除
print(temp_df.drop(labels=[0]))

# 删除多行数据, 原df上删除
temp_df.drop(labels=[0, 2, 4], axis='index', inplace=True)
print(temp_df)

# 删除一列数据, 原df上并没有删除
print(temp_df.drop(labels=['新价格'], axis=1))

# 删除多列数据, 原df上删除
temp_df.drop(labels=['新价格', '区县', '省份'], axis='columns', inplace=True)
print(temp_df)

# 输出结果如下区域          地址    户型  面积  价格  ...    更新时间 看房人数  省份    区县 新价格
1    望京租房      澳洲康都  2室1厅    79  7800  ...  2017.07.23       33  北京  朝阳区   8800
2  广安门租房      远见名苑  2室1厅    86  8000  ...  2017.07.20       34  北京  西城区   9000
3  天通苑租房  天通苑北一区  2室1厅   103  5300  ...  2017.07.25       30  北京  昌平区   6300
4  团结湖租房    团结湖北口  2室1厅    63  6400  ...  2017.07.26       30  北京  朝阳区   7400

[4 rows x 11 columns]区域          地址    户型  面积  价格  ...    更新时间 看房人数  省份    区县 新价格
1    望京租房      澳洲康都  2室1厅    79  7800  ...  2017.07.23       33  北京  朝阳区   8800
3  天通苑租房  天通苑北一区  2室1厅   103  5300  ...  2017.07.25       30  北京  昌平区   6300

[2 rows x 11 columns]区域          地址    户型  面积  价格  朝向    更新时间  看房人数  省份    区县
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33  北京  朝阳区
3  天通苑租房  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30  北京  昌平区区域          地址    户型  面积  价格  朝向    更新时间  看房人数
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
3  天通苑租房  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30

3 Series或DataFrame数据去重

通过 <s/df>.drop_duplicates(subset=,keep=,inplace=) 方法对数据去重

subset: df的参数, 传入列名列表, 对指定列进行去重, 不写此参数默认对所有列进行去重

keep: 保留哪条重复数据, first->保留第一条, last->保留最后一条, False->都不保留, 默认first

inplace: True或False, 是否在原数据上去重, 默认False

DataFrame数据去重 duplicates

temp_df = df.head().copy()

# 对df所有列去重, 当前df没有重复的行数据
print(temp_df.drop_duplicates())
# 根据指定列对df去重, 默认保留第一条数据
# 第1行和第5行、第2行和第3行重复
print(temp_df.drop_duplicates(subset=['户型', '朝向']))
# 保留最后一条数据
# print(temp_df.drop_duplicates(subset=['户型', '朝向'], keep='last'))
# 重复数据都不保留
# print(temp_df.drop_duplicates(subset=['户型', '朝向'], keep=False))

# 输出结果如下区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房        新源街  2室1厅    50  5800    南  2017.07.21        26
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
2  广安门租房      远见名苑  2室1厅    86  8000    东  2017.07.20        34
3  天通苑租房  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30
4  团结湖租房    团结湖北口  2室1厅    63  6400    南  2017.07.26        30区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房        新源街  2室1厅    50  5800    南  2017.07.21        26
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
3  天通苑租房  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30

Series数据去重

print('-------------去重之后返回Series对象--------------------')
# 默认保留第一条数据
print(temp_df['朝向'].drop_duplicates())
# 保留最后一条数据
print(temp_df['朝向'].drop_duplicates(keep='last'))
# 重复数据都不保留
print(temp_df['朝向'].drop_duplicates(keep=False))

print('-------------去重之后返回数组--------------------')
# series对象还可以使用unique函数去重, 返回ndarray数组
print(temp_df['朝向'].unique())
# nunique函数实现去重计数操作, 类似 count(distinct)
print(temp_df['朝向'].nunique())

# 输出结果如下
0      南
1      东
3    东南
Name: 朝向, dtype: object
2      东
3    东南
4      南
Name: 朝向, dtype: object
3    东南
Name: 朝向, dtype: object
['南' '东' '东南']
3

4 Series或DataFrame数据修改

4.1 直接修改数据

通过 df[列名]=新值 或 s[行索引]=新值 修改数据

# 获取前5条数据并复制一份
temp_df = df.head().copy()

# 获取价格列, 得到series对象, 复制一份数据
s1 = temp_df['价格'].copy()
print(s1)

# series修改数据
s1[0] = 7000
print(s1)

# dataframe修改数据, 列表数据数量要和行数相等
temp_df['价格'] = [6800, 8800, 9000, 6300, 6400]
print(temp_df)

# 输出结果如下
0    5800
1    7800
2    8000
3    5300
4    6400
Name: 价格, dtype: int64
0    7000
1    7800
2    8000
3    5300
4    6400
Name: 价格, dtype: int64区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房        新源街  2室1厅    50  6800    南  2017.07.21        26
1    望京租房      澳洲康都  2室1厅    79  8800    东  2017.07.23        33
2  广安门租房      远见名苑  2室1厅    86  9000    东  2017.07.20        34
3  天通苑租房  天通苑北一区  2室1厅   103  6300  东南  2017.07.25        30
4  团结湖租房    团结湖北口  2室1厅    63  6400    南  2017.07.26        30

4.2 replace函数替换数据

通过 <s/df>.replace(to_replace=, value=, inplace=) 方法替换数据

to_replace: 需要替换的数据

value: 替换后的数据

inplace: True或False, 是否在原数据上替换, 默认False

# 获取前5条数据并复制一份
temp_df = df.head().copy()

# 替换series的数据
print(temp_df['价格'].replace(to_replace=5300, value=6000))

temp_df['朝向'].replace('东南', '西', inplace=True)
print(temp_df)

# 替换dataframe的数据
print(temp_df.replace(to_replace='2室1厅', value='3室2厅'))

# 输出结果如下
0    5800
1    7800
2    8000
3    6000
4    6400
Name: 价格, dtype: int64区域          地址    户型  面积  价格 朝向    更新时间  看房人数
0    燕莎租房        新源街  2室1厅    50  5800   南  2017.07.21        26
1    望京租房      澳洲康都  2室1厅    79  7800   东  2017.07.23        33
2  广安门租房      远见名苑  2室1厅    86  8000   东  2017.07.20        34
3  天通苑租房  天通苑北一区  2室1厅   103  5300   西  2017.07.25        30
4  团结湖租房    团结湖北口  2室1厅    63  6400   南  2017.07.26        30区域          地址    户型  面积  价格 朝向    更新时间  看房人数
0    燕莎租房        新源街  3室2厅    50  5800   南  2017.07.21        26
1    望京租房      澳洲康都  3室2厅    79  7800   东  2017.07.23        33
2  广安门租房      远见名苑  3室2厅    86  8000   东  2017.07.20        34
3  天通苑租房  天通苑北一区  3室2厅   103  5300   西  2017.07.25        30
4  团结湖租房    团结湖北口  3室2厅    63  6400   南  2017.07.26        30

4.3执行自定义函数修改数据

有时需要我们对df或s对象中的数据做更加精细化的修改动作，并将修改操作封装成为一个自定义的函数；这时我们就可以利用<s/df>.apply(函数名)来调用我们自定义的函数

s或df对象可以借助apply函数执行自定义函数, 内置函数无法处理需求时就需要使用自定义函数来处理

4.3.1s.apply()函数遍历每一个值同时执行自定义函数

Series对象使用apply调用自定义的函数，返回新的Series对象

# 加载数据集
df = pd.read_csv('../data/LJdata.csv')
# 获取前5条数据并复制一份
temp_df = df.head().copy()


# 自定义函数, 最少接收一个参数
def func(x):# x此时是s对象中一个数据值：燕莎租房、望京租房print('x的值是->', x)# 本自定义函数返回的也是一个数据if x == '天通苑租房':return '昌平区'return x


temp_df['区域'] = temp_df['区域'].apply(func)
print(temp_df)

# 输出结果如下
x的值是-> 燕莎租房
x的值是-> 望京租房
x的值是-> 广安门租房
x的值是-> 天通苑租房
x的值是-> 团结湖租房区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房        新源街  2室1厅    50  5800    南  2017.07.21        26
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
2  广安门租房      远见名苑  2室1厅    86  8000    东  2017.07.20        34
3      昌平区  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30
4  团结湖租房    团结湖北口  2室1厅    63  6400    南  2017.07.26        30

Series对象使用apply调用自定义的函数，并向自定义函数中传入其他参数

# 获取前5条数据
temp_df = df.head().copy()


# 自定义函数, 最少接收一个参数
def func(x, arg1, arg2):# x此时是s对象中一个数据print('x的值是->', x)# 本自定义函数返回的也是一个数据if x == '天通苑租房':return arg1return arg2


# args: 传入其他参数值, 元组类型
temp_df['区域'] = temp_df['区域'].apply(func, args=('昌平区', '其他区'))

# apply中其他参数名和自定义函数中其他形参名相同
# temp_df['区域'] = temp_df['区域'].apply(func1, arg1='昌平区', arg2='其他区')
print(temp_df)

# 输出结果如下
x的值是-> 燕莎租房
x的值是-> 望京租房
x的值是-> 广安门租房
x的值是-> 天通苑租房
x的值是-> 团结湖租房区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0  其他区        新源街  2室1厅    50  5800    南  2017.07.21        26
1  其他区      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
2  其他区      远见名苑  2室1厅    86  8000    东  2017.07.20        34
3  昌平区  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30
4  其他区    团结湖北口  2室1厅    63  6400    南  2017.07.26        30

4.3.2 df.apply()函数遍历每一行/列同时执行自定义函数

# 获取前5条数据
temp_df = df.head().copy()
print(temp_df)


def func1(s, arg1):# 此时s参数就是df中的一列数据, s对象# print('s的值是->', s)# print('s的类型是->', type(s))# 本自定义函数也必须返回一列数据, s对象# print(s.__dict__)if s._name == '价格':return s + arg1else:return s

# 默认遍历df每列, axis=0
print(temp_df.apply(func1, args=(1000,), axis=0))


def func2(s, arg1):# 此时s参数就是df中的一行数据, s对象# print('s的值是->', s)# print('s的类型是->', type(s))# 本自定义函数也必须返回一列数据, s对象# print(s.__dict__)if s['区域'] == '天通苑租房':# 修改价格对应的值s['价格'] = s['价格'] + arg1return selse:return s



# 遍历df每行, axis=1
print(temp_df.apply(func2, arg1=1000, axis=1))

# 输出结果如下区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房        新源街  2室1厅    50  5800    南  2017.07.21        26
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
2  广安门租房      远见名苑  2室1厅    86  8000    东  2017.07.20        34
3  天通苑租房  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30
4  团结湖租房    团结湖北口  2室1厅    63  6400    南  2017.07.26        30区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房        新源街  2室1厅    50  6800    南  2017.07.21        26
1    望京租房      澳洲康都  2室1厅    79  8800    东  2017.07.23        33
2  广安门租房      远见名苑  2室1厅    86  9000    东  2017.07.20        34
3  天通苑租房  天通苑北一区  2室1厅   103  6300  东南  2017.07.25        30
4  团结湖租房    团结湖北口  2室1厅    63  7400    南  2017.07.26        30区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房        新源街  2室1厅    50  5800    南  2017.07.21        26
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
2  广安门租房      远见名苑  2室1厅    86  8000    东  2017.07.20        34
3  天通苑租房  天通苑北一区  2室1厅   103  6300  东南  2017.07.25        30
4  团结湖租房    团结湖北口  2室1厅    63  6400    南  2017.07.26        30

4.3.3 df.applymap()函数遍历每一个值同时执行自定义函数

# 获取前5条数据
temp_df = df.head().copy()
print(temp_df)


# 自定义函数只能接收一个参数
def func(x):# 此时x参数就是df中的每个数据# print('x的值是->', x)# 本自定义函数也必须返回一个数据if x == '2室1厅':return '3室2厅'else:return x


print(temp_df.applymap(func))

# 输出结果如下区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房        新源街  2室1厅    50  5800    南  2017.07.21        26
1    望京租房      澳洲康都  2室1厅    79  7800    东  2017.07.23        33
2  广安门租房      远见名苑  2室1厅    86  8000    东  2017.07.20        34
3  天通苑租房  天通苑北一区  2室1厅   103  5300  东南  2017.07.25        30
4  团结湖租房    团结湖北口  2室1厅    63  6400    南  2017.07.26        30区域          地址    户型  面积  价格  朝向    更新时间  看房人数
0    燕莎租房        新源街  3室2厅    50  5800    南  2017.07.21        26
1    望京租房      澳洲康都  3室2厅    79  7800    东  2017.07.23        33
2  广安门租房      远见名苑  3室2厅    86  8000    东  2017.07.20        34
3  天通苑租房  天通苑北一区  3室2厅   103  5300  东南  2017.07.25        30
4  团结湖租房    团结湖北口  3室2厅    63  6400    南  2017.07.26        30

总结

请对下列API 有印象、能找到、能理解、能看懂

df['列名'] = 标量或向量 修改或添加列
df.insert(列下标数字, 列名, 该列所有值) 指定位置添加列
<df/s>.drop([索引值1, 索引值2, ...]) 根据索引删除行数据
df.drop([列名1, 列名2, ...], axis=1) 根据列名删除列数据
<df/s>.drop_duplicates() df或s对象去除重复的行数据
s.unique() s对象去除重复的数据
<df/s>.replace('原数据', '新数据', inplace=True) 替换数据
- df或series对象替换数据，返回的还是原来相同类型的对象，不会对原来的df造成修改
- 如果加上inplace=True参数，则会修改原始df
apply函数
- s.apply(自定义函数名, arg1=xx, ...) 对s对象中的每一个值，都执行自定义函数，且该自定义函数除了固定接收每一个值作为第一参数以外，还可以接收其他自定义参数
- df.apply(自定义函数名, arg1=xx, ...) 对df对象中的每一列，都执行自定义函数，且该自定义函数除了固定接收列对象作为第一参数以外，还可以接收其他自定义参数
- df.apply(自定义函数名, arg1=xx, ..., axis=1) 对df对象中的每一行，都执行自定义函数，且该自定义函数除了固定接收行对象作为第一参数以外，还可以接收其他自定义参数
applymap函数
- df.applymap(自定义函数名) 对df对象中的每个值, 都执行自定义函数, 且该自定义函数只能接收每个值作为参数, 不能接收其他自定义参数

python -- series和 DataFrame增删改数据

学习目标知道df添加新列的操作知道insert函数插入列数据知道drop函数删除df的行或列数据知道drop_duplicates函数对df或series进行数据去重知道unique函数对series进行数据去重知道apply函数的使用方法 1 DataFrame添加列注意:本文用到的数据集在文章顶部 1.1 直…...

编程日记 2024/6/8 19:11:41

window.clearInterval(timer) 清除定时器

window.clearInterval(timer)是用来清除定时器的方法。在JavaScript中，使用定时器可以在指定的时间间隔执行一段代码。通常，使用setTimeout()方法可以在一定时间后执行一次代码，而使用setInterval()方法可以在每个时间间隔执行一次代码。使…...

编程日记 2024/6/8 19:09:39

Java项目如何外发告警日志到企业微信

前言最近领导交代了一个需求，就是有些许客户不单单满足平台告警日志外发到邮箱、短信的形式，还要以消息聊天的形式外发给企业微信。具体操作 1、注册企业微信。 2、登录企业微信，找到应用管理，创建应用。 3、创建完之后需要记录以下图片中两个值的信息。 4、然后记录下…...

编程日记 2024/6/8 19:08:38

NLP--关键词

在去停用词后的文本中进行词频统计和关键词统计以及词云图显示，来进行文本的关键词提取，让人一目了然。 1.词频统计统计文本中多次出现的词语，来寻找文章中的关键词，因为多次出现很可能就是关键内容。调用统计数量的Counter库和…...

编程日记 2024/6/8 19:07:36

Qt5学习笔记

一、基础知识 1、基本控件类型水平弹簧与垂直弹簧的父类都是QSpaceItem。关于PushButton相关的控件类型： QPushButton：最基础的按钮类型。QToolButton：可以控制图片、文字任意组合的显示方式的按钮类型。QRadioButton：就像rad…...

编程日记 2024/6/8 19:06:35

数据结构与算法笔记：基础篇 - 散列表（下）：为什么散列表和链表经常会一起使用？

概述已经学习了这么多章节了，你有没有发现，两种数据结构，散列表和链表，经常会被放在一起使用。你还记得，前面的章节中都有哪些地方讲到散列表和链表的组合使用吗？ 在链表那一节，我讲到如何用…...

编程日记 2024/6/8 19:04:33

读AI未来进行式笔记06自动驾驶技术

1. 跃层冲击 1.1. 每个社会其实都处于不同的楼层，往往处于更低楼层的社会，要承受来自更高楼层的社会发展带来的更大冲击 2. 驾驶 2.1. 开车时最关键的不是车，而是路 2.2. 人是比机器更脆弱的生命&am…...

编程日记 2024/6/8 19:02:31

SpringAOP 常见应用场景

文章目录 SpringAOP1 概念2 常见应用场景3 AOP的几种通知类型分别有什么常见的应用场景4 AOP实现性能监控4.1 首先，定义一个切面类，用于实现性能监控逻辑：4.2 定义自定义注解4.3 注解修饰监控的方法 5 AOP实现 API调用统计5.1 定义切面类&am…...

编程日记 2024/6/8 19:01:30

html+css示例

HTML HTML（超文本标记语言）和CSS（层叠样式表）是构建和设计网页的两种主要技术。HTML用于创建网页的结构和内容，而CSS用于控制其外观和布局。 HTML基础 HTML使用标签来标记网页中的不同部分。每个标签通常有一个开始…...

编程日记 2024/6/8 19:00:29

Day51 动态规划part10+Day52 动态规划part11

LC121买卖股票的最佳时机（未掌握） 暴力：双层循环寻找最优间距，每一次都确定一个起点，遍历剩余节点当作终点贪心：取最左最小值，不断遍历那么得到的差值最最大值就是最大利润。动态规划 dp数组…...

编程日记 2024/6/8 18:59:28

Wireshark自定义Lua插件

背景： 常见的抓包工具有tcpdump和wireshark，二者可基于网卡进行抓包：tcpdump用于Linux环境抓包，而wireshark用于windows环境。抓包后需借助包分析工具对数据进行解析，将不可读的二进制数转换为可读的数据结构。 wires…...

编程日记 2024/6/8 18:57:26

商城项目【尚品汇】07分布式锁-2 Redisson篇

文章目录 1 Redisson功能介绍2 Redisson在Springboot中快速入门（代码）2.1 导入依赖2.2 Redisson配置2.3 将自定义锁setnx换成Redisson实现（可重入锁） 3 可重入锁原理3.1 自定义分布式锁setnx为什么不可以重入3.2 redisson为什么可…...

编程日记 2024/6/8 18:55:24

Adobe Illustrator 矢量图设计软件下载安装，Illustrator 轻松创建各种矢量图形

Adobe Illustrator，它不仅仅是一个简单的图形编辑工具，更是一个拥有丰富功能和强大性能的设计利器。在这款软件中，用户可以通过各种精心设计的工具，轻松创建和编辑基于矢量路径的图形文件。这些矢量图形不仅具有高度的可编辑性&a…...

编程日记 2024/6/8 18:54:23

Nvidia/算能 +FPGA+AI大算力边缘计算盒子：中国舰船研究院

中国舰船研究院又称中国船舶重工集团公司第七研究院，隶属于中国船舶重工集团公司，是专门从事舰船研究、设计、开发的科学技术研究机构，是中国船舶重工集团公司的军品技术研究中心、科技开发中心；主要从事舰船武器装备发展战略研究…...

编程日记 2024/6/8 18:52:21

双网卡配置IP和路由总结

1.在网络适配器属性IPv4中设置默认网关（记网关地址为A），将会在本地路由表中新增一条记录： 网络号子网掩码网关地址0.0.0.00.0.0.0A 2.如果有两个网卡（假设一个连接内网，一个连接互联网）&#…...

编程日记 2024/6/8 18:51:20

【纯血鸿蒙】——自适应布局如何实现？

界面级一多能力有 2 类： 自适应布局: 略微调整界面结构响应式布局：比较大的界面调整本文章先主要讲解自适应布局，响应式布局再后面文章再细讲。话不多说，开始了。自适应布局针对常见的开发场景，方舟开发框架提…...

编程日记 2024/6/8 18:45:15

Qt5学习笔记（一）：Qt Widgets Application项目初探

笔者长期使用MFC开发Windows GUI软件。随着软件向Linux平台迁移的趋势越发明朗，GUI程序的跨平台需求也越来越多。因此笔者计划重新抓一下Qt来实现跨平台GUI程序的实现。 0x01. 看看Qt Widgets Application项目结构打开Qt5，点击“ New”按钮新建项目。…...

编程日记 2024/6/8 18:44:14

Linux网络编程：数据链路层协议

目录前言： 1.以太网 1.1.以太网帧格式 1.2.MTU（最大传输单元） 1.2.1.IP协议和MTU 1.2.2.UDP协议和MTU 1.2.3.TCP协议和MTU 2.ARP协议（地址解析协议） 2.1.ARP在局域网通信的角色 2.2.ARP报文格式 2.3.ARP报文…...

编程日记 2024/6/8 18:42:12

企业估值的三种方法

估值模型三剑客—DCF、P/E、EV /EBITDA 三种主要估值模型的优缺点: DCF 优点：通过对自由现金流的折现计算，反映了公司内在价值的本质，是最重要与最合理的估值方法。缺点：未来自由现金流的估计不准确，受折现率影响…...

编程日记 2024/6/8 18:41:11

比亚迪正式签约国际皮划艇联合会和中国皮划艇协会，助推龙舟入奥新阶段

6月5日，比亚迪与国际皮划艇联合会、中国皮划艇协会在深圳共同签署合作协议，国际皮划艇联合会主席托马斯科涅茨科，国际皮划艇联合会秘书长理查德派蒂特，中国皮划艇协会秘书长张茵，比亚迪品牌及公关处总经理李云飞&#…...

编程日记 2024/6/8 18:39:10

宏集Panorama SCADA：个性化定制，满足多元角色需求

前言在考虑不同人员在企业中的职能和职责时，他们对于SCADA系统的需求可能因其角色和工作职责的不同而有所差异。在SCADA系统的设计和实施过程中，必须充分考虑和解决这种差异性。为了满足不同人员的需求, 宏集Panorama SCADA平台具备灵活的功能和定制…...

编程日记 2024/6/8 18:37:08

聪明人社交的基本顺序：千万别搞反了，越早明白越好

聪明人社交的基本顺序：千万别搞反了，越早明白越好国学文化德鲁克博雅管理 2024-03-27 17:00 作者：方小格来源：国学文化（gxwh001） 导语比一个好的圈子更重要的，是自己优质的能力。唐诗宋…...

编程日记 2024/6/8 18:33:05

图片和PDF展示预览、并支持下载

需求展示图片和PDF类型，并且点击图片或者PDF可以预览第一步：遍历所有的图片和PDF列表 <div v-for"(data,index) in parerFont(item.fileInfo)" :key"index" class"data-list-item"><downloadCard :file-inf…...

编程日记 2024/6/8 18:32:03

127.单词接龙需要cout看一下过程。 #include <iostream> #include <queue> #include <stack> #include <unordered_map> #include <unordered_set> #include <vector> using namespace ::std;class Solution { public:int ladderLength(…...

编程日记 2024/6/8 18:31:02

Java开发-面试题-0004-HashMap 和 Hashtable的区别

Java开发-面试题-0004-HashMap 和 Hashtable的区别更多内容欢迎关注我（持续更新中，欢迎Star✨） Github：CodeZeng1998/Java-Developer-Work-Note 技术公众号：CodeZeng1998（纯纯技术文） 生活…...

编程日记 2024/6/8 18:30:02

Swift 序列（Sequence）排序面面俱到 - 从过去到现在（一）

概览在任何语言中对序列（或集合）元素的排序无疑是一种司空见惯的常规操作，在 Swift 语言里自然也不例外。序列排序看似简单，实则“暗藏玄机”。要想真正掌握 Swift 语言中对排序的“各种姿势”，我们还得从长计议。不如就先从最简单的排序基本功开始聊起吧。在本篇博…...

编程日记 2024/6/8 18:29:01

redis 04 redis结构

1.客户端...

编程日记 2024/6/8 18:27:59

【原创】springboot+mysql农业园区管理系统设计与实现

个人主页：程序猿小小杨个人简介：从事开发多年，Java、Php、Python、前端开发均有涉猎博客内容：Java项目实战、项目演示、技术分享文末有作者名片，希望和大家一起共同进步，你只管努力，剩下的交…...

编程日记 2024/6/8 18:25:58

web前端孙俏：深度探索与实战之路

web前端孙俏：深度探索与实战之路在这个数字化、信息化的时代，web前端技术以其独特的魅力，吸引着越来越多的开发者投身其中。今天，我们将跟随孙俏的脚步，一同探索web前端的深度与广度，揭开其神秘的面纱。…...

编程日记 2024/6/8 18:24:56

opencv实战小结-银行卡号识别

实战1-银行卡号识别项目来源：opencv入门项目目的：识别传入的银行卡照片中的卡号难点：银行卡上会有一些干扰项，如何排除这些干扰项，并且打印正确的号码是一个问题最终效果如上图实现这样的功能需要以下几个步骤…...

编程日记 2024/6/8 18:23:56

注销主体备案与网站备案表/宁波网站推广运营公司

1.什么是EPEL?EPEL（企业linux额外安装包）主要是针对Fedora项目，由开源社区支持创建的一个高质量安装包的源仓库，它支持基于Fedora的Red Hat Enterprise Linux (RHEL),还有兼容性的衍生版本，例如CentOS和ScientificLin…...

编程日记 2024/11/19 17:44:08

网站开发建设/厦门seo排名优化方式

OpenMP --- 线程同步 1. 引言在OpenMP中，线程同步机制包括互斥锁同步机制和事件同步机制。 2. 互斥锁同步互斥锁同步的概念类似于Windows中的临界区（CriticalSection）以及Windows和Linux中的Mutex以及VxWorks中的SemTake和SemGive&#xff…...

编程日记 2024/11/19 17:03:57

特产网站设计/seo网站推广软件排名

http请求介绍 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…...

编程日记 2024/11/19 15:49:54

天津网站建设如何/郑州网站顾问

Caused by: java.lang.ClassCastException:android.widget.LinearLayout$LayoutParams 最近，在android中用代码动态改变某种布局（组件）的高度时，会遇到如题所示的类转换异常。上网查了一下，如下所示：Thes…...

编程日记 2024/11/19 15:35:54

网站正在建设中单页/重庆seo推广外包

13.3.2 cocos2d项目如何支持ARCiOS 5中所支持的全新特性ARC（Automatic Reference Counting）首次在iOS系统中提供了自动内存管理，从而避免因为对retain、release、autorelease这些命令的错误调用而导致内存泄漏。实际上，Apple还成功…...

编程日记 2024/11/19 15:30:46

wordpress git升级/网站推广的途径和方法

如果您只想使用CSS3，甚至不需要使用任何jQuery / Javascript。只需在您的CSS中执行此操作：.confirm_selection {-webkit-transition: text-shadow 0.2s linear;-moz-transition: text-shadow 0.2s linear;-ms-transition: text-shadow 0.2s linear;-o-tr…...

编程日记 2024/11/19 8:18:23