前言本不想多说什么，年后在公司亲历一段别样经验，不想吐槽，只因吐槽不能改变任何现状。小姐心态，寡妇待遇，妇联追求，一份技术工作做出弯腰，低头，下跪，也是醉了。今年大环境不好，大厂裁员，人才过盛，好在自己还是去了符合自己意愿的公司。新工作快一个月，主要工作技术内容是一个Django的小东西，首先是需要从Python2迁移至Python3，简单带点重构。Python2迁移Python3运行环境服务run在docker里，启动方式里面没有嵌入太多环境变量，基本基
系统 2019-09-27 17:50:00 1724
一、写在前面前几天在微信上看到这样一篇文章，链接为：https://mp.weixin.qq.com/s/rl6Sgv3uk_IpoFAx6cWa8w，在这篇文章中，有这样一段话，吸引了我的注意：在Linux中ls是一个使用频率非常高的命令了，可选的参数也有很多，算是一条不得不掌握的命令。Python作为一门简单易学的语言，被很多人认为是不需要认真学的，或者只是随便调个库就行了，那可就真是小瞧Python了。那这次我就要试着用Python来实现一下Linu
系统 2019-09-27 17:49:51 1724
filter(function,sequence)：对sequence中的item依次执行function(item)，将执行结果为True的item组成一个List/String/Tuple（取决于sequence的类型）返回：复制代码代码如下:>>>deff(x):returnx%2!=0andx%3!=0>>>filter(f,range(2,25))[5,7,11,13,17,19,23]>>>deff(x):returnx!='a'>>>filt
系统 2019-09-27 17:49:44 1724
本文通过将同一个数据集在三种不同的简便项窗口部件中显示。三个窗口的数据得到实时的同步,数据和视图分离。当添加或删除数据行，三个不同的视图均保持同步。数据将保存在本地文件中，而非数据库。对于小型和临时性数据集来说，这些简便窗口部件非常有用，可以用在非单独数据集中-数据自身的显示,编辑和存储。所使用的数据集：/home/yrd/eric_workspace/chap14/ships_conv/ships.py#!/usr/bin/envpython3impor
系统 2019-09-27 17:49:43 1724
目录一、Admin的配置1.激活管理工具2.使用管理工具3.注册超级用户4.修改语言二、管理数据模型1.注册medel类到admin2.自定制类一、Admin的配置Admin是Django的一个强大的功能，它能从数据库中读取数据，并呈现在页面中，进行管理。默认情况下，它的功能已经非常强大，如果你不需要复杂的功能，它已经够用，但是有时候，一些特殊的功能还需要定制，比如搜索功能，下面这一系列文章就逐步深入介绍如何定制适合自己的admin应用。1.激活管理工具通
系统 2019-09-27 17:49:37 1724
前言本文主要介绍的是关于python中open函数用法的相关资料，用法如下：name=open('errname.txt','w')name.readline()name.close()1、看下第一行的代码用来访问磁盘中存放的文件，可以进行读写等操作，例如上例中'w'，这里便是对errname.txt这个文件进行读操作例如：w：以写方式打开a：以追加方式打开r+：以读写模式打开w+：以读写模式打开rb：以二进制读模式打开wb：以二进制写模式打开ab：以二进
系统 2019-09-27 17:49:36 1724
首先我们要明白在python中当字符编码为:UTF-8时，中文在字符串中的占位为3个字节，其余字符为一个字节下面就直接介绍几种python中字符串常用的几种字符串内置函数(本文中牵扯到了模块与一些之前章节没讲过的相关知识,坑我之后会填的)字符串切片(截取字符串):#字符串切片string[开始位置:结束位置:步长]name="巩�t鹏"print(name[0:])#从第一个字符截取到最后一个字符print(name[0:2])#从第一个字符截取到第二个字
系统 2019-09-27 17:49:35 1724
在开发一些需要网络通信的应用中，经常会用到各种网络协议进行通信，博主在开发实验室的机器人的时候就遇到了需要把机器人上采集到的图片传回服务器进行处理识别，在python下的实现方式如下（只贴出了关键代码）服务器端LOCAL_IP='192.168.100.22'#本机在局域网中的地址，或者写127.0.0.1PORT=2567#指定一个端口defserver():sock=socket.socket(socket.AF_INET,socket.SOCK_ST
系统 2019-09-27 17:49:31 1724
一般来说，用pandas处理小于100兆的数据，性能不是问题。当用pandas来处理100兆至几个G的数据时，将会比较耗时，同时会导致程序因内存不足而运行失败。当然，像Spark这类的工具能够胜任处理100G至几个T的大数据集，但要想充分发挥这些工具的优势，通常需要比较贵的硬件设备。而且，这些工具不像pandas那样具有丰富的进行高质量数据清洗、探索和分析的特性。对于中等规模的数据，我们的愿望是尽量让pandas继续发挥其优势，而不是换用其他工具。本文我们
系统 2019-09-27 17:49:29 1724
理解一个算法最快，最深刻的做法，我觉着可能是自己手动实现，虽然项目中不用自己实现，有已经封装好的算法库，供我们调用，我觉着还是有必要自己亲自实践一下。这里首先说明一下，python这种动态语言，对不熟悉的人可能看着比较别扭，不像java那样参数类型是固定的，所以看着会有些蛋疼。这里环境用的是python2.7。classMessage:#commandMSG_ACCEPTOR_AGREE=0#追随者约定MSG_ACCEPTOR_ACCEPT=1#追随者接受
系统 2019-09-27 17:49:27 1724
