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)

  • 叮嘱!北恒高级班周一丰创投杯量化私募大赛不正规！受骗不能提现出金被骗真相曝光！ 天权顾问
    量化北恒私募实盘大赛周一丰投票项目安全吗?量化北恒私募实盘大赛周一丰积分投票已经亏损被骗了怎么办？警惕!量化北恒私募实盘大赛周一丰十选五项目合法吗——杀猪盘骗局！被骗提不了款!提不了现!出不来金!不要上当!自古有句话讲得好“人善被欺、马善被骑”，现如今也是被骗子利用到了极致，人善就真该被欺骗吗？狡猾的骗子们就利用到了这点，利用同情心、爱心去进行诈骗，宣传公益捐款、爱心慈善打比赛来骗取资金！正常的投
  • 互信息：理论框架、跨学科应用与前沿进展 大千AI助手 人工智能Python#OTHER人工智能深度学习算法互信息香农通信随机变量
    1.起源与核心定义互信息（MutualInformation,MI）由克劳德·香农（ClaudeShannon）在1948年开创性论文《AMathematicalTheoryofCommunication》中首次提出，该论文奠定了现代信息论的基础。互信息用于量化两个随机变量之间的统计依赖关系，定义为：若已知一个随机变量的取值，能为另一个随机变量提供的信息量。数学上，对于离散随机变量XXX和YYY，
  • 大模型量化终极对决：FP8 vs AWQ INT4，谁才是性能与精度的王者？ 曦紫沐 大模型人工智能大模型量化FP8AWQ_INT4
    摘要在大模型部署与优化中，量化技术是突破性能瓶颈的关键。FP8量化与AWQINT4量化作为当前主流方案，分别以“高精度”和“极致压缩”为核心优势。本文通过表格对比二者的数据格式、精度损失、硬件依赖及适用场景，助您在不同需求下精准选择最优方案。一、数据格式：浮点与整数的底层差异FP8量化采用浮点数（FP8），包含E4M3（4位阶码+3位尾数）和E5M2（5位阶码+2位尾数）两种格式，保留动态范围；而
  • Pandas：数据科学的超级瑞士军刀 科技林总 DeepSeek学AI人工智能
    **——从零基础到高效分析的进化指南**###**一、Pandas诞生：数据革命的救世主****2010年前的数据分析噩梦**：```python#传统Python处理表格数据data=[]forrowincsv_file:ifrow[3]>100androw[2]=="China":data.append(float(row[5])#代码冗长易错！```**核心痛点**：-Excel处理百万行崩
  • 【大模型微调实战】4. P-Tuning爆款文案生成：让模型学会小红书“爽感”写作，转化率提升300% AI_DL_CODE 大模型微调P-Tuning小红书文案爆款生成情绪强化自然语言生成提示工程
    摘要：在内容营销竞争白热化的当下，普通文案已难以突破流量壁垒。本文聚焦P-Tuning技术在小红书爆款文案生成中的落地应用，通过参数化提示向量优化，将抽象的“爽感”写作转化为可量化、可训练的技术指标。文中提出“六步成文法”，从情绪化数据集构建到爆款元素复刻，完整拆解如何用RTX3060级显卡实现0.1%参数量微调，使文案点击率从2.1%提升至8.7%，爆文率提高5倍，单条文案带货超8万元。核心创新
  • 使用Python操作Excel，删重复数据及keep参数用法并保存的例子 白帽黑客艾登 pythonexcel开发语言Python编程Python学习技能分享
    01Ex按列标题删重复的数据解析：我们使用了pandas库读取Excel文件，并使用drop_duplicates()函数删除重复数据。其中，subset参数指定了删除重复数据的列（列名），keep参数指定了保留哪个重复记录（默认为第一个记录）。inplace=True参数表示在原始数据上进行操作。最后，我们使用to_excel()函数将处理后的数据，保存到一个新的Excel文件中，其中index
  • 模型压缩中的四大核心技术 —— 量化、剪枝、知识蒸馏和二值化 由数入道 人工智能剪枝人工智能算法模型压缩量化知识蒸馏二值化
    一、量化(Quantization)量化的目标在于将原始以32位浮点数表示的模型参数和中间激活，转换为低精度（如FP16、INT8、甚至更低位宽）的数值表示，从而在减少模型存储占用和内存带宽的同时，加速推理运算，特别适用于移动、嵌入式和边缘计算场景。1.1概念与目标基本思想将高精度数值离散化为低精度表示。例如，将FP32权重转换为INT8，可降低内存需求约4倍，同时在支持低精度运算的硬件上加速计算
  • 【Python高阶开发】1. Pandas工业级时序数据处理实战：从振动传感器数据到轴承故障预警系统 AI_DL_CODE pythonpandas时序数据处理振动传感器工业数据清洗特征工程
    摘要：在工业设备健康监测中，振动传感器数据是评估设备状态的核心依据，但高频噪声干扰、数据传输缺失、多设备时间戳错位等问题严重影响分析准确性。本文基于PythonPandas构建工业级时序数据处理流水线，提出"时间校正-缺失填充-噪声过滤-特征提取"四步清洗法，针对工业场景设计专用策略：短时缺失采用线性插值、长时缺失标记异常，振动数据结合移动平均与Z-score检测保留真实特征。通过时域（峰值、峭度
  • 使用 PyTorch 和 Pandas 进行 Kaggle 房价预测 Clang's Blog AIpytorchpandas人工智能
    文章目录1、环境设置2、数据下载3、数据预处理4、模型构建5、训练和验证6、训练模型并生成预测结果7、完整代码在本篇博文中，我们将探索如何使用PyTorch和Pandas库，构建一个用于Kaggle房价预测的模型。我们将详细讨论数据加载、预处理、模型构建、训练、验证及最终预测的全过程。1、环境设置我们首先需要导入所需的库，包括用于数据处理的pandas和numpy，以及用于深度学习的torch。i
  • 你的团队一直在原地踏步？请建立合适的人才培养体系 老杨说技术
    来啦，请坐。我是老杨，这是我的《数字化研发管理》书籍的前奏，我带你稍微见识下其魅力。如果你有强化管理能力，量化技术产出，提升技术效能，打造技术团队等需求，那么这套课程会为你揭开技术管理的神秘面纱，可以让“妈妈再也不用担心你的工作了”。这是《数字化技术管理的方法和实践》第五讲，提升互联网技术团队的人效篇第一部分：提升研发容量，提升研发能力。一句话解释下：通过什么方法，来提升技术团队的容量和能力，让你
  • 绘本讲师训练营［16期］16/21 《猜猜我有多爱你》 DemiH1989
    16004黄坍仪《猜猜我有多爱你》【英】文/山姆·麦克布雷尼图/安妮塔·婕朗译/梅子涵图片发自App这是一本把爱数量化的书本，通过大兔子和小兔子之前互相表达爱的大小，从而让孩子们更好地理解爱，也是一本睡前绘本，让孩子们在满满的爱中进入梦乡。这个绘本是我第三次绘本实践原创所选择的书，因为，现在的家庭，更需要我们和家人之间好好地去表达爱，感受爱。热场：图片发自App图片发自App这次的对象也是托班3-
  • Python爬虫【五十八章】Python数据清洗与分析全攻略：从Pandas到深度学习的异常检测进阶 程序员_CLUB Python入门到进阶python爬虫pandas
    目录背景与需求分析第一章：结构化数据清洗实战（Pandas核心技法）1.1数据去重策略矩阵1.2智能缺失值处理体系第二章：深度学习异常检测进阶2.1自动编码器异常检测（时序数据）2.2图神经网络异常检测（关系型数据）第三章：综合案例实战案例1：金融交易反欺诈系统案例2：工业传感器异常检测第四章：性能优化与工程实践4.1大数据处理加速技巧4.2模型部署方案第五章：方法论总结与展望5.1方法论框架5.
  • Day45 洪明基老师六力理论之阳光力复盘？ 杭说是我
    导语：这里是杭说是我2020年365日更的第45天，45/365，行动就是生产力！在还没听课以及看书之前，我以为阳光力就是积极向上，一听课和看书，我猜到了，但还不太具体。01什么是阳光力？洪明基老师给出的定义是：阳光力是指自身具有积极、正向、信任、担当的正能量,并能够把这种正能量传递给别人,实现正能量化。通过这个定义，我们可以拆解为正能量和正能量化。正能量，顾名思义，就是本身带正能量的人，积极、正
  • 【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts) 视频教程 - 微博文章数据可视化分析-文章分类下拉框实现 java1234_小锋 NLPNLLP微博舆情分析python自然语言处理flask
    大家好，我是java1234_小锋老师，最近写了一套【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts)视频教程，持续更新中，计划月底更新完，感谢支持。今天讲解微博文章数据可视化分析-文章分类下拉框实现视频在线地址：2026版【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts+爬虫)视频教程（火爆连载更
  • 揭秘智能产品定价AI平台的优势，AI应用架构师为你详解 SuperAGI架构师的AI实验室 人工智能大数据ai
    智能定价新范式：AI平台如何重塑产品定价策略——AI应用架构师深度剖析副标题：从算法原理到商业价值，全方位解读智能定价AI平台的架构优势与落地实践摘要/引言在数字化经济时代，产品定价已从传统的经验驱动转向数据驱动的精密科学。传统定价方法依赖人工分析、历史数据和直觉判断，面临三大核心痛点：响应滞后（无法实时捕捉市场波动）、精度有限（难以量化复杂变量间的非线性关系）、规模瓶颈（无法针对海量SKU或细分
  • Rouge：面向摘要自动评估的召回导向型指标——原理、演进与应用全景 大千AI助手 深度学习人工智能神经网络Rouge文本摘要Summary评估
    “以n-gram重叠量化文本生成质量，为摘要评估提供可计算标尺”Rouge（Recall-OrientedUnderstudyforGistingEvaluation）是由南加州大学信息科学研究所（ISI）的Chin-YewLin于2004年提出的自动文本摘要评估指标，其核心思想是通过计算生成文本与参考摘要之间的n-gram重叠率，量化摘要的内容覆盖度与忠实度。作为自然语言处理（NLP）领域最权威
  • 骗局曝光：量化产业智脑私募实盘大赛盈利不让出金!别再被套路了帮你挽回 反诈宣传中
    量化产业智脑私募实盘大赛盈利不让出金骗局大曝光!无法提现出金不到账真相揭露!!在炒股群行骗是一种极其不道德和非法的行为，严重损害了投资者的利益和信任。面对这种情况，我们应该保持高度警惕，并采取果断措施来防范和打击这类诈骗行为。近期，有一种新型的诈骗手段在股市投资者中悄然兴起。骗子们通过冒充知名的股市分析师或投资顾问，利用虚假的身份和信息在炒股交流群中诱导投资者进行股票交易，从而达到非法获利的目的。
  • 【Python】pandas.cut()函数的用法
    pandas.cut()函数是一个非常有用的工具，用于将数值型数据按照指定的分箱或区间进行分割，从而将连续的数值变量转换为离散的类别变量。这在数据分析和机器学习的特征工程中尤其有用，因为它可以帮助揭示不同区间内的数据分布特征，或者简化模型的输入。基本用法pandas.cut()的基本语法如下：pandas.cut(x,bins,right=True,labels=None,retbins=Fals
  • 构建专业级量化交易回测引擎：从Python代码到云端部署 wh3933 python开发语言
    引言量化交易的世界中，回测（Backtesting）并非简单的历史数据模拟，它是连接交易思想与市场现实的桥梁，是策略从雏形走向成熟的必经之路。一个严谨的回测流程，能够以科学的方法检验策略的有效性、揭示其潜在风险，并将交易决策从情绪驱动转向数据驱动。构建一个强大的回-测引擎，其意义远超编写一段脚本；它是在构建一个个人专属的金融实验室，用于系统性地开发、验证和迭代交易思想。本报告旨在提供一份全面而深入
  • 面向个人量化交易者的数据收集与基础架构综合指南 m0_74842794 数据库数据挖掘云计算
    引言报告目的本报告旨在为寻求进入量化交易领域的个人交易者，提供一份权威且全面的专家级指南，内容聚焦于数据收集、存储与管理的关键环节。本报告将直接回应您关于所需数据类型、数据来源（特别是针对中国市场）以及如何实现关系型与时序混合数据库架构的具体问题。数据驱动的必要性在量化交易领域，数据的质量、广度和结构不仅仅是策略的输入，更是竞争优势的核心来源1。一个稳健、高效的数据基础设施是所有成功策略赖以建立的
  • 服装收银系统性价比排名TOP5对比指南 念夏沫 eureka
    概述：科学的性价比对比是生命周期综合使用成本和产品提供价值的比值，通过对市面上主流的5个服装收银系统的量化对比，专业测评机构得出了“服装收银系统性价比排行”，笑铺日记以9.5分获得性价比第1名，显著领先秦丝、日进斗金等产品。测评量化标准：生命周期综合使用成本（简称全周期成本）。主要由购买成本+后续年费+售后费用组成。产品性能及价值（简称产品价值）。由扫码入库、会员管理、系统稳定性等几个服装店重点关
  • Python Pandas.cut函数解析与实战教程 皓月照山川 pandaspythonpandas开发语言
    PythonPandas.cut函数解析与实战教程摘要pandas.cut是数据分析工具库Pandas中一个极其强大且常用的函数。它的核心功能是将连续的数值型数据根据指定的间断点（bins）进行分割，转换成离散化的区间类别（categoricaldata）。这种操作在数据预处理、特征工程和数据可视化中至关重要，例如，将用户的年龄分段、将考试分数评级、或将销售额划分为不同的等级。本文章将从基础用法到
  • 实践篇：构建基于LLM与本地Pandas的混合式数据分析引擎 超人阿亚 pandas数据分析数据挖掘
    公众号：dify实验室基于LLMOps平台-Dify的一站式学习平台。包含不限于：Dify工作流案例、DSL文件分享、模型接入、Dify交流讨论等各类资源分享。在上一篇《思路探索：当大型语言模型遇见数据分析的现实挑战》中，我们阐述了团队确立的技术路线：利用大型语言模型（LLM）作为自然语言到代码的“翻译器”，并结合PythonPandas库作为后端的高性能“计算核心”。本文将从工程实践的角度，详细
  • 打电话识别误报率↓82%：陌讯轻量化部署算法实战解析 2501_92474790 人工智能算法智慧城市计算机视觉目标检测目标跟踪
    原创声明：本文内容基于独立技术解析，部分数据引用自“陌讯技术白皮书”，严禁未经授权转载。摘要：针对边缘计算优化和复杂场景鲁棒性挑战，本文解析陌讯视觉算法在打电话识别中的轻量化部署方案。实测显示，该方案在误报率指标上较基线提升显著，适用于安防监控等场景。一、行业痛点打电话识别在安防监控中面临严峻挑战。行业报告显示，公共场所有效行为识别误报率超35%（来源：2024年《智能安防白皮书》）。具体难点包括
  • 引你入局!北恒私募高级班周一丰，马建军量化产业智脑私募实盘大赛无法出金受骗真相令人大跌眼镜! 昌龙律法
    近年来，随着数字化经济的速发展，数字农业，数字体育，区块链市场逐渐繁荣起来。然而，一些不法分子也趁机混入其中，以新型投资项目为名，行骗之实。利用大家对这些项目的不熟悉，他们以高额回报为诱饵，吸引投资者落入他们的陷阱。我们接到多起投资者举报，称有人冒充知名财经分析师（大学教授经济学家，上市企业项目及高管)【海方知的何茂春】，利用【海方知的何茂春】的声誉和影响力进行诈骗活动。当你看到这篇文章的时候说明
  • 深度学习中，定量分析和定性分析是什么？要体现什么？ seasonsyy 深度学习小知识深度学习人工智能定量分析定性分析
    深度学习中，定量分析和定性分析是什么？要体现什么？在深度学习和一般的数据分析中，定量分析（QuantitativeAnalysis）和定性分析（QualitativeAnalysis）是两种主要的研究方法，它们分别关注数据的数量特征和质的特征。定量分析（QuantitativeAnalysis）定性分析（QualitativeAnalysis）关注方面定量分析涉及可量化的数据，即那些可以通过数字来
  • 智慧零售 AI 卡顿？陌讯轻量化方案 FPS 升 40% 2501_92722744 零售人工智能目标跟踪计算机视觉目标检测算法
    一、开篇痛点：智慧零售视觉算法的三大行业困境在智慧零售场景中，传统视觉算法正面临着难以突破的技术瓶颈。自助结算台的商品误识别率常高达12%-18%，导致消费者频繁触发人工核验；复杂货架场景下，商品重叠、光照变化和包装相似性问题，使得目标检测漏检率超过20%；而边缘设备的算力限制，又让实时推理帧率（FPS）普遍低于25，无法满足流畅交互需求[1]。这些问题直接造成商超运营成本增加30%以上，严重制约
  • Python金融分析：情感分析在量化价值投资中的完整实现 AI量化价值投资入门到精通 python金融开发语言ai
    Python金融分析：情感分析在量化价值投资中的完整实现关键词：Python金融分析、情感分析、量化投资、价值投资、自然语言处理、机器学习、金融文本挖掘摘要：本文系统解析如何将情感分析技术深度整合到量化价值投资体系中，通过Python实现从金融文本数据采集、预处理、情感建模到策略回测的完整流程。详细阐述基于规则引擎、机器学习和深度学习的多维度情感分析方法，结合财务指标构建复合投资模型，并通过实战案
  • 带单爆仓！北恒私募周一丰量化私募实盘大赛不能出金套路手段让人费解!不让提款出金曝光!难友讲述被骗真相 正义青天
    网上交友，相谈甚欢，“周一丰”（假冒）毫不吝啬的给你分享赚钱的门道，带你进行项目投资承诺稳赚不赔，你以为遇到了“理财大师”，准备跟着“大赚一笔”走上人生巅峰的时候，其实你已经陷入骗子设下的圈套，群里面200多个人，全部是托，他们能给你一个聊天号，为什么他们自己就不能再创立200多个虚拟号，放在群里，鱼龙混杂掩人耳目的欺骗你！你看到别人的充值截图也好，买黄金的发票和实物也罢，都是骗子精心准备的照片而
  • 躲避!量化私募大赛北恒高级班周一丰不合法！亏损惨重，带单被骗今日头条！ 天权顾问
    近期，我们收到多起关于诈骗分子在北恒私募高级班周一丰的骗局！北恒私募高级班周一丰在社交群组中打着“量化私募实盘大赛”和“积分投票”等噱头进行诈行骗的事件。这些诈骗分子利用投资者对私募助力大赛排名等其他新领域发展的关注，精心策划了一系列骗局，意图骗取大家的钱财。为此，我们特发出以下反诈宣传，提醒大家提高警惕，切勿上当受骗。若不幸被骗发现不能提现赶紧与我们联系正道顾问：【文章末尾】（电微同号），帮你及
  • 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