1.尽量使用事务处理更新数据库VB的事务处理包括以BeginTrans开始，以CommitTrans或Rollback结尾的多条数据库操作指令。事务处理除了能很好的保证数据库的完整性以外，同时能大大提高数据库批量更新的效率。这是因为如果数据库更新操作没有使用事务处理，则每次Update操作都会引起数据库写盘一次。使用事务处理后，更新只在内存缓冲区内进行，执行CommitTrans时才将所有修改一次写回到磁盘中。使用事务处理要注意一下几点:(1)事务处理要有
系统 2019-08-12 01:52:14 2148
1、处理节点介绍此类节点包括：开始、处理、会签。1.1、常规1.1.1、设置表单上图是开始节点的常规设置，因为是单表单流程，其他需要设置使用表单的节点，都会使用此设置。在选择表单时，会根据表单使用的数据主表，填充至此。1.1.2、处理方式上图的表格中，显示的是系统默认的开始节点处理方式。如果是处理节点，系统默认将是：同意和不同意。程序员可以在这里定义其他处理。进入处理方式设置，如上图。这里会影响到运行平台用户的选项包括：撤回：1、选择否：表示此处理方式为允
系统 2019-08-12 01:32:19 2148
需求：1.用户输入密码正确登录2.用户输入密码错误退出并调用函数继续输入3.用户输入密码符合原先给定的一个值时，允许用户重置密码，并且可以用新密码登录4.输入三次后禁止输入虽然贴别的简单，但是还要记录一下，废话不多说直接贴码了#!/user/bin/envpython#-*-coding:utf-8-*-#Author:qinjiaxipassword_list=['!@#','12345']defaccount_login():tries=3whilet
系统 2019-09-27 17:56:38 2147
Python超基础操作组的表示方式：列表定义一个列表的基本方式type([1,2,3,4,5,6])可以是字符串、布尔类型、数字都是可以在列表中出现的列表中也可以嵌套列表[[1,2],[3,4],[True,False]]（二维数组）嵌套列表列表的函数和方法：函数意义len（）列表元素的个数len（）列表元素的个数cmp（）比较两个列表的元素max（）列表元素的最大值min（）列表元素中的最小值list（）将元组转化为列表append（）在列表末尾添加新的
系统 2019-09-27 17:56:21 2147
工具：Jupyternotebook+Anaconda游戏规则：时时彩一种玩法是买尾号。2元一个数字，中奖是20元。每个数字出现的概率相等。目前想到两种买法：随机购买，人是感性动物，很容易受周围环境干扰。完全随机购买在生活中是不存在的。分析数字在前面N期出现的概率，选择概率最小的n个数字购买。导入包importnumpyasnp定义玩法一：完全随机购买defplay_lottery(my_money,play_num,money):'''随机选择数的中奖率
系统 2019-09-27 17:56:04 2147
概述在列表复制这个问题，看似简单的复制却有着许多的学问，尤其是对新手来说，理所当然的事情却并不如意，比如列表的赋值、复制、浅拷贝、深拷贝等绕口的名词到底有什么区别和作用呢？列表赋值#定义一个新列表l1=[1,2,3,4,5]#对l2赋值l2=l1print(l1)l2[0]=100print(l1)示例结果：[1,2,3,4,5][100,2,3,4,5]可以看到，更改赋值后的L2后L1同样也会被更改，看似简单的“复制”，在Python中，列表属于可变对象
系统 2019-09-27 17:55:41 2147
通过cmd启动Python需要先设置系统环境，设置步骤如下：1、首先，在桌面找到“计算机”右键找到“属性”或者按下win键再右键“计算机”找到“属性”也可以。如下图所示：2、接下来，点击完“属性”之后，进到如下图所示的界面，选择“高级系统设置”点击完“高级系统设置”之后会弹出系统属性框，所下图所示。选择弹框中“高级”下的“环境变量”点击“环境变量”之后，接下来我们要在“系统变量”里的Path后面加上Python安装路径。注意：在path后面加上一个英文“;
系统 2019-09-27 17:55:32 2147
MemcachedAPIset(key,val,time=0,min_compress_len=0)无条件键值对的设置，其中的time用于设置超时，单位是秒，而min_compress_len则用于设置zlib压缩(注:zlib是提供数据压缩用的函式库)set_multi(mapping,time=0,key_prefix='',min_compress_len=0)设置多个键值对，key_prefix是key的前缀，完整的键名是key_prefix+ke
系统 2019-09-27 17:55:05 2147
fromutils.httputilimportHttpfromutils.dbQryimportMyDbUtilhttp=Http()mydb=MyDbUtil()defquery_interface():list=mydb.select_some("systems","switch",1)nodes=mydb.select_some("node","switch",1)tasks=mydb.select_some("task","switch",1)a
系统 2019-09-27 17:54:44 2147
前言有些人看到这个问题觉得不是问题，是嘛，不就是df.col[]函数嘛，其实忽略了一个重点，那就是我们要省去把csv文件全部读取这个过程，因为如果在面临亿万级别的大规模数据，得到的结果就是boom，boom，boom。我们要使用一下现成的函数里面的参数nrows,和skiprows，一个代表你要读几行，一个代表你从哪开始读，这就可以了，比如从第3行读取4个示例代码importpandasaspddf=pd.DataFrame({'a':[1,2,3,4,5
系统 2019-09-27 17:54:21 2147
