先查询一下selectuserenv('language')fromdual;查看oracle字符集，$sqlplus/nologSQL>connectsys/oracleassysdbaSQL>startup如何设置ORACLE数据库的编码（ZHS16GBK）修改成UTF8SQL>shutdownimmediate;SQL>startupmount;SQL>altersystemenablerestrictedsession;SQL>altersyste
系统 2019-08-12 01:32:44 2379
在之前只知道SqlServer支持数据批量插入，殊不知道Oracle、SQLite和MySql也是支持的，不过Oracle需要使用Orace.DataAccess驱动，今天就贴出几种数据库的批量插入解决方法。首先说一下，IProvider里有一个用于实现批量插入的插件服务接口IBatcherProvider，此接口在前一篇文章中已经提到过了。//////提供数据批量处理的方法。///publicinterfaceIBa
系统 2019-08-12 01:32:31 2379
python导入自定义模块和包python包包是一个分层次的文件目录结构，它定义了一个由模块及子包，和子包下的子包等组成的Python的应用环境。简单来说，包就是文件夹，但该文件夹下必须存在__init__.py文件,该文件的内容可以为空。__init__.py用于标识当前文件夹是一个包。导入同级目录文件如果需要引入同级目录下的文件，则可以采用import一个模块的形式，即可调用。考虑同一目录下的两个python文件，test.py需要调用pytools.
系统 2019-09-27 17:57:50 2378
一前言最近在开发的数据核对方案中用到了Python标准库Difflib，本来它工作的挺符合预期，可当它遇到那个文件，仿佛遇到了克星，那文件才100行*77列的数据，经它对比，居然耗时61s。这是无法接受的，因为后续线上流量抽取比对，绝非这点量级。该怎么破？二重现现象以下是使用Difflib比对那个文件，数据量是100行*77列，耗时61s，如下：好吧，那就降低数据量到5行*77列，看看效果，耗时只有0.05s，如下：从耗时结果上，不难发现，Difflib在
系统 2019-09-27 17:57:27 2378
介绍unittest原名为PyUnit，是由Java的JUnit衍生而来.它支持自动化测试，在测试中使用setup（初始化）和shutdown（关闭销毁）操作，组织测试用例为套件（批量运行），以及把测试和报告独立开来。为了实现这些，unittest以一种面向对象的方式产生了一些很重要的概念：testfixture：fixture表示tests运行前需要做的准备工作以及结束后的清理工作。比如，创建临时/代理数据库、目录或启动一个服务器进程。testcase：
系统 2019-09-27 17:57:11 2378
1python中的数据类型:数字（整数型int,浮点数型float,布尔型bool,复数complex），字符串，元组(只读列表，只能查询，不可更改)，集合，列表，字典可变数据类型：列表list[]、字典dict{}数据发生改变，但内存地址不变不可变数据类型：整型int、字符串str’'、元组tuple（）当该数据类型的对应变量的值发生了改变，那么它对应的内存地址也会改变2有一段python的编码程序如下：urllib.quote(line.decode(
系统 2019-09-27 17:56:47 2378
一.JS和python的序列化python的序列化json字符串=json.dumps('python对象')python对象=json.loads('json字符串')JS的序列化js对象=JSON.parse('字符串')json字符串=JSON.stringfy('js对象')二.Django和ajax序列化django序列化1.两次序列化defget_data(request):fromdjango.coreimportserializers#引入
系统 2019-09-27 17:56:10 2378
转自：https://www.cnblogs.com/Jeb15/p/6080331.html直接执行这两个命令即可：sudoupdate-alternatives--install/usr/bin/pythonpython/usr/bin/python2100sudoupdate-alternatives--install/usr/bin/pythonpython/usr/bin/python3150如果要切换到Python2，执行：sudoupdate
系统 2019-09-27 17:56:00 2378
大多数有抱负的数据科学家是通过学习为开发人员开设的编程课程开始认识python的，他们也开始解决类似leetcode网站上的python编程难题。他们认为在开始使用python分析数据之前，必须熟悉编程概念。资深数据分析师ManuJeevan认为，这是一个巨大的错误，因为数据科学家使用python来对数据进行检索、清洗、可视化和构建模型，而不是开发软件应用程序。实际上，为了完成这些任务，你必须将大部分时间集中在学习python中的模块和库上。请按照下面这个
系统 2019-09-27 17:55:49 2378
处理丢失数据有两种丢失数据：Nonenp.nan(NaN)In[1]:importnumpyasnpIn[12]:%timeitnp.arange(0,10000,dtype=int).sum()21.3µs±1.66µsperloop(mean±std.dev.of7runs,10000loopseach)In[13]:%timeitnp.arange(0,10000,dtype=float).sum()24.2µs±2.7µsperloop(mean±
系统 2019-09-27 17:55:21 2378
