译序如果说优雅也有缺点的话，那就是你需要艰巨的工作才能得到它，需要良好的教育才能欣赏它。——EdsgerWybeDijkstra在Python社区文化的浇灌下，演化出了一种独特的代码风格，去指导如何正确地使用Python，这就是常说的pythonic。一般说地道(idiomatic)的python代码，就是指这份代码很pythonic。Python的语法和标准库设计，处处契合着pythonic的思想。而且Python社区十分注重编码风格一的一致性，他们极力
系统 2019-09-27 17:55:36 1860
Mac中python多版本切换管理step1.$sudovi~/.bashrcstep2.命令行中输入aliaspython2=’/…/Versions/2.x/bin/python2.x’aliaspython3=’/…/Versions/3.x/bin/python3.x’Step3.刷新$source~/.bashrcStep4、验证在终端输入python2即代表是Python2.x版本，输入python3即代表是Python3.x版本。Mac设置默
系统 2019-09-27 17:55:04 1860
目录一、进程同步二、为什么需要进程同步三、Python中实现进程同步四、多进程模拟同时抢票4.1通过锁控制进程资源访问总结尽管并发编程让我们能更加充分的利用IO资源，但是也给我们带来了新的问题：当多个进程使用同一份数据资源的时候，就会引发数据安全或顺序混乱问题。一、进程同步多个进程同时执行，为了相互制约各进程对资源的访问，使得各个进程的执行相互同步。在我的理解里，进程同步也算是进程间通讯（ipc）的一种手段。二、为什么需要进程同步多进程会引发抢占资源的问题
系统 2019-09-27 17:54:58 1860
前言最近因为工作原因，发现一个Python的时间组件，很好用分享出来！（忘记作者名字了，在这里先感谢了），下面话不多说，来一起看看详细的介绍吧。示例代码：#-*-coding:utf-8-*-'''获取当前日期前后N天或N月的日期'''fromtimeimportstrftime,localtimefromdatetimeimporttimedelta,dateimportcalendaryear=strftime("%Y",localtime())mon
系统 2019-09-27 17:54:18 1860
今天在写监控脚本的时候遇到一个问题，就是我执行每一个监控模块(脚本)的时候，例如CPU、内存、磁盘脚本，都会返回一个字典格式的数据，但是我需要将这三个字典，组合成一个大字典，然后通过requests模块发送给api接口，so，我就在网上找了一些方法，然后总结，写成这编博文。1、首先定义三个字典(不需要考虑字典的具体内容)>>>cpu_dict={'cpu_count':8,'cpu_ratio':3.5}>>>memory_dict={'memory_co
系统 2019-09-27 17:54:08 1860
前言web是一个开放的平台，这也奠定了web从90年代初诞生直至今日将近30年来蓬勃的发展。然而，正所谓成也萧何败也萧何，开放的特性、搜索引擎以及简单易学的html、css技术使得web成为了互联网领域里最为流行和成熟的信息传播媒介；但如今作为商业化软件，web这个平台上的内容信息的版权却毫无保证，因为相比软件客户端而言，你的网页中的内容可以被很低成本、很低的技术门槛实现出的一些抓取程序获取到，这也就是这一系列文章将要探讨的话题――网络爬虫。有很多人认为w
系统 2019-09-27 17:54:02 1860
本函数可以使用参数real+imag*j方式创建一个复数。也可以转换一个字符串的数字为复数；或者转换一个数字为复数。如果第一个参数是字符串，第二个参数不用填写，会解释这个字符串且返回复数；不过，第二个参数不能输入字符串方式，否则会出错。real和imag参数可以输入数字，如果imag参数没有输入，默认它就是零值，这个函数就相当于int()或float()的功能。如果real和imag参数都输入零，这个函数就返回0j。有了这个函数，就可以很方便地把一个列表转
系统 2019-09-27 17:53:57 1860
同一行的数据都为浮点数，或者说是同一行的数据格式相同时:withopen(input_file,'r')asf:#打开文件header=f.readline().strip()#跳过一行column_names=header.split('|')#以管道分隔符切分数据values=np.loadtxt(f,delimiter='|')同一行的数据格式不相同时，比如字符串和浮点数结合时：选择跳过某一列或者只读取某一列数据，下面为只读取某一列数据withope
系统 2019-09-27 17:53:49 1860
说到流处理，Spark为我们提供了窗口函数，允许在滑动数据窗口上应用转换，常用场景如每五分钟商场人流密度、每分钟流量等等，接下来我们通过画图来了解SparkStreaming的窗口函数如何工作的，处理过程图如下所示：上图中绿色的小框框是一批一批的数据流，虚线框和实线框分别是前一个窗口和后一个窗口，从图中可以看出后一个窗口在前一个窗口基础上移动了两个批次的数据流，而我们真正通过算子操作的数据其实就是窗口内所有的数据流。在代码实现前了解下窗口操作常用的函数有：
系统 2019-09-27 17:52:34 1860
1.random.random()random.random()方法返回一个随机数，其在0至1的范围之内，以下是其具体用法：importrandomprint("随机数:",random.random())输出结果：0.228675212571162.random.uniform()random.uniform()是在指定范围内生成随机数，其有两个参数，一个是范围上限，一个是范围下线，具体用法如下：importrandomprint(random.unif
系统 2019-09-27 17:51:23 1860
