MongoDB是一个开源的、无模式的文档型数据库，是当前流行的NOSQL类型数据库的一种（非关系型数据库）MongoDB的数据结构非常松散，是类似json的bjson格式，同时支持对数据建立索引。是一个面向集合的，模式自由的文档型数据库。1.面向集合意思是数据被分组存储在数据集合中，被称为一个集合2.模式自由意味着对于存储在MongoDB数据库中的文件，我们不需要知道它的任何结构定义。提了这么多次"无模式"或"模式自由"，它到是个什么概念呢？例如，下面两个
系统 2019-08-12 01:33:45 2182
有时候我们的数据是按某个频率收集的，比如每日、每月、每15分钟，那么我们怎么产生对应频率的索引呢？pandas中的date_range可用于生成指定长度的DatetimeIndex。我们先看一下怎么生成日期范围：pd.date_range(startdate,enddate)1.生成指定开始日期和结束日期的时间范围：In：importpandasaspdindex=pd.date_range('4/1/2019','5/1/2019')print(inde
系统 2019-09-27 17:56:20 2181
摘要在进行数据分析时，我们经常需要对DataFrame去重，但有时候也会需要只保留重复值。这里就简单的介绍一下对于DataFrame去重和取重复值的操作。创建DataFrame这里首先创建一个包含一行重复值的DataFrame。DataFrame去重，可以选择是否保留重复值，默认是保留重复值，想要不保留重复值的话直接设置参数keep为False即可。3.取DataFrame重复值。大多时候我们都是需要将数据去重，但是有时候很我们也需要取重复数据，这个时候我
系统 2019-09-27 17:56:02 2181
学Python可以干很多岗位，有爬虫工程师，有数据分析师，有自动化运维，有后端开发，而这么多岗位里面薪资最高的一定是AI的算法岗位，做机器学习的岗位！量大而且薪资很高！我们都知道机器学习是AI领域最为重要的技术，不管以后从事哪一类AI的岗位都离不开机器学习。其实机器学习的基础很大程度上决定了一个AI从业者能力的上线，这就好比一个对数据敏感的人可以做好运营、市场、产品等各种岗位的职责。鉴于机器学习的重要地位，贪心学院继火爆的NLP训练营，这次又重磅推出了《机
系统 2019-09-27 17:55:53 2181
简介程序每次执行时，操作系统都会创建一个新进程来运行程序指令。进程中可调用os.fork,要求操作系统新建一个子进程.[Windowsc系统中，os模块没有os.fork函数]。每个进程都有一个不重复的进程ID号。或称pid，它对进程进行标识。子进程与父进程完全相同，子进程从父进程继承了多个值的拷贝。如全局变量和环境变量。fork后，子进程接收返回值0，而父进程接收子进程的pid作为返回值os.fork()Forkachildprocess.Return0
系统 2019-09-27 17:55:42 2181
本文实例为大家分享了python实现坦克大战的具体代码，供大家参考，具体内容如下#功能实现游戏主窗口importpygame,time,random#导入模块_display=pygame.display#赋值给一个变量调用时方便color_red=pygame.Color(255,0,0)#同上vclassMainGame(object):screen_width=900#游戏界面宽度screen_height=550#界面的高度Tank_p1=None
系统 2019-09-27 17:54:53 2181
很多企业开发语言从Python转向了Golang的原因因为原生Python的性能真的是太捉襟见肘了。单机运行计算型任务，速度慢是有目共睹的。IO型人物不涉及多线程（比如用协程）的还好，一旦涉及到多线程，立刻懵逼。比如，你开个Python线程，让它sleep5秒，再开第二个线程，随便算个fibonacci或者直接写个busyloop，你就会发现你的程序实际上会sleep6秒。想突破也不难，用pybinding11写c++，再用python调用。但都这样了
系统 2019-09-27 17:54:29 2181
python最大深度最小深度LeetCode104，111解法：1、BFS：寻找最大深度的时候，很容易想到就是，可以直接进行层次遍历，当无法在进行遍历下去的时候就是最深的深度；当寻找最小深度的时候，对每一个节点检查它是否是叶子节点，也就是检查它是否有左子树和右子树。2、DFS：每次进行遍历的时候，要判断是否是叶子节点，更新max深度的值和min深度的值。BFS版本#Definitionforabinarytreenode.#classTreeNode(ob
系统 2019-09-27 17:54:14 2181
通常在使用Spark算子函数，比如使用map()或者reduce函数我们向函数传入条件时，函数内部可以使用驱动程序中定义的变量，但是这样会使集群中所有任务都会得到变量新的副本，这些副本的更新不会传播回驱动程序，导致读写共享变量效率低下或者内存溢出，为了解决这个问题Spark提供了两种共享变量类型：广播变量和累加器广播变量：用来高效分发较大对象，只能在Driver定义，不能在Executor端定义，同时RDD不存储数据所以不能广播出去累加器：用来对信息进行聚
系统 2019-09-27 17:52:33 2181
---恢复内容开始---以前经常使用python2.现在很多东西都切换到了python3，发现很多东西还是存在一些差异化的。跨目录import是常用的一种方法，并且有不同的表现形式，新手很容易搞混。有必要这里做个总结，给大家科普一下：1同级目录下的调用：同级目录下的调用比较简单，一般使用场景是不同类的相互调用。不用考虑路径问题，常用的格式是：fromfileimport*或者fromfileimportclass/function等。下面以一个例子作为说明
系统 2019-09-27 17:52:20 2181
