SQLite是一个小型的关系型数据库，它最大的特点在于不需要单独的服务、零配置。我们在之前讲过的两个数据库，不管是MySQL还是MongoDB，都需要我们安装。安装之后，然后运行起来，其实这就相当于已经有一个相应的服务在跑着。SQLite与前面所说的两个数据库不同。首先Python已经将相应的驱动模块作为了标准库的一部分，只要是你安装了Python，就可以使用；再者它可以类似于操作文件那样来操作SQLite数据库文件。还有一点，SQLite源代码不受版权限
系统 2019-09-27 17:45:49 1934
centos7.3安装python查看当前python情况[root@localhost/]#cd/[root@localhostbin]#cd/usr/bin[root@localhostbin]#lspython*pythonpython2python2.7[root@localhostbin]#ls-alpython*修改软连接[root@localhostbin]#mvpythonpython.bak开始做下载准备[root@localhostbi
系统 2019-09-27 17:45:46 1934
实习期间，服务器的一位师兄让我帮忙整理一下服务器的log数据，最终我用Python实现了数据的提取并将其用Excel格式导出。下面是我Python实现的源码，可以自动遍历某一文件目录下的所有文本文件，并将总的数据导出到Excel文件中，导出为Excel格式这样就比较方便统计了。//实现将目录下所有文件格式为.txt的文件进行遍历统计，如果是别的格式直接将下面的.txt改为你所需要的格式后缀就可以了，比较方便。//过程就是先将所有的文件中的内容提取出来写入到
系统 2019-09-27 17:45:28 1934
在业务稳定性要求比较高的情况下，运维为能及时发现问题，有时需要对应用程序的日志进行实时分析，当符合某个条件时就立刻报警，而不是被动等待出问题后去解决，比如要监控nginx的$request_time和$upstream_response_time时间，分析出最耗时的请求，然后去改进代码，这时就要对日志进行实时分析了，发现时间长的语句就要报警出来，提醒开发人员要关注，当然这是其中一个应用场景，通过这种监控方式还可以应用到任何需要判断或分析文件的地方，所以今天
系统 2019-09-27 17:38:40 1934
本文提供了三种不同的方式在Python（IPythonNotebook）中调用ggplot。在大数据时代，数据可视化是一个非常热门的话题。各个BI的厂商无不在数据可视化领域里投入大量的精力。Tableau凭借其强大的数据可视化的功能成为硅谷炙手可热的上市公司。Tableau的数据可视化的产品，其理论基础其实是《TheGrammarofGraphic》，该书提出了对信息可视化的图表的语法抽象体系，数据的探索和分析可以由图像的语法来驱动，而非有固定的图表类型来
系统 2019-09-27 17:38:39 1934
先看代码：In[1]:a={'name':'wang'}In[2]:a.get('age')In[3]:a['age']---------------------------------------------------------------------------KeyErrorTraceback(mostrecentcalllast)in()---->1a['age']KeyError:'age'In[4]:a.get('age',10)Out[4
系统 2019-09-27 17:38:06 1934
①GET#-*-coding:utf-8-*-importrequestsdefget(url,datas=None):response=requests.get(url,params=datas)json=response.json()returnjson注：参数datas为json格式②POST#-*-coding:utf-8-*-importrequestsdefpost(url,datas=None):response=requests.post(
系统 2019-09-27 17:38:03 1934
python有一个相应的特殊解构器（destructor）方法名为__del__()。然而，由于python具有垃圾对象回收机制（靠引用计数），这个函数要直到该实例对象所有的引用都被清除掉后才会被执行。python中的解构器是在实例释放前提供特殊处理功能方法，它们通常没有被实现，因为实例很少被显式释放。在下面的例子中，我们分别创建（并覆盖）__init__()和__del__()构造器及解构函数，然后，初始化类并给同样的对象很多别名。id()内建函数可用来
系统 2019-09-27 17:37:40 1934
1、故障智能诊断系统的发展趋势（1）多种知识表示方法的结合；（2）经验知识（浅层知识）与原理知识（深层知识）的紧密结合；（3）诊断系统与神经网络的结合；（4）虚拟现实技术将得到重视和应用；（5）数据库技术与人工智能技术相互渗透。——王道平，张义忠著《故障智能诊断系统的理论与方法》，冶金工业出版社2、故障诊断方法分类示意图
系统 2019-08-29 23:49:15 1934
导出指定条件数据普通导入表方式导入出现日志如下：说明在建立表的时候报错，因为数据库里已经有这张表了，报错就中断退出了。可以这样处理，在导入的选项上选择忽略，就可以将建表的错误忽略，而到导入数据的地方了，这样增量的数据就可以导入到这个表里日志如下：哈哈。dmp数据增量导入
系统 2019-08-29 23:39:10 1934
