tag Python

標籤
貢獻867
1122
06:37 AM · Oct 27 ,2025

@Python / 博客 RSS 訂閱

我不是蕭海哇 - c++之packaged_task和future實現異步效果

class CObject { public: CObject(string str) :m_str(unique_ptrstring(new string(str))) { cout "構造函數" endl; } ~CObject() { if (m_str) cout "析構函數: " *m_str " [" this "

拷貝構造函數 , 析構函數 , 構造函數 , 後端開發 , Python

收藏 評論

mob64ca140e4022 - Python函數傳參中的*與**

python的方法的參數除了可以使用標識符,還可以使用*和**作為參數,這些符號在Python中常用於處理可變數量的參數(也稱為“可變參數”或“星號參數”)。 注意:*通常與變量名結合使用,如*args(表示任意數量的位置參數);**通常如**kwargs(表示任意數量的關鍵字參數)。這些名字是慣例,不是必須的,可以用其他名字替換。 1. *

python可變參數 , 函數調用 , 函數定義 , Css , ci , 前端開發 , HTML , Python

收藏 評論

燕鵬01 - Python數據分析入門指南(十七):實戰案例(二)——簡單的銷售數據分析

從數據到洞察:零售銷售數據分析實戰 作為計算機專業的博士生,我們在處理複雜數據時往往需要從基礎開始積累經驗。今天讓我們通過一個零售銷售數據的分析案例,來掌握商業數據分析的核心技能。雖然你的研究方向是城市熱島效應,但數據分析的底層邏輯是相通的——都是從原始數據中提取有價值的信息。 準備工作 首先,我們需要導入必要的Python庫: import pandas as pd i

數據 , 後端開發 , 數據分析 , Python

收藏 評論

編程小達 - 第一天 Java基礎入門【悟空教程】

目錄 前言 一、先搞懂:計算機不是 “高級計算器” 1.1 計算器和計算機,差別不止一點點 1.2 對編程小白來説,計算機到底是啥? 二、簡單捋捋:計算機是怎麼變成 “編程工具” 的? 三、編程會用到哪些計算機?不用都買,知道就行 四、關鍵中的關鍵:計算機怎麼

馮・諾依曼 , 計算機組成 , 計算機基礎 , 後端開發 , JAVA , 編程入門 , Python

收藏 評論

網絡安全守護神 - Spring詳解(五)------AOP

1.概述 面向切面編程(Aspect Orient Programming,AOP):是一種編程範式,旨在將 橫切關注點(Cross-Cutting Concerns,如日誌、事務、安全等) 從業務邏輯中分離出來,通過模塊化的方式增強代碼的可維護性和複用性。核心思想是通過“切面”定義通用功能,並在運行時動態織入到目標代碼中 橫切關

Spring Boot , spring , aop , 後端開發 , JAVA , 代理模式 , Python

收藏 評論

deephub - llama.cpp Server 引入路由模式:多模型熱切換與進程隔離機制詳解

llama.cpp server在 2025年12月11日發佈的版本中正式引入了 router mode(路由模式),如果你習慣了 Ollama 那種處理多模型的方式,那這次 llama.cpp 的更新基本就是對標這個功能去的,而且它在架構上更進了一步。 路由模式的核心機制 簡單來説,router mode 就是一個內嵌在 llama.cpp 裏的模型管理器。 以前跑 server,啓動時需要指

llm , 人工智能 , 深度學習 , llama , Python

收藏 評論

wx59290cd7bb11a - 拒絕“膠水代碼”!大數據轉型 AI 架構師的 Python 進階心法:流式響應與切面編程

本文價值提示: 💡 面向人羣:擁有 Java/Scala/Spark 背景,正在向 AI Agent/RAG 架構轉型的後端或大數據工程師。 🎯 核心收穫: 思維重構:如何用 Spark 的“惰性求值”思維理解 Python 生成器。 架構解耦:如何用 Spring AOP 的“切面”思維掌握 Python 裝飾器。 實戰落地:手把手構建一

大數據 , 數據 , 數據倉庫 , AI , 生成器 , 架構師 , Python

收藏 評論

lemon - 創建一個屬於自己的linux系統Docker鏡像之旅-簡單模式 - yl

在Linux系統中使用Dockerfile創建Docker 1. Docker 簡介 Docker 是一種輕量級的容器化技術,它可以將應用程序及其運行環境打包成一個獨立的“容器”(Container)。這個容器包含運行所需的一切依賴,如操作系統環境、庫、配置文件等,從而實現“一次構建,處處運行”。 相比傳統的虛擬機,Docker 啓動速度更快、佔用資源更少,因為

後端開發 , Docker , Python

收藏 評論

aiweker - Qwen開源模型系列:從全能多模態到專業垂直領域的完整AI解決方案

Qwen開源模型系列:從全能多模態到專業垂直領域的完整AI解決方案 在人工智能快速發展的浪潮中,開源模型已成為推動技術進步和應用創新的核心力量。作為全球領先的開源模型家族,阿里通義千問(Qwen)系列自問世以來,憑藉其卓越的性能、豐富的生態和持續的快速迭代,贏得了“源神”的美譽。Qwen家族不僅涵蓋了通用大語言模型,更拓展至視覺理解、代碼生成、數學推理、安全對齊、多模態交互以及文本嵌

多語言 , 後端開發 , 應用場景 , 模態 , qwen , Python

收藏 評論

威哥愛編程 - Python 實現反轉、合併鏈表有啥用?

大家好,我是 V 哥。使用 Python 實現反轉鏈表、合併鏈表在開發中比較常見,我們先來看看各自的應用場景。先贊再看後評論,腰纏萬貫財進門。 反轉鏈表 比如,在處理時間序列數據時,有時需要將歷史數據按照時間從近到遠的順序展示,如果數據是以鏈表形式存儲的,通過反轉鏈表可以高效地實現這一需求。再比如,判斷一個鏈表是否為迴文鏈表(即鏈表正序和逆序遍歷的值相同)時,可以先反轉鏈表的後半部分,然後與

鏈表 , Python

收藏 評論

mob649e8169b366 - virtual studio 2019 安裝copilot

在這篇博文中,我們將詳細説明如何在 Visual Studio 2019 中安裝 Copilot。此過程涵蓋了環境準備、分步指南、配置詳解、驗證測試、優化技巧以及擴展應用的各個方面,確保您能順利完成安裝並使用 Copilot。 環境準備 在安裝 Copilot 之前,確保您的開發環境符合以下軟硬件要求: 硬件要求 操作系統: Windows 10 或更高版本

aigc , 運行測試 , Visual , Python

收藏 評論

clghxq - dcoekr 國內倉庫設置

距2021數據技術嘉年華(2021 DTC)開始僅有1個月啦! 本屆大會設置1個主論壇、12個專題論壇,將帶來超過60場主題演講! (圖為部分出席嘉賓) 本文根據 韓鋒老師在2020數據技術嘉年華(2020 DTC)分享的主題《AnalyticDB,金融級雲原生數據倉庫及最佳實踐》整理而成。 一

大數據 , 雲計算 , 數據倉庫 , dcoekr 國內倉庫設置 , 數據庫 , 雲原生 , Python

收藏 評論

技術極客之光 - Lab3實驗過程記錄_CPJ

🧪 實驗報告 一、實驗名稱 實驗2 類和對象_基礎編程2 二、實驗目的 理解類的組合機制(has-a),能熟練用 C++ 定義與使用組合類 理解深複製與淺複製的區別 靈活運用標準庫(array、vector、string、迭代器、算法庫等)解決實際問題 面向具體問題,運用面向對象思維設計類(自定義/標

迭代器 , 自定義 , 深複製 , 後端開發 , Python

收藏 評論

u_14902238 - AgentRun Sandbox SDK 正式開源!集成 LangChain 等主流框架,一鍵開啓智能體沙箱新體驗

讓智能體開發更輕盈,讓雲端運行更安全——AgentRun Sandbox SDK 開源發佈,賦能 Agentic AI 快速落地 引言:構建面向未來的 Agentic AI 基礎設施 在大模型與智能體(Agent)技術迅猛發展的今天,開發者不僅需要強大的模型能力,更亟需一個安全、彈性、易用且可擴展的運行環境來承載複雜的 Agent 邏輯。為此,我們正式推出函數計算

雲計算 , server , 雲原生 , typescript , Python

收藏 評論

大丸子 - Python代碼轉換PDF為CSV

數據的可訪問性和可操作性是數據管理的核心要素。PDF格式因其跨平台兼容性和版面固定性,在文檔分享和打印方面表現出色,尤其適用於報表、調查結果等數據的存儲。然而,PDF的非結構化特性限制了其在數據分析領域的應用。相比之下,CSV格式以其簡單、通用且易於處理的特點,成為數據操作和分析的理想選擇。 將PDF轉換為CSV極大地提升了數據的實用價值。Python作為一種強大的編程語言,能夠高效完成這一

csv , 表格 , 數據 , pdf , Python

收藏 評論

mob649e815d65e6 - langchain tool裏面寫示例

在構建自動化的AI應用時,使用langchain工具來快速實現功能示例是一種有效的做法。通過這篇博文,我將為您詳細介紹如何在langchain tool中編寫示例,實現流程和功能的搭建。讓我們開始吧! 環境準備 首先,確保您的軟硬件環境滿足以下要求: 硬件要求: CPU:至少雙核 內存:至少8GB 硬盤:至少50GB可

aigc , 示例代碼 , Python

收藏 評論

誤會一場 - Pycharm 裏設置html模板

一、HTML網頁介紹 HTML是一種用於創建網頁的標準標記語言,是一種與python不同的編程語言。網頁文件的擴展名通常為.html或.htm。 1、簡單的HTML網頁框架 每一個HTML網頁都包含一個基礎框架,其他的內容都是在基礎框架內進行擴充的、 !DOCTYPE html標籤:用於聲明此HTML網頁為HTML5網頁,

標籤名 , 後端開發 , 爬蟲 , HTML , Python

收藏 評論

kcoufee - App 界面卡頓 如何優化 測試性能 - zhaihongxia的個人空間 -

你是否還在為頁面響應時間長,資源加載慢苦惱? 通常情況下,面臨的選擇要麼是壓縮頁面文件,減少圖片、文字等靜態資源的體積。要麼是通過代碼調整、設定緩存策略來進一步縮短響應時間。 看起來也許只有短短的幾十個字,但APP頁面場景不一,有開屏、首頁、目錄頁、功能頁、web頁等多種,基於不同頁面情況要做的改造工作量可不少。 如何在"性能優化,用户體驗至上"VS

數據 , 後端開發 , 預加載 , Python , Web

收藏 評論

mob64ca1415f0ab - 「 Gazebo仿真 」地圖創建、多模型顯示、基本指令_gazebo導入地圖模型_Robot

這裏我們介紹一個在gazebo中快速生成柵格地圖的方法。以前的生成一般需要通過slam進行建圖,這個過程比較麻煩,而且容易產生漂移。我們現在通過gazebo中的一些插件來實現這個過程,變得更加合理而且地圖非常標準化。 我們在做ros導航的時候經常會需要地圖,無論是2d的柵格地圖還是3d的點雲地圖,有沒有辦

SLAM , ros , 算法 , gazebo , 後端開發 , 人工智能 , Python

收藏 評論

網絡安全守衞 - Windows常用網絡命令

網絡相關命令 1、ipconfig(網絡適配器) 2、nbtstat(NetBIOS配置) 3、netstat(網絡) 4、route(路由表) 5、net(網絡和系統管理工具集) 5.1、用户和組管理 5.1.1、net user(用户賬號管理) 5

windows , tcp , ip , php , 後端開發 , 網絡 , Python

收藏 評論

doscommand - 在Python 中解析 JSON 數據 -

目錄 引言 一、JSON簡介 二、python中JSON模塊 2.1 json.load() 2.2 json.loads() 2.3 json.load() 2.4 json.dumps() 三、數據格式轉換規則 四、異常處理 五、完整示例 參考 引言 在當今數據驅動

前端開發 , Javascript , Json , Python

收藏 評論

左詩右碼 - Python 使用虛擬環境

Python 使用虛擬環境 Python 需要使用虛擬環境的主要原因包括: 隔離項目依賴:虛擬環境允許您在不同的項目之間隔離依賴關係。這意味着您可以為每個項目創建一個獨立的虛擬環境,以確保項目的依賴不會相互干擾。這對於開發多個項目或維護項目的不同版本非常重要,因為它可以防止依賴衝突。 版本管理:虛擬環境允許您在不同的項目中使用不同的 Python 版本。這對於需要支持不同 Python 版本

pip , Python

收藏 評論

階段性debugger - 股票 API 對接, 接入德國法蘭克福交易所(FWB/Xetra)實現量化分析

如何實現實現量化分析,首先獲取股票實時行情、股票歷史數據和股票行情數據是進行量化交易和分析的關鍵。通過可靠的股票實時行情接口,如股票API,股票實時報價 API 和股票行情 api,開發者可以輕鬆接入全球市場數據。本文將介紹如何使用專業的股票實時報價 API、金融 api 和金融行情數據 API 來對接德國股票行情,特別是法蘭克福交易所(FWB/Xetra),從而實現高效的量化分析。這些工具不僅提

數據接口 , 金融 , api文檔 , 教程 , Python

收藏 評論

馬哥天才3218 - 【技術分享】用python開發採集軟件,爬指定博主的主頁已發佈帖子

一、工具開發背景與效果 在數據驅動決策的時代,社交媒體數據分析需求日益增長。作為一名資深開發者,我注意到研究人員常需要獲取微博公開數據進行學術分析。為此,我開發了這款專業級數據採集工具:爬微博博主軟件。旨在為學術研究提供技術支持。 界面如下: 使用過程演示視頻:請見原文。 二、工具核心特性 2.1 系統兼容性 支持Windows和Mac雙平台運行無需複雜環境配置,開箱即用 2.2 數據

微博採集 , 爬蟲 , Python

收藏 評論