tag Python

標籤
貢獻867
1158
06:37 AM · Oct 27 ,2025
dawanzi_6278b06ec111c 頭像 deephub 頭像 lengxi_16 頭像 u_17037082 頭像 u_14306318 頭像 jieduanxingdebugger 頭像 kuanrongdeshanyang 頭像 lufeng_68f0e3782426d 頭像 fengliudeshanghen 頭像 hanazawa 頭像 yinuo112 頭像 chuanghongdengdeqingwa_eoxet2 頭像

@Python / 博客 RSS 訂閱

u_16213659 頭像

mob64ca140a8e67 - js瀏覽器消息通知接口Notification

簡介：Chrome通知功能基於Web Notifications API，允許Web應用在用户不與頁面交互時推送信息至桌面或手機。本主題詳細介紹瞭如何通過JavaScript在Chrome瀏覽器中啓用和使用通知功能。包括請求用户權限、創建通知實例以及添加事件監聽器等關鍵步驟，並提供了相關的最佳實踐，確保通知的用户體驗和有效性。附帶的示例代碼包括HTML、CSS和JavaScrip

後端開發 , 開發者 , 事件處理 , 點擊事件 , Python

收藏 評論

u_16099177 頭像

雲端小夢 - 數組排序算法_wx642fe6d37dd43的技術博客

數組有很多常用的算法，本節將介紹常用的排序算法，包括冒泡排序、直接選擇排序和反轉排序。 4.5.1冒泡排序 在程序設計中，經常需要將一組數列進行排序，這樣更加方便統計與查詢。程序常用的排序方法有冒泡排序、選擇排序和反轉排序等。本節將講解冒泡排序方法，它以簡潔的思想與實現方法而備受開發人員青睞，是廣大學習者最先接觸的一種排序算法。

排序算法 , 數據結構 , 算法 , 開發語言 , 後端開發 , JAVA , Python

收藏 評論

u_17225437 頭像

二川bro - 特徵工程完全手冊：2025 Python實戰技巧

概述 特徵工程是機器學習項目中決定成敗的關鍵環節，高質量的特徵能夠顯著提升模型性能。本文系統介紹2025年特徵工程的最新技術和實踐方法，涵蓋從基礎數據預處理到高級特徵生成的完整流程。 特徵工程基礎概念 特徵類型與處理方法

縮放 , 數據 , MySQL , 開發語言 , 特徵工程 , 數據庫 , Python

收藏 評論

u_16213681 頭像

16213681 - c語言必備100代碼(代碼大全)-

如果説之前的 Java Web 開發經歷讓我掌握了 "如何寫代碼"，那麼《代碼大全 2》則讓我學會了 "如何思考編程"。這本書不僅僅是一本技術手冊，更是一部凝聚了多年編程實踐智慧的思想著作，它讓我跳出了具體技術的侷限，從更高維度理解編程的本質，對 "DailyReportSystem" 的開發和優化產生了深遠影響。 書中對 "需求分析" 和 "前期設計" 的重視

後端開發 , 需求分析 , 代碼質量 , Python , Web

收藏 評論

u_16213656 頭像

mob64ca1409d8ea - 前端html實現在線預覽word、excel、pdf等文件的功能 - 個人文章

目錄 📚 解決方案概覽 1. docx-preview 使用 Vue 2 實現 docx-preview 預覽 注意事項 2. Mammoth.js 3. docxtemplater 4. WebODF 5. OnlyOffice Web Viewer 6.

word , google , Vue , 後端開發 , 前端 , Python , Web

收藏 評論

u_15642578 頭像

wx62830f4b679a4 - Python中isdigit、isdecimal、isnumeric區別詳解

isdecimal() True: Unicode數字，，全角數字（雙字節） False: 羅馬數字，漢字數字 Error: byte數字（單字節） isdigit() True: Unicode數字，byte數字（單字節），全角數字（雙字節），羅馬數字 F

ico , Css , 前端開發 , HTML , Git , Python

收藏 評論

sosei 頭像

sosei - Pure_PRNG——高質量偽隨機數生成器Py庫

這是20世紀60年代IBM發明的RANDU偽隨機數生成算法的輸出值作三維可視化的樣子。用每三個連續輸出值為一個點座標，會清楚看到，這些點只規則的分佈在三維空間中的15個平面上！導致那時期很多用到此算法的論文結論都不可靠。 理想的偽隨機數生成點預期應該是均勻彌散在整個空間中。 RANDU算法是線性同餘生成器（LCG）一類的。 LCG優點是簡潔快速，有清晰的數學推導，可計算實

隨機數 , 開源項目介紹 , Python

收藏 評論

u_16213664 頭像

mob64ca140bbb8b - NLP語義識別在人工智能領域中的應用與前景_nlp 語義識別

伴隨互聯網信息量呈爆炸式增長，傳統搜索引擎於處理複雜且多模態的用户查詢之際，漸漸顯露出侷限性，人工智能搜索優化技術順勢而生，它藉由引入先進的自然語言處理技術，以及深度學習技術，還有知識圖譜等技術，顯著提高了信息檢索的效率以及準確性。 要點的核心在於人工智能搜索優化，是對搜索過程實施智能化改造的舉措。傳統搜索方式主要依靠關鍵詞匹配，以及頁面權重排名來

搜索 , 後端開發 , 人工智能 , 模態 , Python

收藏 評論

u_17037082 頭像

王校長的熱狗 - 蘑菇生長階段數據集7259張VOC+YOLO格式

蘑菇生長階段數據集7259張VOC+YOLO格式 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：7259 Annotations文件夾中xml文件總計：7259 labels文件夾中txt文件總計：7259

蘑菇生長階段數據集 , 數據集 , 標籤名 , 後端開發 , txt文件 , Python

收藏 評論

chuanghongdengdeqingwa_eoxet2 頭像

宇文成都 - 用 Python 自動化編輯 Word 文檔

在數字化辦公日益普及的今天，Word 文檔作為信息承載與交流的核心工具，其處理效率直接影響着我們的工作效能。然而，面對大量重複性、格式化的 Word 文檔編輯任務，手動操作不僅耗時耗力，更易引入人為錯誤。如何才能擺脱這種困境，實現 Word 文檔的自動化高效處理？ 答案就在於 Python 自動化文檔處理。作為一門以簡潔高效著稱的編程語言，Python 擁有豐富的庫生態系統，其中 Spire.Do

word , Python

收藏 評論

u_16099321 頭像

技術博客領航者 - python第46課練習—魔法方法：描述符（property的原理）

描述符：替代@property的複用神器 一、為何要用描述符？——告別重複的 @property 傳統 @property 的問題 描述符的優勢 二、描述符的工作原理 描述符協議簡述 訪問流程圖解 三、如何正確實現一個描述符？

算法 , 開發語言 , 數據庫 , 程序人生 , 後端開發 , Python

收藏 評論

zxbylx 頭像

zxbylx - Virtualenv、pipenv、conda虛擬環境設置方法及原理

1.為什麼要創建虛擬環境 我第一次接觸虛擬環境時第一感覺就是牴觸，相信剛開始被各種配置折磨過的小夥伴能理解，我就想是否可以不用虛擬環境，就查了下推薦使用虛擬環境的理由： (1)所有的項目的庫都放到一個地方容易混亂，而且比較冗餘，畢竟不是所有的項目都需要那麼多的庫（這一點我根本就不關心嘛，少一步配置就少被折磨一次） (2)因為工作以後都是分工協作的，這個項目能在你電腦上運行，但是到了別人那如果沒有安

virtualenv , Python

收藏 評論

u_16099166 頭像

數據小香 - crontab極簡教程

還在半夜SSH上服務器跑腳本？我用這個工具，3分鐘搞定自動化任務編排 我敢打賭，每個開發者都經歷過這種折磨：為了幾個定時任務，不得不維護一堆散落在不同服務器上的 crontab 規則。沒有統一的管理界面，查日誌得一個個登錄服務器，任務失敗了更是兩眼一抹黑。 直到我發現了 Cronicle，一個在 GitHub 上擁有超 3.2k Star 的開源項目。它徹底改變了我的

服務器 , 應用商店 , 後端開發 , Python , Web

收藏 評論

deephub 頭像

deephub - 從 Pandas 轉向 Polars：新手常見的10 個問題與優化建議

Polars 速度快、語法現代、表達力強，但很多人剛上手就把它當 Pandas 用，結果性能優勢全都浪費了。 下面是新手最容易犯的 10 個錯誤，以及對應的解決思路。 1、直接 read_csv而不用 scan_* 新手拿到一個大 CSV，上來就這麼寫： df=pl.read_csv("events.csv") 這會把整個文件一口氣塞進內存。文件一旦上了 GB 級別，內存直接爆掉，性能也

機器學習 , 人工智能 , pandas , Python

收藏 評論

gangyideyingpan 頭像

剛毅的硬盤 - Python項目推薦

​musicdl：無損音樂下載器 項目地址：https://github.com/CharlesPikachu/musicdl（歡迎star） 項目文檔：https://musicdl.readthedocs.io/zh/latest/ 效果展示： div align="center" div img src="https://github.com/CharlesPikachu/musicd

爬蟲圖片 , 數據 , 音樂 , 破解密碼 , Python

收藏 評論

deephub 頭像

deephub - GraphRAG進階：基於Neo4j與LlamaIndex的DRIFT搜索實現詳解

微軟的GraphRAG算得上是最早一批成熟的GraphRAG系統，它把索引階段（抽取實體、關係、構建層級社區並生成摘要）和查詢階段的高級能力整合到了一起。這套方案的優勢在於，可以藉助預先計算好的實體、關係、社區摘要來回答那些宏觀的、主題性的問題，這恰恰是傳統RAG系統基於文檔檢索難以做到的。 本文的重點是DRIFT搜索：Dynamic Reasoning and Inference with F

llm , 教程 , 檢索系統 , Python

收藏 評論

u_16213713 頭像

mob64ca1417736e - C#截取串口字符_串口發送的數據怎麼截取

帶環形緩衝區 import serial import time from datetime import datetime # 用於獲取精確到秒的系統時間 class RingBuffer: """自定義15字符長度的環形緩衝區""" def __init__(self, capacity=8): self.capacity

串口 , 字符串 , 後端開發 , ci , Python

收藏 評論

u_16213652 頭像

mob64ca1408d5ff - python 有向圖在算法中的運用

樹與圖的DFS與BFS 樹與圖的DFS與BFS DFS BFS 首先，樹是一種特殊結構的圖，所以樹與圖的存儲是相同的，而圖又分為有向圖與無向圖，對無向圖我們可以在兩個點之間添加兩條邊。 有向圖的存儲方式主要有兩種 稀疏圖（點多邊少）一般用鄰接表存儲 稠密圖（點少邊多）一般用鄰接矩陣存儲。

python 有向圖在算法中的運用 , 數組 , include , 連通塊 , 後端開發 , Python

收藏 評論

u_16304808 頭像

1站大爺IP - 探索迴文詩歌的藝術：從Python視角理解語言的對稱性

引言：當代碼遇見詩歌 計算機科學與詩歌創作看似分屬兩個截然不同的世界：前者是邏輯與理性的王國，後者是情感與美學的殿堂。但當我們用Python的視角審視迴文詩歌時，會發現這兩者共享着一種隱藏的數學之美——對稱性。迴文詩歌如同語言中的鏡像，每個字符的位置都暗含着精密的數學關係。這種跨越時空的智慧碰撞，不僅揭示了人類對對稱性的永恆追求，更展示瞭如何用編程思維解碼文化密碼。

sed , ico , 代碼人生 , Python

收藏 評論

u_16099355 頭像

數據挖掘者 - 鴻蒙全新聲明式UI框架ArkUI初體驗，開發應用真爽，比flutter牛啊_的技術博客

基礎佈局 1. 線性佈局（Colum/Row） 1.1 基本概念 線性佈局是開發中最常用的佈局，通過線性容器Row和Column構建。其子元素在線性方向上（水平方向和垂直方向）依次排列。 ● Column：容器內子元素按照垂直方向排列。 ● Row：容器內子元素按照水平方向排列。 主軸和交叉軸

自適應 , 線性佈局 , text , 後端開發 , Python

收藏 評論

u_16511090 頭像

min2k - 一天一個Python庫：Pandas - 拿捏數據的N種姿勢

引言 歡迎來到【一天一個Python庫】系列！在上一篇中我們介紹了數據可視化的畫筆 Matplotlib， 今天我們要認識的是 Python 數據處理與分析領域的靈魂工具 — Pandas。 如果説 NumPy 負責“算數據”，那麼 Pandas 就是負責“處理和分析數據”。 一、什麼是 Pandas？ Pandas 是 Python 中最流行

數據 , 神經網絡 , 人工智能 , pandas , Python

收藏 評論

swiftcommunity 頭像

Swift社區 - 「AI 加持的高效架構」高併發場景下的服務器成本優化

摘要 在高併發場景下，服務器資源消耗巨大，導致運維成本飆升。本篇文章將探討限流、緩存、隊列等技術手段，並結合 AI 技術優化服務器負載，降低計算成本。通過具體案例分析，提供更經濟高效的高併發架構解決方案。 引言 高併發的挑戰 隨着互聯網業務增長，系統需要承受高併發請求，面臨以下挑戰： 瞬時流量激增：秒殺、搶購、熱門活動帶來的超高流量。 資源消耗巨大：數據庫、服務器、網絡帶寬壓力大，成本攀升。

人工智能 , redis集羣 , Python

收藏 評論

luoping 頭像

mb43f60adeco02a - DBA必備腳本：一鍵殺會話

在週末時一位朋友諮詢有沒有自動殺會話的腳本，今天就和大家分享一下自己常用的兩個殺會話的腳本。殺會話這個工作本身來説非常的簡單，但是在日常工作中怎麼能把殺會話的效率做到極致是我們衡量的一個標準，因為在系統緊急故障時，我們需要通過殺會話來快速恢復系統，如果殺會話的速度跟不上，那整個系統就直接掛了。記得曾經在駐場時就出現過兩次類似的情況：一次是國慶值班時，跟值

微信 , 數據庫 , 後端開發 , SQL , Python

收藏 評論

u_13424 頭像

flyingsmiling - MySQL中的自適應哈希索引_數據庫技術

什麼是哈希索引 哈希索引是基於內存的支持，底層結構就是鏈式哈希表，增刪改查的時間複雜度都是O(1)。 通過將索引鍵（如數據庫表的主鍵、Redis 的 Key）經過哈希函數計算得到哈希值，再將哈希值映射到對應的存儲位置（槽位），從而快速定位數據的物理地址或內存地址。 InnoDB自適應哈希索引 AHI 完全存儲在 InnoD

MySQL , 二級索引 , 數據庫 , 後端開發 , 哈希算法 , 主鍵 , Python

收藏 評論