Numpy方法总结（二）

一. 高级索引

相比于基本索引，高级索引可以访问到数组中的任意元素，并且可以用来对数组进行复杂的操作和修改。

1.整数数组索引

整数数组索引是指使用一个数组来访问另一个数组的元素。这个数组中的每个元素都是目标数组中某个维度上的索引值。

示例：打印(0,0),(1,1),(2.0)上的三个元素
 

import numpy as np

x = np.array([[1, 2], [3, 4], [5, 6]])  # 3行2列
y = x[[0, 1, 2], [0, 1, 0]]  # 前后两个相互对应，(0,0),(1,1),(2.0)
print(y)

打印

import numpy as np

x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
print('我们的数组是：')
print(x)
print('\n')
# 获取(0,0),(0,2),(3.0),(3,2)四个位置的元素
rows = np.array([[0, 0], [3, 3]])
cols = np.array([[0, 2], [0, 2]])
y = x[rows, cols]
print('这个数组的四个角元素是：')
print(y)

打印

可以借助切片 : 或 … 与索引数组组合。

示例

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(a)
b = a[1:3, 1:3]  # 获取行索引从1开始，到3前一个数结束，获取列索引从1开始，到3前一个数结束
c = a[1:3, [1, 2]]  # 获取行索引从1开始，到3前一个数结束，列获取列索引1,2
d = a[..., 1:]  # 获取全部的行，列获取列索引从1开始到最后一个
print(b)
print(c)
print(d)

打印

2.布尔索引

布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。

示例：以下实例获取大于 5 的元素

import numpy as np

y = np.array([[0, 1, 2], [3, 4, 5], [1, 7, 8], [9, 10, 11]])
print('我们的数组是：')
print(y)
print('\n')
# 现在我们会打印出大于 5 的元素
print('大于 5 的元素是：')
print(y[y > 5])  # 依照理解，第一y是指数组y，第二个y指数组中元素的值

打印

使用了 ~（取补运算符）过滤 NaN。

示例：

import numpy as np
from numpy import int32

a = np.array([np.nan, 1, 2, np.nan, 3, 4, 5], dtype=np.float32)
print(a[~np.isnan(a)])

打印

获取复数元素（如果获取非复数的话，'['后面加上'~'符）

import numpy as np

a = np.array([1, 2 + 6j, 5, 3.5 + 5j])
print(a[np.iscomplex(a)])

打印

3.花式索引

（1）花式索引指的是利用整数数组进行索引。

（2）花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。

（3）对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素，如果目标是二维数组，那么就是对应下标的行。

（4）花式索引跟切片不一样，它总是将数据复制到新数组中。

示例

import numpy as np

x = np.array([2, 4, 6, 3, 4, 5, 9])
print(x)
# 一维数组读取指定下标对应的元素
print("-------读取下标对应的元素-------")
x2 = x[[0, 6]]  # 使用花式索引
print(x2)

print(x2[0])
print(x2[1])

打印

读取对应的行

import numpy as np 
 
x=np.arange(32).reshape((8,4))
print(x)
# 二维数组读取指定下标对应的行
print("-------读取下标对应的行-------")
print (x[[4,2,1,7]])

打印：

传入倒序索引数组

示例

import numpy as np 
 
x=np.arange(32).reshape((8,4))
print (x[[-4,-2,-1,-7]])

打印

传入多个索引数组（要使用 np.ix_）

np.ix_ 函数就是输入两个数组，产生笛卡尔积的映射关系。

笛卡尔乘积是指在数学中，两个集合 X 和 Y 的笛卡尔积（Cartesian product），又称直积，表示为 X×Y，第一个对象是X的成员而第二个对象是 Y 的所有可能有序对的其中一个成员。

例如 A={a,b}, B={0,1,2}，则：

A×B={(a, 0), (a, 1), (a, 2), (b, 0), (b, 1), (b, 2)}
B×A={(0, a), (0, b), (1, a), (1, b), (2, a), (2, b)}

示例

import numpy as np

x = np.arange(32).reshape((8, 4))
print(x)
print(x[np.ix_([1, 5, 7, 2], [0, 3, 1, 2])])

打印

二. 广播

1.定义

广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。

如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape，那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同，且各维度的长度相同。

示例：

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([10, 20, 30, 40])
c = a * b
print(c)

打印

当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制。

示例

import numpy as np 
 
a = np.array([[ 0, 0, 0],
           [10,10,10],
           [20,20,20],
           [30,30,30]])
b = np.array([0,1,2])
print(a + b)

打印

下面的图片展示了数组 b 如何通过广播来与数组 a 兼容。（参照菜鸟教程）

4x3 的二维数组与长为 3 的一维数组相加，等效于把数组 b 在二维上重复 4 次再运算：

示例

import numpy as np

a = np.array([[0, 0, 0],
              [10, 10, 10],
              [20, 20, 20],
              [30, 30, 30]])
b = np.array([1, 2, 3])
bb = np.tile(b, (4, 1))  # 重复 b 的各个维度
print(a + bb)
print(a+b)

打印

2.规则

广播的规则:

  • 让所有输入数组都向其中形状最长的数组看齐，形状中不足的部分都通过在前面加 1 补齐。
  • 输出数组的形状是输入数组形状的各个维度上的最大值。
  • 如果输入数组的某个维度和输出数组的对应维度的长度相同或者其长度为 1 时，这个数组能够用来计算，否则出错。
  • 当输入数组的某个维度的长度为 1 时，沿着此维度运算时都用此维度上的第一组值。

简单理解：对两个数组，分别比较他们的每一个维度（若其中一个数组没有当前维度则忽略），满足：

  • 数组拥有相同形状。
  • 当前维度的值相等。
  • 当前维度的值有一个是 1。

若条件不满足，抛出 "ValueError: frames are not aligned" 异常。

三.迭代数组

1.遍历顺序

NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。

迭代器最基本的任务的可以完成对数组元素的访问。

实现最基本的打印 示例：

import numpy as np

a = np.arange(6).reshape(2, 3)
print('原始数组是：')
print(a)
print('\n')
print('迭代输出元素：')
for x in np.nditer(a):
    print(x, end=", ")
print('\n')

打印

转置

以上实例不是使用标准 C 或者 Fortran 顺序，选择的顺序是和数组内存布局一致的，这样做是为了提升访问的效率，默认是行序优先（row-major order，或者说是 C-order）。

使用   np.nditer(a.T.copy(order='C'))

这反映了默认情况下只需访问每个元素，而无需考虑其特定顺序。我们可以通过迭代上述数组的转置来看到这一点，并与以 C 顺序访问数组转置的 copy 方式做对比，如下实例：

import numpy as np
 
a = np.arange(6).reshape(2,3)
for x in np.nditer(a.T):
    print (x, end=", " )
print ('\n')
 
for x in np.nditer(a.T.copy(order='C')):
    print (x, end=", " )
print ('\n')

打印

从上述例子可以看出，a 和 a.T 的遍历顺序是一样的，也就是他们在内存中的存储顺序也是一样的，但是 a.T.copy(order = 'C') 的遍历结果是不同的，那是因为它和前两种的存储方式是不一样的，默认是按行访问。

2.控制遍历顺序

  • for x in np.nditer(a, order='F'):Fortran order，即是列序优先；
  • for x in np.nditer(a.T, order='C'):C order，即是行序优先；
import numpy as np
 
a = np.arange(0,60,5) 
a = a.reshape(3,4)  
print ('原始数组是：') 
print (a) 
print ('\n') 
print ('原始数组的转置是：') 
b = a.T 
print (b) 
print ('\n') 
print ('以 C 风格顺序排序：') 
c = b.copy(order='C')  
print (c)
for x in np.nditer(c):  
    print (x, end=", " )
print  ('\n') 
print  ('以 F 风格顺序排序：')
c = b.copy(order='F')  
print (c)
for x in np.nditer(c):  
    print (x, end=", " )

打印

可以通过显式设置，来强制 nditer 对象使用某种顺序

示例

import numpy as np 
 
a = np.arange(0,60,5) 
a = a.reshape(3,4)  
print ('原始数组是：')
print (a)
print ('\n')
print ('以 C 风格顺序排序：')
for x in np.nditer(a, order =  'C'):  
    print (x, end=", " )
print ('\n')
print ('以 F 风格顺序排序：')
for x in np.nditer(a, order =  'F'):  
    print (x, end=", " )

打印

3.修改数组中元素的值

nditer 对象有另一个可选参数 op_flags。 默认情况下，nditer 将视待迭代遍历的数组为只读对象（read-only），为了在遍历数组的同时，实现对数组元素值的修改，必须指定 readwrite 或者 writeonly 的模式。

import numpy as np
 
a = np.arange(0,60,5) 
a = a.reshape(3,4)  
print ('原始数组是：')
print (a)
print ('\n')
for x in np.nditer(a, op_flags=['readwrite']): 
    x[...]=2*x 
print ('修改后的数组是：')
print (a)

打印

4.使用外部循环

nditer 类的构造器拥有 flags 参数，它可以接受下列值：

参数描述
c_index可以跟踪 C 顺序的索引
f_index可以跟踪 Fortran 顺序的索引
multi_index每次迭代可以跟踪一种索引类型
external_loop给出的值是具有多个值的一维数组，而不是零维数组

示例

import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print ('原始数组是：')
print (a)
print ('\n')
print ('修改后的数组是：')
for x in np.nditer(a, flags =  ['external_loop'], order =  'F'):
   print (x, end=", " )

打印

5.广播迭代

如果两个数组是可广播的，nditer 组合对象能够同时迭代它们。 假设数组 a 的维度为 3X4，数组 b 的维度为 1X4 ，则使用以下迭代器（数组 b 被广播到 a 的大小）。

示例

import numpy as np 
 
a = np.arange(0,60,5) 
a = a.reshape(3,4)  
print  ('第一个数组为：')
print (a)
print  ('\n')
print ('第二个数组为：')
b = np.array([1,  2,  3,  4], dtype =  int)  
print (b)
print ('\n')
print ('修改后的数组为：')
for x,y in np.nditer([a,b]):  
    print ("%d:%d"  %  (x,y), end=", " )

打印

四. 位运算

位运算是一种在二进制数字的位级别上进行操作的一类运算，它们直接操作二进制数字的各个位，而不考虑数字的整体值。

位运算在计算机科学中广泛应用于优化和处理底层数据。

NumPy "bitwise_" 开头的函数是位运算函数。

函数描述
bitwise_and按位与，对数组元素执行位与操作
bitwise_or按位或，对数组元素执行位或操作
bitwise_xor按位异或
bitwise_not按位取反
invert按位取反
left_shift左移位运算，向左移动二进制表示的位
right_shift右移位运算，向右移动二进制表示的位

示例

import numpy as np

arr1 = np.array([True, False, True], dtype=bool)
arr2 = np.array([False, True, False], dtype=bool)

result_and = np.bitwise_and(arr1, arr2)
result_or = np.bitwise_or(arr1, arr2)
result_xor = np.bitwise_xor(arr1, arr2)
result_not = np.bitwise_not(arr1)

print("AND:", result_and)  # [False, False, False]
print("OR:", result_or)    # [True, True, True]
print("XOR:", result_xor)  # [True, True, True]
print("NOT:", result_not)  # [False, True, False]

# 按位取反
arr_invert = np.invert(np.array([1, 2], dtype=np.int8))
print("Invert:", arr_invert)  # [-2, -3]

# 左移位运算
arr_left_shift = np.left_shift(5, 2)
print("Left Shift:", arr_left_shift)  # 20

# 右移位运算
arr_right_shift = np.right_shift(10, 1)
print("Right Shift:", arr_right_shift)  # 5

打印

1. bitwise_and

两个数组进行和运算

import numpy as np

print('13 和 17 的二进制形式：')
a, b = 13, 17
print(bin(a), bin(b))
print('\n')

print('13 和 17 的位与：')
print(np.bitwise_and(13, 17))

打印

2. bitwise_or

两个数组进行或运算

import numpy as np 
 
a,b = 13,17 
print ('13 和 17 的二进制形式：')
print (bin(a), bin(b))
 
print ('13 和 17 的位或：')
print (np.bitwise_or(13, 17))

打印

3. invert

invert() 函数对数组中整数进行位取反运算，即 0 变成 1，1 变成 0。

import numpy as np 
 
print ('13 的位反转，其中 ndarray 的 dtype 是 uint8：')
print (np.invert(np.array([13], dtype = np.uint8)))
print ('\n')
# 比较 13 和 242 的二进制表示，我们发现了位的反转
 
print ('13 的二进制表示：')
print (np.binary_repr(13, width = 8))
print ('\n')
 
print ('242 的二进制表示：')
print (np.binary_repr(242, width = 8))

打印

4. left_shift

left_shift() 函数将数组元素的二进制形式向左移动到指定位置，右侧附加相等数量的 0。

示例

import numpy as np 
 
print ('将 10 左移两位：')
print (np.left_shift(10,2))
print ('\n')
 
print ('10 的二进制表示：')
print (np.binary_repr(10, width = 8))
print ('\n')
 
print ('40 的二进制表示：')
print (np.binary_repr(40, width = 8))
#  '00001010' 中的两位移动到了左边，并在右边添加了两个 0。

打印

5. right_shift

right_shift() 函数将数组元素的二进制形式向右移动到指定位置，左侧附加相等数量的 0。

代码

import numpy as np 
 
print ('将 40 右移两位：')
print (np.right_shift(40,2))
print ('\n')
 
print ('40 的二进制表示：')
print (np.binary_repr(40, width = 8))
print ('\n')
 
print ('10 的二进制表示：')
print (np.binary_repr(10, width = 8))
#  '00001010' 中的两位移动到了右边，并在左边添加了两个 0。

打印

五. 字符串函数

以下函数用于对 dtype 为 numpy.string_ 或 numpy.unicode_ 的数组执行向量化字符串操作。 它们基于 Python 内置库中的标准字符串函数。

这些函数在字符数组类（numpy.char）中定义。

函数描述
add()对两个数组的逐个字符串元素进行连接
multiply()返回按元素多重连接后的字符串
center()居中字符串
capitalize()将字符串第一个字母转换为大写
title()将字符串的每个单词的第一个字母转换为大写
lower()数组元素转换为小写
upper()数组元素转换为大写
split()指定分隔符对字符串进行分割，并返回数组列表
splitlines()返回元素中的行列表，以换行符分割
strip()移除元素开头或者结尾处的特定字符
join()通过指定分隔符来连接数组中的元素
replace()使用新字符串替换字符串中的所有子字符串
decode()数组元素依次调用str.decode
encode()数组元素依次调用str.encode

1. numpy.char.add()

numpy.char.add() 函数依次对两个数组的元素进行字符串连接。

示例

import numpy as np

a = np.array(['abc', 'def'])  # 注意数组元素应该是列表形式
b = np.array(['yk', '123'])    # 同样需要是列表形式
c = np.char.add(a, b)
print(c)

打印

2. numpy.char.multiply()

numpy.char.multiply() 函数执行多重连接。

示例

import numpy as np

a = np.array(['abc', 'def'])  # 注意数组元素应该是列表形式
b = np.array(['yk', '123'])  # 同样需要是列表形式
c = np.char.add(a, np.char.multiply(['la', '123'], 5))
print(c)

打印

3. numpy.char.center()

numpy.char.center() 函数用于将字符串居中，并使用指定字符在左侧和右侧进行填充。

示例

import numpy as np

# np.char.center(str , width,fillchar) ：
# str: 字符串，width: 长度，fillchar: 填充字符
print(np.char.center('Runoob', 20, fillchar='*'))

打印

4. numpy.char.capitalize()

numpy.char.capitalize() 函数将字符串的第一个字母转换为大写：

示例

import numpy as np 
 
print (np.char.capitalize('runoob'))

打印

5. numpy.char.title()

numpy.char.title() 函数将字符串的每个单词的第一个字母转换为大写：

示例

import numpy as np

print(np.char.title('i like runoob'))

打印

6. numpy.char.lower()

numpy.char.lower() 函数对数组的每个元素转换为小写。它对每个元素调用 str.lower。

示例

import numpy as np 
 
#操作数组
print (np.char.lower(['RUNOOB','GOOGLE']))
 
# 操作字符串
print (np.char.lower('RUNOOB'))

打印

7.  numpy.char.upper()

numpy.char.upper() 函数对数组的每个元素转换为大写。它对每个元素调用 str.upper。

示例

import numpy as np 
 
#操作数组
print (np.char.upper(['runoob','google']))
 
# 操作字符串
print (np.char.upper('runoob'))

打印

8. numpy.char.split()

numpy.char.split() 通过指定分隔符对字符串进行分割，并返回数组。默认情况下，分隔符为空格。

示例

import numpy as np 
 
# 分隔符默认为空格
print (np.char.split ('i like runoob?'))
# 分隔符为 .
print (np.char.split ('www.runoob.com', sep = '.'))

打印

9. numpy.char.splitlines()

numpy.char.splitlines() 函数以换行符作为分隔符来分割字符串，并返回数组。

\n，\r，\r\n 都可用作换行符。

示例

import numpy as np 
 
# 换行符 \n
print (np.char.splitlines('i\nlike runoob?')) 
print (np.char.splitlines('i\rlike runoob?'))

打印

10. numpy.char.strip()

numpy.char.strip() 函数用于移除开头或结尾处的特定字符。

示例

import numpy as np 
 
# 移除字符串头尾的 a 字符
print (np.char.strip('ashok arunooba','a'))
 
# 移除数组元素头尾的 a 字符
print (np.char.strip(['arunooba','admin','java'],'a'))

打印

11. numpy.char.join()

numpy.char.join() 函数通过指定分隔符来连接数组中的元素或字符串

示例

import numpy as np

# 操作字符串
print(np.char.join(':', 'runoob'))

# 指定多个分隔符操作数组元素
print(np.char.join([':', '-'], ['runoob', 'google']))

打印

12. numpy.char.replace()

numpy.char.replace() 函数使用新字符串替换字符串中的所有子字符串。

示例

import numpy as np 
 
print (np.char.replace ('i like runoob', 'oo', 'cc'))

打印

13. numpy.char.encode()

numpy.char.encode() 函数对数组中的每个元素调用 str.encode 函数。 默认编码是 utf-8，可以使用标准 Python 库中的编解码器。

示例

import numpy as np 
 
a = np.char.encode('runoob', 'cp500') 
print (a)

打印

14. numpy.char.decode()

numpy.char.decode() 函数对编码的元素进行 str.decode() 解码。

示例

import numpy as np 
 
a = np.char.encode('runoob', 'cp500') 
print (a)
print (np.char.decode(a,'cp500'))

打印

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/564334.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

Ghost Buster Pro for Mac：强大的系统优化工具

Ghost Buster Pro for Mac：强大的系统优化工具

Ghost Buster Pro for Mac是一款功能强大的系统优化工具，专为Mac用户设计，旨在提供全方位的系统清理、优化和维护服务。 Ghost Buster Pro for Mac v3.2.5激活版下载 这款软件拥有出色的垃圾清理能力，能够深度扫描并清除Mac上的无效目录、文件…
阅读更多...
《从零开始的Java世界》07常用类与基础API

《从零开始的Java世界》07常用类与基础API

《从零开始的Java世界》系列主要讲解Javase部分，从最简单的程序设计到面向对象编程，再到异常处理、常用API的使用，最后到注解、反射，涵盖Java基础所需的所有知识点。学习者应该从学会如何使用，到知道其实现原理全方位式…
阅读更多...
尾矿库安全监测：仪器埋设与维护的关键要求

尾矿库安全监测：仪器埋设与维护的关键要求

尾矿库作为矿业生产的重要组成部分，其安全运营对于保障人员生命安全和环境保护具有至关重要的意义。为了确保尾矿库的安全运行，及时发现潜在的安全隐患，必须采取有效的安全监测措施。本文将重点探讨尾矿库安全监测仪器的埋设及维护要求。 一、…
阅读更多...
​「Python绘图」绘制皮卡丘

​「Python绘图」绘制皮卡丘

python 绘制皮卡丘 一、预期结果 二、关键代码 import turtle print("开始绘制皮卡丘") def getPosition(x, y):turtle.setx(x)turtle.sety(y)print(x, y)class Pikachu:def __init__(self):self.t turtle.Turtle()t self.tt.pensize(3)t.speed(190)t.ondrag(getP…
阅读更多...
Linux命令接着学习

Linux命令接着学习

which命令，找到各种命令程序所处在的位置 语法：which查找的命令 那么对于我们想查找其他类型文件所在的位置，我们可以用到find命令 find命令 选项为-name，表示按照文件名进行查找 find命令中通配符 find命令和前面rm命令一样&…
阅读更多...
Linux及tmux、vim常用命令

Linux及tmux、vim常用命令

Linux 关于Linux的简介、诞生、迭代，大家可以去网上查一查，这里不多做赘述了 Linux文件类型 非常重要的文件类型有: 普通文件，目录文件，链接文件，设备文件，管道文件，Socket 套接字文件 等。 …
阅读更多...
2024团体设计天梯赛之L1-101 别再来这么多猫娘了

2024团体设计天梯赛之L1-101 别再来这么多猫娘了

c语言中的小小白-CSDN博客c语言中的小小白关注算法,c,c语言,贪心算法,链表,mysql,动态规划,后端,线性回归,数据结构,排序算法领域.https://blog.csdn.net/bhbcdxb123?spm1001.2014.3001.5343 给大家分享一句我很喜欢我话： 知不足而奋进，望远山而前行&am…
阅读更多...
D咖饮品机器人惊艳亮相：智能硬件改变生活习惯

D咖饮品机器人惊艳亮相：智能硬件改变生活习惯

在当今快节奏的生活中，人们对于便捷、高效的需求日益增长，智能硬件应运而生，其中饮品机器人作为一种新型的智能设备，正在以惊艳的姿态亮相于人们的生活中，为人们带来了全新的消费体验，改变着大众的生活习惯…
阅读更多...
CV算法工程师的LLM日志（5）Mixture-of-depths——transformers改进结构 【15分钟代码和原理速通】

CV算法工程师的LLM日志（5）Mixture-of-depths——transformers改进结构 【15分钟代码和原理速通】

前言 简而言之，这是google对transformer一些改进设计，如果这个有效性能够证明并普及，那么下一个大模型的transformer范式就是这个了，当然同时也存在mamba和transformer的jamba崛起，不过现在主流还是transformer&#…
阅读更多...
nlp 自然语言处理的dataset数据库积累

nlp 自然语言处理的dataset数据库积累

下面的这个和 entity recognition有关的。 Weights & Biases
阅读更多...
巧用波卡生态优势，Mythical Games 引领 Web3 游戏新航向

巧用波卡生态优势，Mythical Games 引领 Web3 游戏新航向

Polkadot 对创新、安全和治理的承诺为 Mythical Games 提供了极大的发展价值。这个链上生态不仅将支持 Mythical Games 成长发展，还将帮助其他 Mythos 合作伙伴来壮大建设项目。 —— Mythical Games 创始人兼首席执行官 John Linden 近期 Web3 游戏行业又有新动向&…
阅读更多...
《C语言深度解剖》(8)：一篇文章彻底学会Visual Studio 调试技巧，新手必看!

《C语言深度解剖》(8)：一篇文章彻底学会Visual Studio 调试技巧，新手必看!

🤡博客主页：醉竺 🥰本文专栏：《C语言深度解剖》 😻欢迎关注：感谢大家的点赞评论关注，祝您学有所成！ ✨✨💜💛想要学习更多数据结构与算法点击专栏链接查看&am…
阅读更多...
创建电商产品说明书的这些雷，你踩了几条

创建电商产品说明书的这些雷，你踩了几条

现如今电商的流行，让电商产品说明书不仅是产品的“身份证”，更是商家与消费者沟通的桥梁。但是，在创建电商产品说明书时，稍不注意就可能踩到“雷区”，给消费者留下不好的印象，甚至影响销量。今天&#xff0…
阅读更多...
【计算机2区】毕业快刊 —— 非黑！非预警！各指标优异！

【计算机2区】毕业快刊 —— 非黑！非预警！各指标优异！

No.1 工程综合类SCIE 【期刊简介】IF：6.0-7.0，JCR1区，中科院2区 【版面类型】纯正刊，仅10篇版面 【自引率】13.30%（位于安全阈值内） 【年发文量】400篇左右（发文量稳定） 【国人…
阅读更多...
单机三pxc节点集群,+docker-haproxy2.0负载均衡实现

单机三pxc节点集群,+docker-haproxy2.0负载均衡实现

一.下载 https://www.haproxy.org/download/2.0/src/haproxy-2.0.5.tar.gz 或者在这里下载（下面需要的各个配置文件都有）： https://download.csdn.net/download/cyw8998/89170129 二.编写文件，制作docker镜像 1.Dockerfile&a…
阅读更多...
信创产业发展迅速，信创测试需要伴随

信创产业发展迅速，信创测试需要伴随

信创产业的发展现状呈现出蓬勃的生机与活力。这一领域不仅构成了数据安全、网络安全的基石，更是新型基础设施建设的重要一环。信创产业涵盖了众多关键领域，如云计算、软件（包括操作系统、中间件、数据库及应用软件）、硬件&#xf…
阅读更多...
Android studio配置Flutter（看这一篇就够了）

Android studio配置Flutter（看这一篇就够了）

Flutter 是 Google 推出并开源的移动应用开发框架，主打跨平台、高保真、高性能。开发者可以通过 Dart 语言开发 App，一套代码同时运行在 iOS 和 Android平台。 Flutter 提供了丰富的组件、接口，开发者可以很快地为 Flutter 添加 Native&#…
阅读更多...
#vscode | poetry | 虚拟环境 | Interpreter# 使用Poetry进行Python项目依赖管理和VSCode环境配置

#vscode | poetry | 虚拟环境 | Interpreter# 使用Poetry进行Python项目依赖管理和VSCode环境配置

系统安装poetry curl -sSL https://install.python-poetry.org | python3 - 安装 poetry --version 验证安装是否成功 项目安装poetry poetry install install 命令从当前项目中读取 pyproject.toml 文件，解析依赖项并安装它们。 Vscode配置 对应虚拟环境的in…
阅读更多...
攻防打点｜Shiro漏洞利用大全【附工具】

攻防打点｜Shiro漏洞利用大全【附工具】

Shiro反序列化漏洞在目前攻防打点中仍然可以使用，如一些废弃的忘记关掉的旁站之类的。。。 「手工如何判断是否存在shiro」 特征码为响应包存在rememberMe=deleteMe 打开burp进行抓包，在请求包中添加Cookie: rememberMe=me,查看返回包中是否存在rememberMe=deleteMe。 「工…
阅读更多...
可视化大屏在政务领域应用非常普遍，带你看看

可视化大屏在政务领域应用非常普遍，带你看看

可视化大屏在政务领域的应用非常普遍，政务领域需要处理大量的数据和信息，通过可视化大屏可以将这些数据以直观、易懂的方式展示出来，帮助政府决策者和工作人员更好地了解和分析数据，从而做出更准确、科学的决策。 在政务领域&…
阅读更多...
最新文章

Copyright @ 2022~2023