<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[凌云俯瞰]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ATOOHOO</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ATOOHOO]]></copyright><item><title><![CDATA[Matlab学习小课堂总结（Summary of MATLAB Onramp)]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/108800074</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/108800074</guid><author>ATOOHOO</author><pubDate>Fri, 25 Sep 2020 16:49:38 +0800</pubDate><description><![CDATA[Matlab学习小课堂总结（Summary of MATLAB Onramp)
学习完成Matlab基础之后来一篇小的基础总结很是必要， 一些基础的小例子可以帮助很好的理解（一例胜千言）
Basic syntax




Example
Description




x = pi
Create variables with the equal sign (=).  The left-side(x) is the variable name containing the value on the right]]></description><category></category></item><item><title><![CDATA[Python的抽象模块abc-Abstract Base Classes]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/104332046</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/104332046</guid><author>ATOOHOO</author><pubDate>Sat, 15 Feb 2020 23:40:37 +0800</pubDate><description><![CDATA[该模块提供了在python中定义抽象基类（abc）的基础设施。PEP 3119中有列举出来，可以查看PEP寻找这个模块为什么会添加到Python里面。
对于collections模块，其有一些具体的类是从ABCs中派生出来的，这些是可以被进一步推导出来的。另外子模块collections.abs拥有一些ABCs的特性。这些特性可以被用来测试一个类或者实例是否提供了一个特殊的接口，例如，这些类或者实...]]></description><category></category></item><item><title><![CDATA[设计模式之简单工厂模式（一）]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/104324928</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/104324928</guid><author>ATOOHOO</author><pubDate>Sat, 15 Feb 2020 17:57:16 +0800</pubDate><description><![CDATA[1、简单工厂模式
概念：工厂可以根据条件产生不同功能的类
程序实例：四则运算计算器，根据用户的输入产生相应的运算类，用这个运算类处理具体的运算。
代码特点：以C/C++中的switch…case…分支使用字典的方式代替，使用异常的机制对除数为0的情况进行处理。
2、UML图解（C#语法描述）
工具visio+C#语法描述

代码例子
原版为C#代码描述，下面使用的是python进行描述
#!/us...]]></description><category></category></item><item><title><![CDATA[多进程_进程理解]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/102713620</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/102713620</guid><author>ATOOHOO</author><pubDate>Thu, 24 Oct 2019 00:07:03 +0800</pubDate><description><![CDATA[思路渐进目录

1、创建子进程
2、测试Process对象的相关方法
3、多进程执行顺序是不确定的
4、进程之间不共享全局数据
5、使用Queue完成进程之间的通信
6、使用多进程完成文件的拷贝

实现过程代码
1、创建子进程
import time
import multiprocessing
import os


def proc_func(number,age):
   print(age...]]></description><category></category></item><item><title><![CDATA[多线程__线程理解]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/102692917</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/102692917</guid><author>ATOOHOO</author><pubDate>Tue, 22 Oct 2019 23:21:45 +0800</pubDate><description><![CDATA[思路渐进目录：

1、单任务
2、多线程的创建
3、主线程主动等待子线程退出之后执行代码
4、创建线程的第二种方式_验证线程的执行顺序
5、多线程共享全局变量
6、给线程函数代码传递参数
7、多任务的聊天工具

1、单任务
from time import sleep

def sing():
    for i in range(3):
        print("正在唱歌...%d"%i)
...]]></description><category></category></item><item><title><![CDATA[flask测试微信公众号的配置与连接]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/101844783</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/101844783</guid><author>ATOOHOO</author><pubDate>Tue, 01 Oct 2019 14:47:52 +0800</pubDate><description><![CDATA[环境：腾讯云+flask+微信公众号
微信公众号端配置
使用腾讯云提供的公网地址：
URL     http://公网IP/wechat8000
Token   toohoo2019

使用flask编写配置信息测试代码：
#!/usr/bin/env python
# -*-encoding:UTF-8-*-

from flask import Flask, request, abort
im...]]></description><category></category></item><item><title><![CDATA[Python的数据分析可视化十种技能总结]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/101295610</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/101295610</guid><author>ATOOHOO</author><pubDate>Tue, 24 Sep 2019 18:40:40 +0800</pubDate><description><![CDATA[常见的可视化试图列举
可视化视图可以分成4大类：比较、联系、构成和分布。他们的特点如下：

1、比较：比较数据之间的各类别的关系，或者是他们随着时间的变化趋势，比如折线图；
2、联系：查看两个或者两个以上的变量之间的关系，比如散点图；
3、构成:每个部分占整体的百分比，或者是随着时间的百分比变化，比如饼状图；
4、分布：关注单个变量，或者多个变量的分布情况，比如直方图。

同样，按照变量的个数，可...]]></description><category></category></item><item><title><![CDATA[python中collections的defaultdict方法使用_例子说明（二）]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/101162183</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/101162183</guid><author>ATOOHOO</author><pubDate>Sun, 22 Sep 2019 17:07:34 +0800</pubDate><description><![CDATA[需求
Python中通过Key访问字典，当Key不存在时，会引发‘KeyError’异常。为了避免这种情况的发生，可以使用collections类中的defaultdict()方法来为字典提供默认值。
语法格式：
collections.defaultdict([default_factory[, …]])
该函数返回一个类似字典的对象。defaultdict是Python内建字典类（dict）的...]]></description><category></category></item><item><title><![CDATA[python中collections的defaultdict方法使用（一）]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/101160214</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/101160214</guid><author>ATOOHOO</author><pubDate>Sun, 22 Sep 2019 16:19:40 +0800</pubDate><description><![CDATA[默认值可以很方便
众所周知，在Python中如果访问字典中不存在的键，会引发KeyError异常（JavaScript中如果对象中不存在某个属性，则返回undefined）。但是有时候，字典中的每个键都存在默认值是非常方便的。例如下面的例子：
strings = ('puppy', 'kitten', 'puppy', 'puppy',
           'weasel', 'puppy', ...]]></description><category></category></item><item><title><![CDATA[Numpy在数据分析领域中的核心应用]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/100925550</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/100925550</guid><author>ATOOHOO</author><pubDate>Tue, 17 Sep 2019 16:29:26 +0800</pubDate><description><![CDATA[Numpy是Python语言中的最基础的和最强大的科学计算和数据处理的工具包，如数据分析工具的pandas也是基于Numpy构建的，机器学习包的sklearn中也大量使用了Numpy的方法。本文介绍了Numpy的n维数组在数据处理和分析中的所有核心应用。
目录结构：
1、如何构建Numpy数组
2、如何观察数组的属性的大小和形状（shape）
3、如何从数组中提取出特定的项
4、如何从现有的数组定...]]></description><category></category></item><item><title><![CDATA[使用Pandas统计分析数据]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/100921355</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/100921355</guid><author>ATOOHOO</author><pubDate>Tue, 17 Sep 2019 11:57:00 +0800</pubDate><description><![CDATA[假设有如下的数据

初级解答：知识没有全用上，数学成绩NaN没解决
import pandas as pd
from pandas import Series, DataFrame
data = DataFrame(pd.read_excel('data1.xlsx'))
df = DataFrame(data)
df = df.drop_duplicates()
def sum(df):
   ...]]></description><category></category></item><item><title><![CDATA[Python的科学计算库Pandas（潘大师）的使用]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/100920843</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/100920843</guid><author>ATOOHOO</author><pubDate>Tue, 17 Sep 2019 11:47:26 +0800</pubDate><description><![CDATA[Pandas的核心数据结构：Series和DataFrame

分别代表一维的序列和二维的表结构
基于这两种结构：Pandas可以对数据进行导入、清洗、处理、统计和输出

Series 序列

1.Series是个固定长度的字典序列

与字典结构区别：存储的时候相当于两个ndarray，而字典结构里面元素的个数是不确定的。


2、两个基本属性：index和values

index默认是递增的整...]]></description><category></category></item><item><title><![CDATA[使用Numpy统计全班的同学的成绩]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/100919605</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/100919605</guid><author>ATOOHOO</author><pubDate>Tue, 17 Sep 2019 11:25:17 +0800</pubDate><description><![CDATA[使用Numpy实现班级同学成绩的统计
假设现在有如下的数据：




姓名/学科
语文
英语
数学




张飞
66
65
30


关羽
95
85
98


赵云
93
92
96


黄忠
90
88
77


典韦
80
90
90



统计全班的成绩：在语文、数学、英语等中的平均成绩、最小成绩、最大成绩、方差、标准差。然后将这些人的总成绩排序输出：

import numpy as ...]]></description><category></category></item><item><title><![CDATA[使用Numpy快速处理数据]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/100918858</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/100918858</guid><author>ATOOHOO</author><pubDate>Tue, 17 Sep 2019 11:00:20 +0800</pubDate><description><![CDATA[1.使用NumPy让Python的科学计算更加高效

简介：NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
区别：为什么不是直接使用list，而是更加高效的NumPy
原因：NumPy重新定义了数据结构，使用的是C语言编写，运行速度非常快，主要是用于数组计算：

规则：避免使用隐式拷贝，...]]></description><category></category></item><item><title><![CDATA[Python的 @staticmethod和@classmethod的用法]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/100847269</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/100847269</guid><author>ATOOHOO</author><pubDate>Sun, 15 Sep 2019 09:28:37 +0800</pubDate><description><![CDATA[讲解一
**一般来说，要使用某个类的方法，需要先实例化一个对象再调用方法。
而使用@staticmethod或@classmethod，就可以不需要实例化，直接类名.方法名()来调用。 **
这有利于组织代码，把某些应该属于某个类的函数给放到那个类里去，同时有利于命名空间的整洁。
既然@staticmethod和@classmethod都可以直接类名.方法名()来调用，那他们有什么区别呢
从它们的...]]></description><category></category></item><item><title><![CDATA[Selenium 自动化测试工具的使用]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/100678794</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/100678794</guid><author>ATOOHOO</author><pubDate>Mon, 09 Sep 2019 23:27:56 +0800</pubDate><description><![CDATA[安装配置
我们要对Web进行模拟自动化测试的时候，可以使用Selenium或者是Puppeteer工具。其中Puppeteer通过控制无头Chrome来完成浏览器的工作。这两个工具之间的区别在于：Selenium更加关注程序的执行流程本身，比如找到指定的元素，设置相应的值，然后点击操作。而Puppeteer是浏览器的视角，比如光标移动到某个元素上，键盘输入某个内容等。
使用selenium库模拟浏...]]></description><category></category></item><item><title><![CDATA[linux环境的zip压缩命令详解]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/100558625</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/100558625</guid><author>ATOOHOO</author><pubDate>Thu, 05 Sep 2019 15:15:19 +0800</pubDate><description><![CDATA[zip 命令用来压缩文件
-A：调整可执行的自动解压缩文件；
-b&lt;工作目录&gt;：指定暂时存放文件的目录；
-c：替每个被压缩的文件加上注释；
-d：从压缩文件内删除指定的文件；
-D：压缩文件内不建立目录名称；
-f：此参数的效果和指定“-u”参数类似，但不仅更新既有文件，如果某些文件原本不存在于压缩文件内，使用本参数会一并将其加入压缩文件中；
-F：尝试修复已损坏的压缩文件；
-g：...]]></description><category></category></item><item><title><![CDATA[Python的装饰器小记]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/100175184</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/100175184</guid><author>ATOOHOO</author><pubDate>Sat, 31 Aug 2019 18:04:57 +0800</pubDate><description><![CDATA[Python装饰器
1、简介
本质： Python的装饰器就是一个闭包。
目的： 简化代码操作
2、使用装饰器的原则：不改变被装饰函数的属性等性质

使用中间人g对象帮助传递参数
使用内层装饰器@functools.wraps(view_func)回复被装饰函数的属性等性质（举例2）

3、举例1：定义验证登录状态的装饰器
# 使用中间人g对象作为装饰器和被装饰函数中的参数传递者
from fla...]]></description><category></category></item><item><title><![CDATA[使用uwsgi+Nginx作为Django的web服务器]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/100105142</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/100105142</guid><author>ATOOHOO</author><pubDate>Tue, 27 Aug 2019 23:06:59 +0800</pubDate><description><![CDATA[环境：Ubuntu18.04LTS+Pycharm18.03Pro+ 虚拟环境Python3.6
1、uwsgi+Nginx作为Django的web服务器
1、 安装
pip install uwsgi
2、更改Django中的settings.py文件
设置调试模式为False和设置ALLOWED_HOSTS ：
# SECURITY WARNING: don't run with debug ...]]></description><category></category></item><item><title><![CDATA[Session&&Cookie：使用Django-redis配置web的session缓存到Redis数据库&& 记住用户名]]></title><link>https://blog.youkuaiyun.com/ATOOHOO/article/details/99937899</link><guid>https://blog.youkuaiyun.com/ATOOHOO/article/details/99937899</guid><author>ATOOHOO</author><pubDate>Wed, 21 Aug 2019 10:32:26 +0800</pubDate><description><![CDATA[参考官方文档：https://django-redis-chs.readthedocs.io/zh_CN/latest/
SESSION
1、安装
直接在虚拟环境里面安装：
pip install django-redis
2、在Django的settings.py中配置session缓存
# Django-redis 作为session的缓存配置分为两步
# 1.django的缓存配置, 使用r...]]></description><category></category></item></channel></rss>