<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Java_KW的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Java_KW</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Java_KW]]></copyright><item><title><![CDATA[Elasticsearch基础概念和Python操作]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/129411745</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/129411745</guid><author>Java_KW</author><pubDate>Wed, 08 Mar 2023 21:10:56 +0800</pubDate><description><![CDATA[es基础和python调用]]></description><category></category></item><item><title><![CDATA[gRPC 框架 简单使用（python版）]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/124334604</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/124334604</guid><author>Java_KW</author><pubDate>Thu, 21 Apr 2022 23:32:42 +0800</pubDate><description><![CDATA[文章目录一、gRPC 简介概述协议缓冲区二、gRPC 的 Hello World协议缓冲区gRPC 服务端gRPC 客户端启动 gRPC
一、gRPC 简介
概述
gRPC是搭建分布式应用接口和客户端的框架。在 gRPC 中，客户端应用程序可以直接调用不同机器上的服务器应用程序上的方法，就像它是本地对象一样，可以更容易创建分布式应用程序和服务。与许多 RPC 系统一样，gRPC 基于定义服务的思想，指定可以远程调用的方法及其参数和返回类型。在服务端，服务端实现这个接口并运行一个 gRPC 服务器来处理客户端]]></description><category></category></item><item><title><![CDATA[使用Tableau做数据分析的一些思考]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/124124420</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/124124420</guid><author>Java_KW</author><pubDate>Tue, 12 Apr 2022 15:07:33 +0800</pubDate><description><![CDATA[文章目录使用Tableau做数据分析的一些思考问题分析Tableau使用技巧

使用Tableau做数据分析的一些思考

参考：
Tableau数据分析训练营之LOD专题
15 大详细级别表达式

对于Tableau数据分析有两句话非常重要：

分析即聚合。
维度是聚合依据。


问题分析
需要理解复杂问题的层级关系，通常与当前层级有：向上/向下，两种关系

向下的层级问题，需要用fixed固定层级关系，也可以使用INCLUDE
向上的层级问题，有三种方法：

表计算：window_sum/total
建议]]></description><category></category></item><item><title><![CDATA[pandas日期格式]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/124108784</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/124108784</guid><author>Java_KW</author><pubDate>Mon, 11 Apr 2022 20:40:33 +0800</pubDate><description><![CDATA[文章目录pandas中的日期格式一、提取日期的属性二、日期的偏移操作三、日期格式化
pandas中的日期格式
日期格式的字符串转换为日期格式使用pd.to_datetime
data['Order Date'] = pd.to_datetime(data['Order Date'])


一、提取日期的属性
提取日期格式中的年、月、日、时、分、秒
data['Order Date'].dt.year
data['Order Date'].dt.month
data['Order Date'].dt.day
]]></description><category></category></item><item><title><![CDATA[Flink 应用-电商用户行为分析]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123997512</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123997512</guid><author>Java_KW</author><pubDate>Mon, 11 Apr 2022 17:13:52 +0800</pubDate><description><![CDATA[Flink 应用-电商用户行为分析
文章目录Flink 应用-电商用户行为分析一、电商用户行为分析1.1 项目模块设计1.2 数据源二、项目模块2.1 实时热门商品统计创建POJO代码2.2 实时流量统计 — 热门网页创建POJO代码乱序输出2.3 实时流量统计 — PV和UV统计PV代码统计UV代码2.4 市场营销分析—APP市场推广统计创建POJO代码代码—不分渠道2.5 市场营销分析—页面广告统计创建POJO广告点击次数统计 代码点击异常行为黑名单过滤2.6 恶意登录监控创建POJO代码实现CEP代码]]></description><category></category></item><item><title><![CDATA[k-means 聚类算法]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/124083682</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/124083682</guid><author>Java_KW</author><pubDate>Sun, 10 Apr 2022 19:14:42 +0800</pubDate><description><![CDATA[文章目录k-means 聚类算法一、原理二、python实现聚类分析三、sklearn实现聚类分析四、 K-means算法优缺点
参考：
数据挖掘十大算法（二）：K-means聚类算法原理与实现
K-means聚类分析算法原理、改进及实现

k-means 聚类算法
一、原理
K-means聚类算法是一种无监督分类算法，将划分出来的类簇中点的均值当作该类簇的中心点，其可以在不确定划分规则的前提下，通过对数据集合不断迭代的方法对数据集进行划分，自动计算并更新每个类簇的中心点。

K-means聚类算法是一种迭]]></description><category></category></item><item><title><![CDATA[Flink CEP]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123997447</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123997447</guid><author>Java_KW</author><pubDate>Wed, 06 Apr 2022 19:15:06 +0800</pubDate><description><![CDATA[Flink CEP
文章目录Flink CEP一、基本概念1.1 什么是CEP1.2 CEP的特点二、Pattern API2.1 个体模式（**Individual Patterns**）量词(Quantifier)条件(Condition)2.2 组合模式2.3 模式组三、模式的检测四、匹配事件的提取五、超时事件的提取
相关博客：
Flink-复杂事件（CEP）
Flink之CEP(复杂时间处理)
一、基本概念
1.1 什么是CEP
复杂事件处理（Complex Event Processing，简称C]]></description><category></category></item><item><title><![CDATA[Flink 函数]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123997416</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123997416</guid><author>Java_KW</author><pubDate>Wed, 06 Apr 2022 19:11:13 +0800</pubDate><description><![CDATA[Flink 函数
文章目录Flink 函数一、Flink Table API 和 SQL 内置函数二、用户自定义函数（UDF）2.1 标量函数（Scalar Functions）2.2 表函数（Table Function）2.3 聚合函数（Aggregate Function）2.4 表聚合函数（Table Function）
相关博客：
Flink-函数 | 用户自定义函数（UDF）标量函数 | 表函数 | 聚合函数 | 表聚合函数
一、Flink Table API 和 SQL 内置函数
Flink ]]></description><category></category></item><item><title><![CDATA[Flink 时间特性及sql窗口]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123997394</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123997394</guid><author>Java_KW</author><pubDate>Wed, 06 Apr 2022 19:08:45 +0800</pubDate><description><![CDATA[Flink 时间特性及sql窗口
文章目录Flink 时间特性及sql窗口一、概述二、定义处理时间（Processing Time）2.1 由DataSream转换成表时2.2 定义Table Schema时2.3 创建表的DDL中测试代码三、定义事件时间（Event Time）3.1 由DataStream转换成表时3.2 定义Table Schema时3.3 创建表的DDL中测试代码四、窗口4.1 Group Windows4.2 SQL中的Group Windows测试代码4.3 Over Windo]]></description><category></category></item><item><title><![CDATA[Flink Table API及Flink SQL]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123997353</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123997353</guid><author>Java_KW</author><pubDate>Wed, 06 Apr 2022 19:07:24 +0800</pubDate><description><![CDATA[Flink Table API及Flink SQL
文章目录Flink Table API及Flink SQL一、概述二、基本程序结构三、Table API批处理和流处理3.1 表 Table3.2 创建表3.3 创建TableEnvironment3.4 表的查询3.5 Table更新模式3.6 将数据写到文件中3.7 读写Kafka四、表和流的转换4.1 将表Table转换成DataStream4.2 将DataStream转换为Table4.3 创建临时视图**(Temporary View)**五、]]></description><category></category></item><item><title><![CDATA[Flink ProcessFunction]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123997322</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123997322</guid><author>Java_KW</author><pubDate>Wed, 06 Apr 2022 19:05:12 +0800</pubDate><description><![CDATA[Flink ProcessFunction
文章目录Flink ProcessFunction一、 KeyedProcessFunction二、TimerService和定时器（Timers）三、侧输出流（SideOutput）四、CoProcessFunction
之前使用的转换算子是无法访问事件的时间戳信息和水位线信息的，在某些应用场景下，我们需要这些信息。因此，DataStream API提供了一系列的Low-Level转换算子。可以访问时间戳、watermark以及注册定时事件。还可以输出特定的一些]]></description><category></category></item><item><title><![CDATA[Flink 状态]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123997285</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123997285</guid><author>Java_KW</author><pubDate>Wed, 06 Apr 2022 19:03:39 +0800</pubDate><description><![CDATA[Flink 状态
文章目录Flink 状态一、状态概述二、算子状态Operator State算子状态数据结构测试代码三、键控状态 Keyed State键控状态的数据结构测试代码四、状态后端4.1 概述4.2 状态后端类型
相关博客：
Flink_Flink中的状态
Flink状态管理详解：Keyed State和Operator List State深度解析
一、状态概述



由一个任务维护，并且用来计算某个结果的所有数据，都属于这个任务的状态


可以认为任务状态就是一个本地变量，可以被任务的业务逻]]></description><category></category></item><item><title><![CDATA[Flink 时间概念和水位]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123997234</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123997234</guid><author>Java_KW</author><pubDate>Wed, 06 Apr 2022 19:02:07 +0800</pubDate><description><![CDATA[Flink 时间概念和水位
文章目录Flink 时间概念和水位一、Flink中的时间语义二、Event Time的引入三、WaterMark 水印3.1 概念3.2 Watermark 的特点及传递3.3 Watermark的引入3.4 Watermark的设定3.5 测试代码3.6 窗口起始点和偏移量
Flink 时间语义和水位相关博客
Flink_window
Flink-时间语义与Wartmark及EventTime在Window中的使用
一、Flink中的时间语义

Flink中包括三种时间。

E]]></description><category></category></item><item><title><![CDATA[Flink 窗口]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123997188</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123997188</guid><author>Java_KW</author><pubDate>Wed, 06 Apr 2022 18:58:59 +0800</pubDate><description><![CDATA[Flink 窗口
文章目录Flink 窗口一、Window1.1 概述1.2 Window 类型**滚动窗口（Tumbling Windows）****滑动窗口（Sliding Windows）****会话窗口（Session Windows）**二、Window API2.1 概述窗口分配器（Window Assigner）创建不同类型的窗口2.2 TimeWindow滚动时间窗口滑动时间窗口2.3 CountWindow滚动计数窗口滑动计数窗口2.4 window function增量聚合函数全窗口函数]]></description><category></category></item><item><title><![CDATA[Flink 流处理API]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123997110</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123997110</guid><author>Java_KW</author><pubDate>Wed, 06 Apr 2022 18:56:53 +0800</pubDate><description><![CDATA[Flink 流处理API
文章目录Flink 流处理API一、Environment 创建环境1.1 **getExecutionEnvironment**1.2 createLocalEnvironment1.3 **createRemoteEnvironment**二、Source 读取数据2.1 从 集合/文件 中创建数据流2.2 从kafka读取数据2.3 自定义Source三、Transform 转换算子3.1 基本转换算子 map/flatMap/filter3.2 聚合算子3.3 多转换算子3]]></description><category></category></item><item><title><![CDATA[Flink 运行架构]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/123996988</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/123996988</guid><author>Java_KW</author><pubDate>Wed, 06 Apr 2022 18:52:23 +0800</pubDate><description><![CDATA[Flink 运行架构
文章目录Flink 运行架构一、Flink 运行时的组件1.1 作业管理器（JobManager）1.2 资源管理器（**ResourceManager**）1.3 任务管理器（**TaskManager**）1.4 分发器（**Dispatcher**）二、任务提交流程三、任务调度原理3.1 TaskManager和Slots3.2 Slot和并行度3.3 程序和数据流3.4 执行图（ExecutionGraph）3.5 数据传输形式3.6 任务链（OeratorChains）
一、]]></description><category></category></item><item><title><![CDATA[租房数据-数据分析]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/122965158</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/122965158</guid><author>Java_KW</author><pubDate>Wed, 16 Feb 2022 15:57:53 +0800</pubDate><description><![CDATA[文章目录安居客租房数据爬虫以及数据分析一、安居客租房数据爬虫部分二、安居客租房数据分析一、 读取数据，并简单处理数据1.1 判断是否有重复值1.2 判断是否有缺失值二、简单分析数据2.1 处理数据2.2 查看价格、面积的分布情况价格的分布情况面积的分布情况2.3 区域、层数对价格的影响各个区域的价格分布情况各个层级的价格分布情况三、分析数据间的相关性四、数据标准化五、总结
安居客租房数据爬虫以及数据分析
最近把安居客租房的数据爬取了一部分，正好想着进行一些简单的数据分析。

一、安居客租房数据爬虫部分

爬]]></description><category></category></item><item><title><![CDATA[python 杂记2]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/122895957</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/122895957</guid><author>Java_KW</author><pubDate>Sat, 12 Feb 2022 14:10:51 +0800</pubDate><description><![CDATA[文章目录判断文件是否存在，以及复制文件pandas 判断某一列的规则pandas 中 series 转换为 dataframepandas读取excel文件的两种方式dataframe 与列表运算获取某月的第一天和最后一天的日期pandas删除重复值*drop_duplicates*

判断文件是否存在，以及复制文件
import os
import  shutil

# 判断文件是否存在
if not os.path.exists('C:\\Users'):
    # 复制文件，类似于 cp 命令
	s]]></description><category></category></item><item><title><![CDATA[python操作word]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/122154988</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/122154988</guid><author>Java_KW</author><pubDate>Mon, 27 Dec 2021 10:14:22 +0800</pubDate><description><![CDATA[python操作word
文章目录python操作word1、需要安装`python-docx`库2、导入相关包3、操作word3.1 读取word文件3.2 修改段落文字，以及段落样式（风格和大小）3.3 修改表格的中的内容3.4 删除表格或段落3.5 将document对象保存为docx文档4、模板4.1 更新表格函数4.2 更新文本函数
1、需要安装python-docx库
pip install python-docx

2、导入相关包
from docx import Document
from ]]></description><category></category></item><item><title><![CDATA[python 杂记]]></title><link>https://blog.youkuaiyun.com/Java_KW/article/details/122154617</link><guid>https://blog.youkuaiyun.com/Java_KW/article/details/122154617</guid><author>Java_KW</author><pubDate>Sun, 26 Dec 2021 14:05:18 +0800</pubDate><description><![CDATA[杂记
pandas实现SQL的in和not in
import pandas as pd

df = pd.DataFrame({'id':['3000','4001','4002','3005']})
ids = ['4001','4002']

# 方式一
df[df.id.isin(ids)]
df[~df.id.isin(ids)]

# 方式二
df.query("id in @ids")
df.query("id not in @ids")


pandas 实现 startswith
# 方式]]></description><category></category></item></channel></rss>