<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[YOU CAN IF YOU BELIEVE YOU CAN]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ciky2011</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ciky2011]]></copyright><item><title><![CDATA[Sphinx sphinx-quickstart sphinx-apidoc auto generate API documents]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/140041616</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/140041616</guid><author>ciky2011</author><pubDate>Fri, 28 Jun 2024 15:13:20 +0800</pubDate><description><![CDATA[Sphinx uses reStructuredText as its markup language. The process of Sphinx generating documents is like this:Project source code (Python or other supported languages)->reStructuredText files ->documents (HTML or other supported format)Sphinx provides two c]]></description><category></category></item><item><title><![CDATA[当site-packages的类型为.so，Python解释器不会提示或列出该模块可用的函数和类的原因及解决方法]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/139796339</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/139796339</guid><author>ciky2011</author><pubDate>Wed, 19 Jun 2024 10:53:11 +0800</pubDate><description><![CDATA[原因：
当你在Python中导入一个.so文件（或者任何扩展模块）时，如果它不提供任何Python级别的接口或文档，Python解释器通常不会提示或列出可用的函数和类。这是因为扩展模块可能是用C语言编写的，并且它们通常不会向Python解释器提供元信息，这些信息可以用来生成帮助文档或自动完成功能。

解决方法：
为.so文件提供Python级别的接口或文档通常涉及创建Python包装器，这个包装器将C扩展的API转换为Python友好的函数和类。这通常意味着你需要编写一些Python代码来加载.so]]></description><category></category></item><item><title><![CDATA[PyCharm QThread 设置断点不起作用]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/139600303</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/139600303</guid><author>ciky2011</author><pubDate>Tue, 11 Jun 2024 15:36:23 +0800</pubDate><description><![CDATA[如果您的解释器上安装了多个与PyQt兼容的后端，默认情况下，会启用自动搜索选项，这意味着将使用最先找到的后端。

启动debug是会看到：
/Applications/PyCharm CE.app/Contents/plugins/python-ce/helpers/pydev/pydevd.py --multiprocess --qt-support=auto --client 127.0.0.1 --port 54370 --file]]></description><category></category></item><item><title><![CDATA[ValueError: Cannot mask with non-boolean array containing NA / NaN values]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/137232874</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/137232874</guid><author>ciky2011</author><pubDate>Mon, 01 Apr 2024 14:46:59 +0800</pubDate><description><![CDATA[如果你遇到了这个错误，这意味着你试图用一个包含NA或NaN值的非布尔数组来过滤你的 DataFrame。这通常发生在.loc[]或布尔索引操作中，如果生成的掩码（mask）数组中含有缺失值，Pandas 就无法正确地应用这个掩码。要解决这个问题，你需要确保你的掩码数组是一个只包含True和False的布尔数组，并且不包含任何NA或NaN值。你可以通过填充缺失值或删除含有缺失值的行来解决这个问题。以下是一些可能的解决方案。]]></description><category></category></item><item><title><![CDATA[Pandas apply transform agg 函数区别]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/136532980</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/136532980</guid><author>ciky2011</author><pubDate>Thu, 07 Mar 2024 14:38:41 +0800</pubDate><description><![CDATA[【代码】Pandas apply transform agg 函数区别。
apply 传入的为DataFrame，transform和agg传入的为Series。
可通过打印传入的参数，进行本质比较，DF和Series可做的操作不同；如列相加只能DF。
transform返回值其索引和列与原始DataFrame相同，agg必为聚会结果及组数，apply看具体应用函数的行为即可能为与原大小一样，也可能为聚合后的即只有组数。]]></description><category></category></item><item><title><![CDATA[Pandas isin()函数介绍]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/136499616</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/136499616</guid><author>ciky2011</author><pubDate>Wed, 06 Mar 2024 10:58:48 +0800</pubDate><description><![CDATA[isin()函数是 Pandas 库中的一个非常实用的函数，主要用于筛选数据框（DataFrame）或序列（Series）中包含特定值的数据。这个函数可以接收一个列表、集合或其他可迭代对象作为参数，并返回一个布尔型的序列，其中每个元素表示原始序列中的对应元素是否出现在给定的集合中。]]></description><category></category></item><item><title><![CDATA[Pandas merge()函数介绍]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/136388360</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/136388360</guid><author>ciky2011</author><pubDate>Fri, 01 Mar 2024 10:16:11 +0800</pubDate><description><![CDATA[merge()函数是 Pandas 库中一个非常强大的工具，用于根据一个或多个键将两个 DataFrame 合并起来。这是数据整合和清洗中经常使用的操作。merge()函数提供了多种合并方式，包括内连接（inner join）、左连接（left join）、右连接（right join）和外连接（outer join）。left：左侧 DataFrame。
right：右侧 DataFrame。
on：用于合并的列名。必须存在于两个 DataFrame 中。
how：指定合并类型，可选值为 'left']]></description><category></category></item><item><title><![CDATA[Pandas agg()函数介绍及命名聚合]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/136346136</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/136346136</guid><author>ciky2011</author><pubDate>Wed, 28 Feb 2024 17:30:27 +0800</pubDate><description><![CDATA[agg()函数是 Pandas 库中的一个非常强大的函数，用于执行聚合操作。在 Pandas 中，聚合通常指的是对一组值执行某种计算以返回一个单一的值，例如求和、平均值、最大值、最小值等。
agg()函数可以应用于 Pandas 的Series、DataFrame或GroupBy对象。它允许你灵活地应用一个或多个聚合函数到数据上。命名聚合（Named Aggregation）是 Pandas 库中一种特殊的聚合方式，主要用于在 GroupBy 操作中更清晰、明确地指定聚合操作的输出列名以及对应的]]></description><category></category></item><item><title><![CDATA[Python PyQt 程序设置图标]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/134436368</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/134436368</guid><author>ciky2011</author><pubDate>Thu, 16 Nov 2023 11:06:19 +0800</pubDate><description><![CDATA[转化后右键点击文件链接，然后点击“将链接另存为……256x256为大图标 默认的32x32很小（不建议用)虽然没直接引用，必须导入，要不任务栏出不来图标。冒号+prefix路径前缀+file相对路径。]]></description><category></category></item><item><title><![CDATA[setup.py文件简介]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/133773721</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/133773721</guid><author>ciky2011</author><pubDate>Wed, 11 Oct 2023 16:40:23 +0800</pubDate><description><![CDATA[文件是 Python 包管理工具（如 pip）用来处理包依赖、元数据等的脚本文件。它位于包的根目录下，用于定义包的特性、以及构建和安装包。文件，并在你的环境中安装这个包。时，pip 会运行这个。]]></description><category></category></item><item><title><![CDATA[30 天 Pandas 挑战 Day16:reset_index()将结果从 Series转为DataFrame]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/133707347</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/133707347</guid><author>ciky2011</author><pubDate>Mon, 09 Oct 2023 17:00:21 +0800</pubDate><description><![CDATA[reset_index() 方法是一个非常实用的工具，可以帮助你在进行数据聚合操作后，将结果从 Series 格式转化为更易于分析和使用的 DataFrame 格式。]]></description><category></category></item><item><title><![CDATA[pandas argmax 和max区别]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/133317623</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/133317623</guid><author>ciky2011</author><pubDate>Tue, 26 Sep 2023 17:30:27 +0800</pubDate><description><![CDATA[函数用于返回数据集中最大（或最小）值的索引。如果数据集中有多个相同的最大（或最小）值，那么这个函数将返回第一个出现该最大（或最小）值的索引。是 Pandas 中的两个函数，它们在处理数据时发挥了不同的作用。输出结果为：2，因为第二个元素（索引为2）是最大的元素。函数返回的是数据集中最大（或最小）的值。输出结果为：9，因为9是数据集中最大的值。在 Pandas 中的区别。]]></description><category></category></item><item><title><![CDATA[30 天 Pandas 挑战]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/132775935</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/132775935</guid><author>ciky2011</author><pubDate>Sat, 09 Sep 2023 12:19:24 +0800</pubDate><description><![CDATA[例如，假设我们有两个DataFrame，其中一个包含列名为"A"和"B"，另一个也包含列名为"A"和"B"，如果我们使用merge函数将它们合并在一起，则会自动生成一个新的列名，例如"A_x"和"B_x"来表示第一个DataFrame中的列，"A_y"和"B_y"来表示第二个DataFrame中的列。因此，count 表示该系列中 True 的数量，它对应于低工资的账号数量。可以看到，在合并后的DataFrame中，"A"和"B"列都存在，但每个列都有两个不同的值，同时自动生成了新的列名来避免重复。]]></description><category></category></item><item><title><![CDATA[seaborn color palette 调色板颜色图]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/132359563</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/132359563</guid><author>ciky2011</author><pubDate>Fri, 18 Aug 2023 14:05:21 +0800</pubDate><description><![CDATA[【代码】seaborn color palette 调色板颜色图。]]></description><category></category></item><item><title><![CDATA[Long vs. Wide Data: What’s the Difference?]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/132333941</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/132333941</guid><author>ciky2011</author><pubDate>Thu, 17 Aug 2023 09:45:13 +0800</pubDate><description><![CDATA[As a rule of thumb(根据经验), if you’re analyzing data then you typically will use a。]]></description><category></category></item><item><title><![CDATA[PyQt拖拽文件 Drag Drop]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/132280000</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/132280000</guid><author>ciky2011</author><pubDate>Mon, 14 Aug 2023 17:11:19 +0800</pubDate><description><![CDATA[【代码】PyQt拖拽文件 Drag Drop。]]></description><category></category></item><item><title><![CDATA[Django makemigrations can‘t have more than one auto-generated field.]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/131936070</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/131936070</guid><author>ciky2011</author><pubDate>Wed, 26 Jul 2023 11:50:45 +0800</pubDate><description><![CDATA[出错前：id = models.BigAutoField(db_column='ID', unique=True)更改为：id = models.BigAutoField(db_column='ID', unique=True,，如果你不想使用它自动生成的字段, 你可以。，而不是使用自动生成的字段。会自动生成一个主键字段。自己定义一个自己的主键。]]></description><category></category></item><item><title><![CDATA[Django model 外键 xx_id field]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/131808158</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/131808158</guid><author>ciky2011</author><pubDate>Wed, 19 Jul 2023 14:41:04 +0800</pubDate><description><![CDATA[主键(ability_id = models.BigAutoField(db_column='AbilityID', primary_key=True)虽然在子类AbilityScore里明面代码上没有，实际上是存在的，所以在设唯一约束。外键(ability = models.ForeignKey。(外键&父model对象)衍生出。具体见下图debug信息。(属性&int) 和。]]></description><category></category></item><item><title><![CDATA[Django配置数据库&ORM基础字段&选项&增删改查&F对象Q对象&聚合查询&原生数据库操作&SQL注入]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/131725019</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/131725019</guid><author>ciky2011</author><pubDate>Tue, 18 Jul 2023 16:36:26 +0800</pubDate><description><![CDATA[Django配置数据库&ORM基础字段&选项&增删改查&F对象Q对象&聚合查询&原生数据库操作&SQL注入]]></description><category></category></item><item><title><![CDATA[Django auto_now=True 不更新]]></title><link>https://blog.youkuaiyun.com/ciky2011/article/details/131790221</link><guid>https://blog.youkuaiyun.com/ciky2011/article/details/131790221</guid><author>ciky2011</author><pubDate>Tue, 18 Jul 2023 16:32:05 +0800</pubDate><description><![CDATA[update_time 的auto_now设置为True，更新了表格里的某个属性的值，却发现update_time和create_time始终一致，保持最开始的创建时间。]]></description><category></category></item></channel></rss>