- 博客(253)
- 收藏
- 关注
RSS订阅原创 YUM命令和实战详解
本文介绍了Linux系统中软件包管理的分层架构，重点解析了底层RPM与上层YUM/DNF工具的协同工作机制。RPM作为基础安装工具负责本地包的解压和安装记录，而YUM/DNF则通过元数据机制自动解决依赖关系。文章详细列举了两类工具的常用命令参数，并深入讲解了YUM软件源的配置原理，特别是createrepo工具如何构建本地仓库元数据。最后通过企业级实战案例，演示了在无网环境下自建YUM源安装MySQL的全流程，包括冲突处理、仓库创建、配置编写和安装验证，为系统管理员提供了完整的离线包管理解决方案。
2026-07-16 14:21:43
316
原创 linux软件包管理
本文从专业视角解析Linux软件包管理，重点探讨RPM与源码包的底层设计差异及企业级应用。 设计哲学对比： 源码包通过本地编译实现高度定制化，但耗时且依赖复杂 RPM包提供标准化二进制分发，确保快速部署和一致性 RPM命令机制： 详细解析安装(-i)、升级(-U)、查询(-q)和卸载(-e)等核心操作 重点说明数据库查询功能在系统审计中的关键作用 离线环境实战： 以MySQL 8.0为例，演示无网环境下RPM包的手动依赖拓扑构建 提供完整的安装流程、冲突解决和初始化配置方案 总结指出源码包与RPM包的适用场
2026-07-16 10:58:46
354
原创 linux定时任务的设置方法
如果你是完全的新手，强烈建议选择 nano。我们要让系统每隔 5 分钟，自动检查一次磁盘剩余空间。（通常输入对应的数字按回车即可），因为它最简单，像记事本一样直接打字就行。如果看到类似下面的内容，说明你的第一个自动化运维任务已经完美上线了！(这代表每小时的 0 分，用 bash 运行 clean.sh 脚本)首先，我们在你的家目录下创建一个脚本文件。，那就是在能被2整除的那个小时里，每分钟都在疯狂执行！现在，我们要让系统每隔 5 分钟帮我们跑一次这个脚本。(注意顺序：30分，2点，后面的日、月、周都是。
2026-07-14 09:49:25
242
原创 Linux 时间同步
本文深入解析Linux时间同步机制，分为上下两层架构：上层管理工具timedatectl用于状态展示和指令下达，底层同步服务包括systemd-timesyncd（轻量客户端）、chronyd（新一代全功能服务）和ntpd（经典服务）。文章详细介绍了timedatectl的常用操作，如查看时间状态、设置时区、开启/关闭网络同步等。针对底层同步服务，分别讲解了轻量级客户端systemd-timesyncd的配置方法，以及企业级首选Chrony的部署步骤（包括服务端模式）。最后，提供了生产环境排障的黄金守则，涵
2026-07-10 11:08:38
514
原创 NTP 时间服务器部署全流程手册
本文详细介绍了在CentOS 7系统上部署NTP时间服务器的完整流程。主要内容包括：1）安装ntp软件包并手动同步初始时间；2）提供标准配置模板，详解关键参数如nomodify、iburst等，配置上层时间源和本地后备时钟；3）配置防火墙开放UDP 123端口并启动服务；4）通过ntpq和ntpstat命令验证同步状态；5）指导局域网客户端配置指向该NTP服务器。文章强调安全策略和断网后备机制，确保内网时间同步的可靠性和安全性。
2026-07-10 09:50:44
279
原创 Linux 文件权限与用户管理
本文档总结了Linux系统中文件权限与用户管理的核心知识点，包含三类用户（普通用户、root、用户组）的特点对比，详细解析了rwx权限对文件和目录的不同含义，以及三个权限角色（属主、属组、其他人）的关系管理。文章提供了文件权限查看方法、七种文件类型说明，并重点介绍了chmod（权限修改）、chown（属主修改）、chgrp（属组修改）等关键命令的使用方法，包含字母和数字两种权限表示方式的对照表。文档还强调了root账户的使用注意事项和文件删除权限的特殊规则，适合作为Linux权限管理的快速参考指南。
2026-07-09 15:48:21
218
原创 Pytest + Requests + YAML 数据驱动+日志模块
本文介绍了一个小型接口自动化测试项目的设计思路。作者从项目架构入手，将测试数据、配置、公共方法等模块分层管理，形成可复用的项目骨架。核心内容包括：1）使用YAML文件管理测试数据和配置；2）封装请求工具类统一处理日志和请求；3）通过conftest.py集中管理公共fixture，特别是实现全局token复用机制。该项目采用分层设计，包括config、data、common和tests目录，确保代码结构清晰、易于扩展。作者强调，这种设计不仅能验证单一接口，更能组织完整的认证链路测试。
2026-04-02 17:38:01
454
原创 pytest + YAML + requests`简单实例化
本文介绍了一个完整的pytest+YAML+requests登录接口测试项目。项目通过Flask搭建本地登录接口服务，使用requests发送请求，YAML管理测试数据，pytest执行测试并实现数据驱动。主要内容包括：1) 项目目录结构设计；2) 接口服务(app.py)的实现；3) YAML配置文件和测试数据管理；4) 常用工具类封装(yaml_util.py和request_util.py)；5) pytest配置(pytest.ini)和fixture使用(conftest.py)；6) 测试用例编
2026-03-29 16:49:47
453
原创 pytest进阶参数化用法
本文系统介绍了pytest参数化测试与YAML数据管理的结合应用。主要内容包括：参数化的三种实现方式（装饰器、fixture、钩子函数）；单参数与多参数场景的实践；通过ids参数提升测试可读性；使用pytest.param()标记特殊数据组；fixture参数化的应用场景。同时详细讲解了YAML作为测试数据管理工具的优势、核心语法结构及安全读取方法（推荐使用safe_load），最后展示了如何将YAML数据与pytest参数化测试框架集成，实现高效的数据驱动测试。
2026-03-27 16:06:56
500
原创 Fixture详解
本文介绍了pytest框架中fixture的核心概念和使用方法。首先通过最小示例展示了fixture的基本用法，解释了参数注入机制。接着对比了fixture相较于传统setup/teardown的优势，包括统一解决前置准备、资源共享和后置清理问题。重点讲解了如何通过conftest.py实现目录级共享资源，以及fixture的五种作用域（session/package/module/class/function）及其生命周期管理。最后演示了yield语法如何优雅实现资源清理，确保测试环境的可靠性。全文通过代
2026-03-26 22:29:05
543
原创 pytest 基础用法教程
本文总结了pytest测试框架的核心使用规范和实践技巧。主要内容包括：1) 测试文件、类和函数的命名规范；2) 原生assert断言的使用；3) 指定执行范围的方法和常用运行参数(-k/-m)；4) pytest.ini配置文件的编写；5) setup/teardown的分级使用；6) 测试用例执行顺序控制；7) skip跳过测试的实现方式；8) 使用Fixture解决接口参数依赖问题。这些内容涵盖了从基础配置到高级用法的关键知识点，特别适合需要快速掌握pytest核心功能的测试开发人员。
2026-03-24 11:36:16
581
原创 pythonQT图书管理系统的进阶版本
本文介绍了一个基于Python和PyQt5的图书管理系统开发教程，适合Python初学者学习。系统采用模块化设计，包含数据模型(model)、数据访问层(dao)、控制逻辑(controller)和用户界面(view)四个核心模块。数据模型定义了用户、图书、角色和权限等基础类；数据访问层使用SQLite数据库，实现了安全的密码哈希存储；控制逻辑包含用户认证、权限管理和图书操作等功能；用户界面则提供不同角色的交互界面。系统特色包括：自动创建管理员账户、基于角色的权限控制、密码安全存储等。通过这个项目，初学者可
2026-02-21 11:01:22
671
原创 python QT sqlsite版本 图书管理系统
这篇文章展示了使用PyQt5构建图书管理系统视图层和数据层的代码实现。视图层通过Ui_MainWindow类创建了一个包含查询区域、按钮区域、表格显示和分页功能的用户界面。数据层通过BookManager类提供了添加图书、删除图书和搜索图书等核心功能，并与数据库进行交互。两个层级的代码展示了前后端分离的设计思路，视图层负责UI展示，数据层处理业务逻辑和数据库操作。
2026-02-20 10:44:43
266
原创 pythonQT版本的图书管理系统
本文展示了一个使用PyQt5设计的图书管理界面UI代码。界面包含四个功能按钮（pushButton1-4）、一个7列的表格控件(tableWidget)用于显示图书数据，以及多个搜索输入框和标签。界面布局采用水平排列，包含图书ID、名称等搜索字段(lineEdit控件)。整个窗口尺寸为900x600像素，表格占据主要显示区域。代码使用PyQt5的自动生成UI框架，包含控件位置、大小策略等详细设置，为图书管理系统提供了基础的前端界面框架。
2026-02-20 09:36:40
290
原创 用 Python 30 分钟做出自己的记事本
本文摘要： 《零基础手把手：用 Python 30 分钟做出自己的记事本》教程详细介绍了如何使用 PyQt6 构建一个简易记事本程序。文章通过六个关键步骤，从创建基础窗口、添加文本编辑器到实现文件操作和字数统计功能，逐步讲解每个组件的实现原理和常见错误。重点包括：1）必须创建应用对象和事件循环；2）使用 QTextEdit 处理多行文本；3）正确构建菜单栏；4）实现文件打开/保存功能；5）实时字数统计；6）采用类结构封装代码。教程强调理解代码逻辑而非简单复制，每个步骤都配有思考题帮助读者深入掌握 PyQt6
2026-02-04 23:03:13
3312
4
原创 某小说数据分析过程
本教程介绍了xxxx小说网数据分析的全流程，包括数据爬取、清洗和可视化分析。通过爬虫获取小说基本信息、热度数据和标签信息后，重点分析了作品分类分布、字数统计、点击量排名和标签流行度。研究发现玄幻奇幻类作品最受欢迎，平均字数达285万字，热门标签包括"重生"、"系统"等。分析还比较了男女读者作品差异和作者更新频率，为理解平台内容和读者偏好提供了数据支持。
2026-01-31 10:18:51
928
原创 Matplotlib可视化入门教程
Matplotlib 是 Python最经典的数据可视化库🎯核心能力：绘制折线图、柱状图、散点图、热力图等20+种图表🌐生态地位：Pandas/Seaborn等高级库的底层绘图引擎💡新手友好：语法直观，文档完善（官网📱输出灵活：支持保存为PNG/JPG/PDF/SVG，嵌入网页或报告💡小知识：名字 = “MATLAB” + “plot” + “library”，设计灵感源自MATLAB绘图系统。
2026-01-28 12:23:38
487
原创 panndas数据分析综合案例
本文介绍了一个完整的Pandas销售数据分析流程，从数据生成到可视化呈现。教程首先导入必要的Python库并设置中文显示，然后模拟生成包含日期、产品、地区、销量等字段的销售数据。接着进行数据清洗，处理缺失值、重复值和异常值，并添加时间维度辅助列。在分析阶段，通过分组聚合和透视表对产品、地区等维度进行汇总统计，并计算月度销售额环比增长率。最后使用Matplotlib和Seaborn绘制多维度可视化图表，包括产品销售额对比、月度趋势分析等。整个流程涵盖了数据分析的典型步骤，适合零基础用户学习Pandas数据处理
2026-01-27 15:50:10
558
原创 pandas基础三
本文详细介绍了数据处理的三个核心操作：分组、聚合以及排序排名。在分组聚合部分，讲解了如何通过groupby()方法将数据按特定标准分组，并应用sum、mean等聚合函数计算统计值，展示了单列和多列分组聚合的实例。排序部分介绍了sort_values()和sort_index()两种方法，分别用于按列值或索引排序。排名部分则解释了rank()函数的五种不同排名方式，特别是如何处理相同值的排名问题。这些基础操作构成了数据分析的核心技能，能够有效支持各类数据统计和分析需求。
2026-01-26 17:04:52
728
原创 Pandas基础（二）
数据清洗是数据分析的关键环节，直接影响决策可靠性、模型性能和工作效率。本文通过三个实战案例演示了缺失值处理方法：1）商品价格数据中，将特殊符号转为NaN后用中位数填充；2）泰坦尼克号数据中，按性别分组计算年龄中位数填充；3）问卷调查数据中，识别"无"、"未知"等隐性缺失值并用众数填充。案例展示了Pandas的isnull()、dropna()和fillna()等核心方法的应用，以及根据数据类型选择中位数或众数填充的策略。数据清洗需结合业务场景，针对性处理才能保证数据质
2026-01-23 09:14:05
1017
原创 Pandas基础（一）
本文介绍了Pandas中Series和DataFrame的核心概念及常见文件操作方法。Series是一维数据列，类似Excel单列；DataFrame是二维表格，由多个Series组成。文章详细讲解了CSV、XLSX、JSON文件的读写方法，包括关键参数如分隔符、工作表名、JSON格式方向等，并提供了处理嵌套JSON的示例。最后总结了不同文件格式的读取保存方法及关键参数，帮助用户快速掌握Pandas数据处理技巧。
2026-01-21 14:49:20
693
原创 基于Tkinter基础模板的开发流程指南
本文介绍了基于Tkinter的基础模板进行定制开发的方法。首先展示了一个包含窗口设置、菜单栏、内容区域和状态栏的基础Python GUI模板。然后详细说明了定制开发的步骤：1）需求拆解，明确核心功能、UI需求和数据需求；2）基于模板规划扩展点，重点在create_widgets()方法中添加新组件。最后给出了具体实现示例，展示如何在内容区域添加待办事项输入框、列表和操作按钮等组件。该模板为快速开发Python GUI应用提供了可扩展的基础框架。
2026-01-15 16:20:03
896
原创 如何做到电脑只能访问百度
路由器作为网络网关，可以通过设置访问控制策略实现逻辑网络隔离。具体原理是：路由器监控目标设备的DNS请求和HTTP/HTTPS流量，利用白名单机制只放行指定域名（如baidu.com），拦截其他所有访问请求。这种基于应用层的控制虽然存在绕过DNS、HTTPS加密等局限性，但通过最小权限原则有效隔离了设备与其他网络资源，常用于家庭上网管理、企业访客网络等场景。
2025-12-31 17:49:20
1452
原创 典型局域网组建方案简介
本文介绍了三种典型局域网的组建方案：小型（100人以下）主要采用总线型、星型以太网；中型（100-500人）包括集中式、分布式和可靠式方案；大型（1000人以上）涉及校园网、医院网等复杂分层结构。重点分析了不同规模网络的拓扑结构、硬件需求和特点，小型网成本低易组建，中型网按办公模式选择方案，大型网注重高带宽和可靠性。通过典型案例（如清华大学校园网）展示了实际应用，为局域网建设提供了实用指导。
2025-12-07 20:31:56
452
原创 局域网组建与维护教程
局域网是现代办公环境的基础设施，解决了数据共享、资源利用和工作效率等问题。其基本特征包括覆盖范围小、传输速率高和结构简单。局域网的技术特点由拓扑结构（总线型、环形、星形等）、传输介质（双绞线、同轴电缆、光纤）和介质访问控制方式决定。常见的局域网类型包括对等网、客户机/服务器网络、无盘工作站网络和无线局域网。随着技术进步，局域网正向无线化、高速化、网络融合、安全增强和智能化管理方向发展。了解局域网基础知识有助于更好地使用网络资源，并为未来网络技术学习打下基础。
2025-12-07 10:11:24
992
原创 192.168.0.1和192.168.1.1的区别
摘要：192.168.0.1和192.168.1.1是常见的私有IP地址，主要区别在于网段归属和品牌偏好。前者多用于腾达等品牌和光猫，后者常见于TP-Link等路由器。这种区分最初是为避免IP冲突，现在许多新路由器改用域名管理。用户可通过设备标签或命令行查看默认网关地址来确认具体管理地址。
2025-12-07 10:00:03
2148
原创 集线器、交换机与路由器的区别：一图读懂
特性集线器交换机路由器工作层级物理层数据链路层网络层转发依据无（广播）MAC地址IP地址带宽模式共享独立按需转发核心作用连接多设备成内网高效组建内部网络连接内外网，实现跨网通信典型场景早期小型局域网（已淘汰）企业/家庭内网家庭/企业接入互联网“交换机是内部网络的交通警察，路由器是连接内外网的导航系统，而集线器就像过时的大喇叭——虽然能用，但已经跟不上时代了！现在，你家里的网络应该用什么设备呢？如果你只是想连接几台电脑，交换机是最佳选择；如果你需要上网，路由器必不可少；而集线器。
2025-12-01 14:15:25
742
原创 LAN口和WAN口区别
路由器接口详解：WAN口与LAN口的区别 WAN口是路由器的"大门"，用于连接外部互联网（通常连接光猫），获取公网IP；LAN口则是"内部通道"，连接家中设备（如电脑、手机），分配私有IP（如192.168.x.x）。关键区别： 方向：WAN口对外，LAN口对内 数量：WAN口通常1个，LAN口2-4个 功能：WAN口接入网络，LAN口实现设备互联 常见错误：误将光猫网线插入LAN口导致无法上网，需正确连接至WAN口。部分新款路由器支持接口自适应，但建议按标识操作。
2025-11-28 17:07:04
1998
原创 excel筛选的几种方式
Excel筛选功能摘要（148字）： Excel提供多种数据筛选方式：1）自动筛选适合简单条件筛选；2）高级筛选可处理多条件复杂查询；3）自定义筛选支持精确范围设置；4）搜索框快速定位关键词；5）颜色筛选按单元格背景色分类；6）切片器提供可视化交互筛选；7）Excel 365新增FILTER函数公式筛选。这些方法从基础到高级，满足不同场景需求，能有效提升数据处理效率，特别适合处理大量数据时的快速信息提取。
2025-11-21 11:37:06
933
原创 Excel拆分和合并优化版本
以下是生成的150字文章摘要： 本文介绍了一个基于Python的Excel文件拆分与合并工具，采用模块化设计实现高效处理。系统通过Pandas和openpyxl库支持快速数据操作和格式保留两种模式，提供GUI界面简化操作流程。核心功能包括：按指定行数拆分Excel文件，基于文件名模式识别的智能合并，支持保留或忽略格式以平衡速度与效果。工具采用日志记录、异常处理和用户友好提示，确保稳定性和易用性。关键技术点包含文件名模式提取算法、多线程处理优化及数据完整性校验，适用于大批量Excel数据处理场景。
2025-10-23 16:53:06
570
原创 excel拆分和合并代码的思路整合和工具打包
本文介绍了Excel文件拆分的核心流程和代码实现。主要步骤包括：1)验证输入有效性；2)读取Excel数据；3)计算拆分规则（总行数/每文件行数取整）；4)循环切割数据并保存为多个小文件。程序通过Pandas库实现数据操作，采用tkinter构建图形界面，支持自动计算行数、处理边界情况等功能。关键点在于分块读取数据（df.iloc[start:end]）和自动生成文件名，最终输出拆分成功提示。该方法无需手动计算，可高效处理大型Excel文件拆分需求。
2025-10-21 16:56:14
493
原创 python打包遇到的异常
Python打包时遇到PyInstaller依赖分析错误，主要与matplotlib_inline包冲突。解决方法是通过创建新的spec文件，明确排除有问题的依赖项（如matplotlib、matplotlib_inline和IPython），并手动指定必要的隐藏导入（如pandas、openpyxl等）。最后使用修改后的spec文件重新打包即可。该问题通常出现在包含数据可视化相关库的项目中，通过排除冲突依赖可有效解决打包失败问题。
2025-10-20 13:08:22
283
原创 NumPy 快速入门
本文介绍了NumPy数组的基本操作，包括创建、索引切片、数学运算和统计函数应用。主要内容涵盖：1) 多种数组创建方式（列表转换、全零/全一数组、范围/等间距数组）；2) 一维和二维数组的索引切片技巧；3) 元素级数学运算和矩阵乘法；4) 常用数学和统计函数（如均值、标准差、三角函数等）。最后通过两个综合案例（学生成绩分析和电商销售数据分析）展示了NumPy在实际数据处理中的应用，包括数据统计、条件筛选和多维数组操作等实用技巧。
2025-10-17 14:54:44
489
原创 Excel VLOOKUP函数完全教程：从基础到高级实战
Excel VLOOKUP函数完全教程摘要 本教程系统讲解Excel VLOOKUP函数，覆盖基础语法、核心参数和20+实战场景。VLOOKUP用于垂直查找，核心语法为=VLOOKUP(lookup_value,table_array,col_index_num,[range_lookup])，需注意其"只能从左到右查找"等限制。教程包含9个高频场景： 精确匹配（如根据ID查成绩） 近似匹配（如订单量查折扣） 区分大小写查找方案 反向查找（INDEX+MATCH组合） 查找第n个匹配值
2025-10-15 15:37:31
10296
原创 COUNTIF函数 精通：8个必备Excel示例
本文介绍了Excel中COUNTIF函数的多种应用场景。主要内容包括：1）精确统计特定文本、数字或日期的单元格数量；2）使用通配符进行部分匹配统计；3）统计空白/非空白单元格；4）区分统计文本或数字单元格；5）基于数值大小或日期范围进行统计；6）使用COUNTIFS函数实现多条件统计；7）统计唯一值和重复值的方法。通过具体公式和示例演示了COUNTIF函数在数据处理中的灵活应用，可帮助用户高效完成各类统计任务。
2025-10-15 14:48:57
1937
原创 纵向合并和横向合并工作表的思路
本文介绍了Excel中纵向合并数据的6种方法。基础方法包括手动复制粘贴（适合少量数据）和移动/复制工作表（适合整表合并）。进阶方案推荐Power Query（自动化处理大批量数据）和Python pandas（编程方式高效合并）。还介绍了两种函数法：传统IF+INDEX组合适合固定结构，SEQUENCE动态数组公式则能自动扩展处理更多数据。各种方案在操作复杂度、自动化程度和适用场景上各有特点，用户可根据数据量、技术水平和更新频率选择最适合的方法。
2025-10-14 23:01:55
1791
原创 去重表格的几种思路
本文介绍了Excel数据去重的三种方法：1)使用Excel内置的"删除重复项"功能，通过数据选项卡选择列进行去重；2)使用COUNTIFS函数创建多条件去重公式，可基于姓名、年龄、出生日期等多列组合识别重复项；3)利用Power Query工具，通过转换为表格后按指定列删除重复项。此外还提供了Python pandas的drop_duplicates()方法实现类似功能，支持读取Excel文件后按多列组合去重并保存结果。这些方法适用于不同场景，从简单单列去重到复杂多条件去重均有覆盖。
2025-10-11 22:25:25
1168
原创 利用python pandas库清洗病例处方清洗步骤
本文介绍了使用Pandas进行数据清洗的代码整合，主要包含患者数据和病例处方数据的清洗方法。在患者数据清洗部分，包括数据去重（保留最新就诊记录）、合并身份证号列、职业字段替换、出生日期提取与身份证号合法性校验、手机号校验等功能。在病例处方数据清洗部分，涵盖了时间拼接、初诊/复诊标识、数据匹配（类似VLOOKUP）等操作。这些方法通过Pandas的各种函数如drop_duplicates()、replace()、merge()等实现，比Excel操作更高效简洁，适合处理医疗领域的数据清洗需求。
2025-09-13 21:38:53
1004
原创 VLOOKUP专题训练
本文介绍了Excel中VLOOKUP、MATCH、INDEX等函数的组合应用技巧。主要内容包括：1. VLOOKUP基础用法，通过姓名查找成绩；2. 结合COLUMN函数实现动态列匹配；3. MATCH与VLOOKUP嵌套实现智能列定位；4. INDEX+MATCH解决乱序数据查询；5. VLOOKUP与IF嵌套进行价格区间判断。这些方法适用于成绩查询、订单管理、商品分类等场景，可提升表格数据处理效率和准确性。文章通过具体案例和公式示例，展示了如何灵活运用这些函数解决实际问题。
2025-08-23 17:26:29
3211
原创 患者数据与病例处方清洗难题的整理解决方案
本文针对医疗数据清洗问题，提出了一套完整的Excel解决方案。方案分为患者数据和病例处方两大模块，涵盖数据去重、字段合并、职业标准化、日期提取、证件校验、手机号验证等常见问题。详细说明了各类问题的处理逻辑和对应的Excel公式，包括身份证校验码计算、日期合法性检查等复杂场景。特别提供了15位/18位身份证号的处理方法，以及初诊复诊的自动标识方案。对于大数据量场景，建议使用Power Query或VBA提高效率。方案强调数据验证规则的重要性，并建议建立清洗文档便于维护。该方案既适合Excel基础操作，也包含高
2025-08-23 10:13:02
1030
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人