别抢我的锅包肉-优快云博客

原创 FastAPI + Vue3 + Vite 跨域报错全解：从 `Access-Control-Allow-Origin missing` 到彻底修复

本文详细解析了前端Vue3+Vite项目中的跨域问题(CORS)解决方案。关键步骤包括：修改api.js中的baseURL为相对路径/api 在vite.config.js中配置代理转发规则在FastAPI后端添加CORSMiddleware中间件统一前后端端口配置并重启服务通过代理转发和后端CORS配置的双重保障，有效解决了浏览器跨域拦截问题。同时优化了项目配置结构，使接口管理更规范，便于维护和部署。最终实现了前后端的安全通信，为项目开发扫清了基础障碍。

2026-04-08 20:22:28 885

原创 FastAPI 开发者必看！8000 端口“幽灵占用”全解析：为什么换端口就 OK？（附终极解决方法）

FastAPI开发者必看：Windows系统8000端口“幽灵占用”问题解析当FastAPI项目在8000端口启动失败，提示端口占用却找不到对应进程时，这是Windows系统的网络栈Bug导致的“幽灵占用”现象。8000端口因开发工具频繁使用易被系统错误锁定，表现为端口被占用但无真实进程。解决方案：临时方案：改用其他端口（如9000）启动项目彻底修复：以管理员身份运行netsh winsock reset和netsh int ip reset命令重置网络栈，重启后即可恢复8000端口正常使用建议：

2026-04-06 15:49:33 878

原创【FastAPI】 + SQLAlchemy 异步 ORM 实现完整 CRUD 操作

本文介绍了如何使用FastAPI和SQLAlchemy异步ORM实现完整的CRUD操作。主要内容包括：环境准备：安装必要的Python包（FastAPI、SQLAlchemy等）定义模型类：通过SQLAlchemy的DeclarativeBase创建Book和User模型创建异步数据库引擎和会话工厂实现依赖注入获取数据库会话完整CRUD路由实现：查询所有书籍和单个书籍模糊查询和聚合查询分页查询功能新增和更新书籍操作文章使用Pydantic进行数据验证，并提供了自动生成API文档的特性。通

2026-04-05 21:11:33 422

原创【FastAPI】依赖注入 + 中间件详解

本文深入解析FastAPI的两大核心机制：依赖注入和中间件。依赖注入通过将通用功能抽象为可重用组件，实现代码复用和模块化，具体步骤包括创建依赖项、导入Depends和声明依赖项。中间件则作为全局拦截器，在请求和响应处理流程中插入预处理和后处理逻辑，适用于日志记录、身份认证等场景。文章通过分页参数依赖项和双中间件实例详细展示了实现方法，并提供了执行流程图和最佳实践建议，帮助开发者掌握FastAPI的高效开发技巧。

2026-04-04 20:23:10 599

原创【 FastAPI 】ORM

本文介绍了如何在FastAPI中使用异步ORM（对象关系映射）技术操作数据库。主要内容包括：1）ORM概念解释，即通过对象方式操作数据库而无需编写SQL；2）五大使用步骤：导入模块、创建异步引擎、定义模型类、自动建表、数据操作；3）关键实现细节，如异步引擎配置、模型类继承、自动时间字段、会话工厂设置等；4）CRUD操作示例，展示了查询、过滤等常见数据库操作方式。文章特别强调了异步会话管理和事务处理的注意事项，为FastAPI开发者提供了完整的ORM解决方案。

2026-04-04 20:11:33 631

原创【FastAPI】响应类型详解：从默认 JSON 到自定义响应

FastAPI提供了多种响应类型设置方式，包括默认JSON、HTML、纯文本、文件下载、流式响应和重定向。开发者可通过response_class参数或直接返回响应对象来指定返回类型，其中FileResponse支持文件下载，StreamingResponse适用于大文件流式传输，RedirectResponse实现页面跳转。此外，结合Pydantic模型和response_model可确保API返回数据的类型安全。常见错误包括路径错误、未正确使用生成器或忘记导入响应类。完整代码示例展示了各种响应类型的实际

2026-04-03 21:43:43 452

原创【FastAPI】请求参数全解析：路径参数、查询参数、请求体参数详解 + 原生注解 vs 函数类型注解

本文系统讲解FastAPI中路径参数、查询参数和请求体参数的使用方法，对比原生注解与函数类型注解的区别。主要内容包括：基础路由定义、路径参数校验（Path）、查询参数校验（Query）、请求体模型定义（BaseModel+Field）。重点指出常见易错点：参数位置错误、类型校验冲突、返回格式要求等。通过代码示例演示参数校验规则（范围、长度等）和文档描述功能，帮助开发者构建规范的API接口。特别强调函数类型注解中不强制声明返回类型（->dict）的简洁写法，同时提醒注意参数校验逻辑的一致性和请求体模型的

2026-04-03 19:56:53 555

原创《MySQL 8.0.45 离线部署与远程访问》 —— 基于 VMware 虚拟机 + CentOS 8 +MySQL 8.0 RPM 安装包 + Xshell/Xftp + DataGrip 工具链

本文章构建了一套完整的 MySQL 8.0.45 离线部署实训环境，基于 VMware 虚拟机 + CentOS 8 + RPM 包安装，通过 Xshell 操作、Xftp 传输、DataGrip 可视化连接，完美实现了本地环境搭建 → 远程访问授权 → 可视化管理的全流程闭环。

2026-04-02 22:16:26 1074 1

原创【PySpark】如何在 Windows 成功使用 `saveAsTextFile()` 全流程教程 ✅

PySpark Windows环境数据输出终极解决方案本文彻底解决Windows环境下使用saveAsTextFile()时出现的MSVCR120.dll缺失问题，提供三步闭环修复方案：环境配置关键点正确设置PATH和PYSPARK_PYTHON路径添加Hadoop bin目录到系统路径配置超时参数防止任务中断 2️⃣ 权限修复核心步骤下载匹配版本的winutils.exe 管理员身份运行CMD执行权限修复使用chmod 777修复Hadoop临时目录权限 3️⃣ 完整生产级工作

2026-04-02 00:16:20 667

原创【Python】PySpark 核心实操入门指南

本文是PySpark核心操作入门指南，重点解决Windows环境配置问题并介绍核心计算范式。主要内容包括：1）Windows环境配置关键点，特别是解决MSVCR120.dll缺失报错的方法，建议移除Hadoop路径避免native IO问题；2）PySpark核心概念与操作，涵盖RDD创建、数据类型转换、常用算子（map、filter等）及分区调整；3）两个实战案例（城市销量排名与词频统计）。文章强调正确配置Python解释器路径和超时参数的重要性，提供了详细的错误排查方法，帮助开发者快速上手PySpark

2026-04-01 23:51:16 823

原创【MySQL】第五节 - 事务实战详解：从基础到并发控制（附 Navicat 可运行实验脚本）

本文深入讲解MySQL事务机制，从ACID特性到实际应用场景。通过Navicat可运行脚本演示事务的两种控制模式（手动/存储过程），并重点解析四大并发问题：脏读（读到未提交数据）、不可重复读（同事务内数据变化）、幻读（新增数据导致结果不一致）和丢失更新（修改被覆盖）。文章对比了四种隔离级别的防护能力，推荐默认使用REPEATABLE READ级别，同时提供完整的实验代码帮助读者直观理解事务隔离机制。掌握这些知识能有效保障数据库操作的数据一致性和安全性。

2026-04-01 00:12:51 723

原创【python-Pyspark】环境搭建及案例（Windows）

本文详细介绍了在Windows环境下配置PySpark开发环境的完整流程。主要内容包括：1) 使用Anaconda创建Python虚拟环境并安装PySpark；2) 下载Hadoop和winutils工具，配置系统环境变量；3) 解决常见问题如Java版本兼容性和winutils路径问题；4) 提供测试代码验证PySpark运行。文中特别强调需使用JDK8以保证Hadoop兼容性，并给出了详细的资源下载链接和配置检查清单，帮助开发者快速搭建PySpark开发环境。

2026-03-31 10:49:24 1278

原创【MySQL】第四节 - 多表查询、多表关系全解析

本文全面解析MySQL多表查询技术，从基础语法到高阶应用。主要内容包括：多表关系建模：通过emp员工表和dept部门表案例，展示一对多关系设计，包含完整建表SQL和测试数据连接查询详解：内连接(INNER JOIN)的显式与隐式写法对比外连接(LEFT/RIGHT JOIN)的使用场景自连接处理层级关系(如员工-上级关系) 联合查询： UNION与UNION ALL的区别及性能比较使用场景和最佳实践建议子查询分类：标量、列、行、表子查询在WHERE/FROM/SET等子句中的应用性能优化

2026-03-30 21:24:57 636

原创【Pandas】— apply( ) 深度解析

Pandas apply() 深度解析核心要点 apply() 是 Pandas 的灵魂方法，用于对 Series/DataFrame 进行逐元素、逐行或逐列处理在 Series 中：推荐使用 apply(func) 或 lambda 表达式支持参数传递（args 参数）在 DataFrame 中：逐元素处理：优先使用 map()（Pandas 2.1+）或嵌套 apply() 按行/列处理：设置 axis=0（列）或 axis=1（行）性能优化：向量化操作（如 where()）性能最

2026-03-29 00:09:34 621

原创【 MySQL 】第三节 - 约束实战全攻略

MySQL约束实战指南：六大核心约束详解与避坑技巧本文系统讲解了MySQL数据库设计中六大核心约束的实战应用，包括： NOT NULL（非空约束） UNIQUE（唯一约束） PRIMARY KEY（主键约束） FOREIGN KEY（外键约束） DEFAULT（默认值约束） CHECK（检查约束）重点剖析了外键约束的创建方式、删除更新行为策略（RESTRICT/CASCADE/SET NULL等）及常见错误处理，特别提醒了MySQL版本差异导致的CHECK约束失效问题、外键命名冲突问题以及MySQL不支

2026-03-28 17:43:45 757

原创【 MySQL】第二节-常用函数全解析：字符串、数值、日期、流程控制函数实战指南

本文系统整理了MySQL四大类常用函数：字符串函数（拼接、大小写转换、填充等）、数值函数（取整、取模、随机数等）、日期函数（获取当前时间、日期运算等）和流程控制函数（条件判断、空值处理等）。通过实战案例演示了各类函数的具体应用场景，如员工编号补零、在职天数计算、薪资等级划分等。文章还提供了函数选择建议和示例SQL代码，帮助开发者快速掌握MySQL函数的使用技巧，提升数据处理效率和灵活性。

2026-03-28 15:21:54 485

原创 Python + pyecharts 实战：疫情数据【折线图】可视化

本文介绍了使用Python和pyecharts库实现疫情数据对比分析的完整流程。主要内容包括：1) Python与JSON的相互转换方法；2) 数据清洗技巧，处理JSONP格式数据；3) 核心代码解析，从数据提取到可视化实现；4) 折线图的美化配置；5) 最终生成交互式HTML图表。通过实战案例，读者可以掌握数据清洗、JSON解析、pyecharts可视化等关键技能，并能灵活应用于其他数据分析场景。文中还提供了详细的代码注释和配置说明，帮助快速理解每个步骤的实现原理。

2026-03-27 00:13:06 813

原创【 MySQL 】第一节 - 基础入门：DML / DQL / DCL 实战详解

本文是一篇MySQL基础实战教程，重点讲解DML（数据操作）、DQL（数据查询）和DCL（数据控制）三大核心语言。内容涵盖：1）数据库和表的创建（含约束设置）；2）DML操作（INSERT增、UPDATE改、DELETE删）；3）DQL查询（基础查询、条件查询WHERE、聚合函数、分组GROUP BY等）。教程通过实战代码示例，详细说明各语句用法和注意事项，适合MySQL初学者边学边练。文中特别强调WHERE条件的重要性、LIKE模糊查询的区别以及GROUP BY的使用规则。

2026-03-26 15:48:32 503

原创 Pandas 缺失值的处理

本文介绍了pandas中处理缺失值的方法。主要内容包括： pandas使用NaN表示数值缺失，NA表示数据不可用。NaN是浮点类型特殊值，与任何值比较都为False。加载数据时可通过keep_default_na参数控制是否将空白值设为缺失值，na_values参数可指定哪些值应被视为缺失值。查看缺失值的方法：使用isnull()统计各列缺失值数量通过missingno库绘制条形图直观展示缺失值分布利用热力图分析不同列缺失值之间的相关性剔除缺失值的简单操作，如Series中可通过isnull()

2026-03-25 23:35:56 466

原创 DataGrip安装使用全攻略（DataGrip更改新建查询存储默认位置）

本文介绍了DataGrip数据库管理工具的安装使用全流程。首先提供两种下载方式（官网/网盘），详细说明安装步骤和激活方法。接着指导配置MySQL数据源，演示如何创建数据库和数据表，包括可视化操作和SQL语句两种方式（附完整SQL示例代码）。最后针对C盘空间问题，提供修改查询文件默认存储位置的解决方案，包含路径修改方法和注意事项。全文包含具体操作步骤、代码示例和官方文档参考链接，适合数据库管理工具初学者快速上手。

2026-03-25 12:38:44 1046

原创 Pandas的数据组合函数

本文介绍了Pandas中两种数据合并方法：concat和merge。concat主要用于沿轴堆叠数据，支持Series和DataFrame的按行/列连接，可通过ignore_index重置索引，join参数控制连接方式。merge实现类似数据库的连接操作，包括一对一、多对一和多对多连接，通过on参数指定连接键。文章通过代码示例演示了各种连接方式的使用场景和效果差异，如内连接、外连接等，并解释了如何判断连接类型。这两种方法适用于不同数据合并需求，concat更侧重结果集堆叠，merge则实现基于键值的关联合并

2026-03-24 22:31:17 627

原创 DataFrame数据分析入门

本文介绍了使用Pandas进行日期数据处理和数据分析的基本方法。主要内容包括：1)使用to_datetime()函数将字符串转换为日期类型；2)通过Series.dt访问器获取日期的年、月、日、星期等属性；3)使用to_period()方法获取不同时间周期的统计数据；4)加载数据集的基本操作，包括查看数据结构、数据类型和列名等。这些功能为时间序列分析和数据处理提供了基础工具。

2026-03-23 23:15:23 1314

原创 DataFrame基础

本文介绍了Pandas中DataFrame的创建方法和常用属性操作。主要内容包括：1）通过字典和Series两种方式创建DataFrame；2）DataFrame的常用属性如index、columns、values等；3）DataFrame的常用方法如head()、tail()查看数据，统计方法sum()、mean()、min()等，以及describe()、info()等描述性统计方法。文中还通过示例代码演示了loc/iloc索引、缺失值检测和数据统计分析等操作，为使用Pandas进行数据分析提供了基础参

2026-03-22 19:23:25 49

原创 MySQL问题解决与重装指南：2002 - Can‘t connect to server on ‘localhost‘(10061) ；MySQL重新安装；Mysql连接Idea pycharm；

本文详细介绍了MySQL连接问题的解决步骤和重装方法。首先针对连接错误（ERROR 2002）提供了解决方案：将MySQL注册为系统服务、检查服务状态等。其次给出了完整的MySQL重装流程，包括彻底卸载旧版本、下载安装新版本、配置环境变量等步骤。此外还涵盖了Navicat和PyCharm连接MySQL的常见问题解决方法，并提供了Python通过pymysql和pandas操作MySQL的完整代码示例。最后简要说明了IDEA连接MySQL的方法。全文包含大量实用命令和操作截图，适用于MySQL各种连接问题的排

2026-03-21 21:08:14 1019

原创解决Pandas HDF5 PyTables版本冲突:ImportError: Pandas requires version ‘3.10.1‘ or newer of ‘tables‘ (versi

摘要：解决Pandas操作HDF5文件时因PyTables版本过低(3.9.2)导致的ImportError问题。解决方案包括：1)升级PyTables至3.10.1+；2)创建适配的Python3.11环境；3)重新安装pandas和pytables。具体步骤涉及conda环境管理、版本检查、包卸载与安装，以及HDF5功能验证。关键步骤是创建Python3.11新环境并安装兼容版本的PyTables，最终确保HDF5文件读写功能正常运作。

2026-03-20 23:13:37 370 1

原创安装matplotlib包时qtbase包损坏:The package for qtbase located at D:APPAnaconda...appears to be corrupted

Windows 开始菜单找到「Anaconda Prompt」→ 右键 → 以管理员身份运行（解决权限问题）。Anaconda 安装目录（D:\APP\Anaconda）没有写入权限，解压文件时部分文件无法创建；下载 qtbase 包时网络波动 / 中断，导致包文件（.tar.bz2）损坏，解压后缺失文件；2. 手动删除已解压的损坏 qtbase 文件夹（如果命令删不掉，手动去 D 盘删）：D 盘空间不足，或磁盘有坏道导致文件写入失败（概率较低）。# 强制重新安装，跳过本地缓存，从镜像源重新下载。

2026-03-19 00:01:38 550 1

原创 Pandas数据结构-Series

摘要： Pandas中的Series是一种一维数组结构，支持多种数据类型（整数、浮点数、字符串等），并通过索引标签高效访问数据。其特点包括索引自定义、自动对齐、缺失值处理（NaN）以及大小不可变性。Series提供丰富的属性和方法，如index、values、loc/iloc索引，以及统计函数（sum、mean、var等）。创建方式灵活，可通过列表、字典、数组或函数生成。示例代码展示了Series的创建、属性操作（如维度、形状）及常用方法（如head、isin、协方差计算cov），适用于数据分析和高效操作。

2026-03-18 23:04:06 562 1

weixin_64740257的博客