<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[xGuardian的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/xGuardian</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; xGuardian]]></copyright><item><title><![CDATA[VS Code 免密连接远程服务器]]></title><link>https://blog.youkuaiyun.com/xGuardian/article/details/155303173</link><guid>https://blog.youkuaiyun.com/xGuardian/article/details/155303173</guid><author>xGuardian</author><pubDate>Thu, 27 Nov 2025 11:29:42 +0800</pubDate><description><![CDATA[本文详细介绍了VSCode通过SSH免密连接远程服务器的完整流程及常见问题解决方案。主要内容包括：1）安装Remote-SSH插件并配置连接信息；2）生成SSH密钥对并上传公钥至服务器；3）配置服务器SSH服务启用密钥登录；4）处理连接后文件权限问题。重点解决了两个常见问题：配置后仍需密码（需检查用户权限和SSH配置）以及保存文件报错（需设置正确的目录权限）。通过详细步骤和注意事项说明，帮助用户实现VSCode一键免密连接服务器并正常编辑文件。]]></description><category></category></item><item><title><![CDATA[SQL Server练习经典题及其详解]]></title><link>https://blog.youkuaiyun.com/xGuardian/article/details/93167928</link><guid>https://blog.youkuaiyun.com/xGuardian/article/details/93167928</guid><author>xGuardian</author><pubDate>Fri, 21 Jun 2019 15:20:48 +0800</pubDate><description><![CDATA[近期由于工作需求，需要使用到sql server的相关内容，由于此前主要使用mysql及mongodb数据，所以希望通过练习来掌握sql server中与mysql语句中的差异性。以下将列出此次练习使用的相关材料（包括数据库的创建语句，题目，答案详解及部分个人注释）以及在练习过程中发现的sql server使用过程中需要注意的点（区别于mysql查询语句）。

本博客题目案例来源网络，经过筛选进行...]]></description><category></category></item><item><title><![CDATA[subline text通过install package加载辅助包出错（txt文档载入乱码）]]></title><link>https://blog.youkuaiyun.com/xGuardian/article/details/87933190</link><guid>https://blog.youkuaiyun.com/xGuardian/article/details/87933190</guid><author>xGuardian</author><pubDate>Tue, 26 Feb 2019 13:37:33 +0800</pubDate><description><![CDATA[在使用subline text3的过程中，我们通常会使用subline Text外接的各种数据包，以便提高我们的用户体验。

此次，在安装完成subline Text 3后打开文件发现.txt文件打开乱码，此前也遇到过这种情况，但基本很快百度解决了，但这次为了解决这一问题却花费不少时间，因此在此处总结下解决方案，以便后续遇到类似问题及其他使用者参考能快速解决。【此处的解决方案适用于通过ctrl+s...]]></description><category></category></item><item><title><![CDATA[pandas.Dataframe数据写入数据库]]></title><link>https://blog.youkuaiyun.com/xGuardian/article/details/85044640</link><guid>https://blog.youkuaiyun.com/xGuardian/article/details/85044640</guid><author>xGuardian</author><pubDate>Mon, 17 Dec 2018 10:24:53 +0800</pubDate><description><![CDATA[ 导入相关数据包：（使用版本python3.6.0,python2与python3的mysql数据包有所不同）



 pip install pymysql
 pip install sqlalchemy

假设我们已经完成的数据的相关操作，得到一个dataframe格式的df,现准备将数据结果保存/插入至mysql数据库，相关代码如下：


import pymysql
import pand...]]></description><category></category></item><item><title><![CDATA[关于新的ruby源替换（最新）]]></title><link>https://blog.youkuaiyun.com/xGuardian/article/details/82775314</link><guid>https://blog.youkuaiyun.com/xGuardian/article/details/82775314</guid><author>xGuardian</author><pubDate>Wed, 19 Sep 2018 17:26:03 +0800</pubDate><description><![CDATA[15年之前使用ruby很大概率是使用的淘宝源http://ruby.taobao.org/，但在此之后，我们发现淘宝源没有再接着维护了，于是我们换成国内的ruby官方源https://gems.ruby-china.org/:，但我们现在使用发现这个源的链接也出现问题，无法连接上这个源，

添加国内ruby源 gem sources --add https://gems.ruby-china.or...]]></description><category></category></item><item><title><![CDATA[学习机器学习时遇IndexError: too many indices for array错误]]></title><link>https://blog.youkuaiyun.com/xGuardian/article/details/81175148</link><guid>https://blog.youkuaiyun.com/xGuardian/article/details/81175148</guid><author>xGuardian</author><pubDate>Mon, 23 Jul 2018 21:47:30 +0800</pubDate><description><![CDATA[在我们学习机器学习的时候，往往会碰到许多的新手坑，这里简单介绍下自己遇到的一个坑，以及解决思路

以下是我之前在学习决策树遇到的一个坑，初始代码如下：


X = np.linspace(-100,100,100)

y = np.sin(X)
z = np.cos(X)
#以上代码能够绘制一个由100个点构成的圆


#将y,z进行级联
np.concatenate([y.reshape(-1,...]]></description><category></category></item><item><title><![CDATA[Python数据分析(Matplotlib)之3D图形]]></title><link>https://blog.youkuaiyun.com/xGuardian/article/details/81088499</link><guid>https://blog.youkuaiyun.com/xGuardian/article/details/81088499</guid><author>xGuardian</author><pubDate>Tue, 17 Jul 2018 21:44:10 +0800</pubDate><description><![CDATA[能够使用Matplotlib构建的3D图形示例：



 导入相关包：


from mpl_toolkits.mplot3d.axes3d import Axes3D

 生成数据，并进行相关绘图

绘制3维的散点图，代码如下：


#绘制3维的散点图
x = np.random.randint(0,10,size=100)
y = np.random.randint(-20,20,size=1...]]></description><category></category></item><item><title><![CDATA[登月图片消噪及圆周率的求取（Python数据分析）]]></title><link>https://blog.youkuaiyun.com/xGuardian/article/details/81070039</link><guid>https://blog.youkuaiyun.com/xGuardian/article/details/81070039</guid><author>xGuardian</author><pubDate>Mon, 16 Jul 2018 20:08:56 +0800</pubDate><description><![CDATA[登月图片消噪


scipy.fftpack模块用来计算快速傅里叶变换
速度比传统傅里叶变换更快，是对之前算法的改进
图片是二维数据，注意使用fftpack的二维转变方法 



 # 所有的函数都可以使用正弦波表示，所有函数都可以表示成多个正弦波叠加（多项式）
# 傅里叶变换可以将复杂的数据转换成单一的数据
# 时域-----------&amp;gt;频域


 导入相关包


import nump...]]></description><category></category></item></channel></rss>