xdg15294969271的博客

一开始我是看网上把es的安全功能关闭，也就是下面的内容，这个要进入到es的docker中去改config/elasticsearch.yml配置文件，但是这样改了以后kibana的界面会没有search功能。有一个困惑了好久的问题，那就是从python里面连接elasticsearch总是报错。不过这里介绍使用一种证书的方式连接，这应该是当前最合适的方式了。会生成一个Fingerprint字符串，拿到这里就可以了。① 进入到elasticsearch的docker环境中。然后就出现了这个好看的东西哈哈哈。

django相关报错

今天发现个好玩的东西浅浅的记录一下。from pyecharts.charts import Maplables = ['湖北','湖南','广东','北京','上海','河南','河北','山东','陕西','山西','四川']counts = [12,23,33,44 ,55,55,78,123,34 ,44,23]#一次性遍历两个列表china_data = [list(z) for z in zip (lables,counts)]#使用中国地图C = Map()#调用数据C.a

创建环境:conda create -n (名字) pythoneg: conda create -n temp python按照指示做就好了激活环境 conda activate (名字)eg:conda activate temp退出环境 conda deactivate查看环境列表 conda env list删除环境 conda env remove -n (名字)eg:conda env remove -n temp查看conda环境 #将包安装

适用django搭建的前端框架，记录一些常用操作。文章目录1、创建超级用户1、创建超级用户python manage.py createsuperuser 随后按照提示输入信息即可，另外，让你输入邮箱那里，随便输入一个符合邮箱格式，不一定存在都可以，但是不能重复。...

文章目录1、预准备工作2、实现1、预准备工作将需要连接的图片以从小到大的顺序命名即可。2、实现函数接收的参数为图片存在的文件名路径，必须使用绝对路径。import cv2import osdef synthesize(path): files = os.listdir(path) files.sort() #构造和图片等宽高度为1的头图片 src0= path+'/'+files[0]; img_temp = cv2.imread(src0)

文章目录1、架构介绍2、操作说明2.1 增2.2 删2.3 改2.4 查1、架构介绍数据库中使用道德User表结果如下。class User(models.Model): '''用户表''' gender = ( ('male', '男'), ('female', '女'), ) name = models.CharField(max_length=128, unique=True) password = models.Cha

1、问题描述之前每次使用python定义数组都是用numpy.zeros((size))定义，但经常出问题。准确来说，就是每次随便定义，最后能用就能运行起来就不管了，今天用了一个方法，还挺好用的。2、result = [-1 for i in range(0,len)]就能定义一个全都是-1的，大小为len的一维数组了，今天做一下笔记。...

if __name__=='__main__': #getRed() src = "/home/barry/PycharmProject/LL/red.jpg" img = cv.imread(src) print(os.path.splitext(src)) print(os.path.split(src)) if(os.path.isdir(src)): print("目录存在") else: os.mkdir(s

1、os部分函数os.listdir() 返回目录下所有文件名bpath=os.path.join(a,b) 返回a/b，a是最初输入的目录名，与b结合就是b的具体路径了os.path.isdir()用于判断对象是否为一个目录。os.path.isfile()用于判断对象是否为一个文件。2、具体代码def eachFile(filepath): list = [] #获取filepath目录下的所有文件名称 if(os.path.isdir(filepath)):

文章目录1、问题描述2、解决方案3、具体代码1、问题描述是这样的，处于一些原因，我需要得到我正在使用的图片的文件名。2、解决方案使用python的os库，需要知道文件的路径。3、具体代码这一句就好了，相信我，真的。#list是每个文件的路径print(os.path.basename(list))...

文章目录1、问题描述2、解决方案3、具体代码1、问题描述是这样的，因为需要将一个文件夹里面的大量图片做同样的处理，处理函数已经写好了但是需要一次性读取所有的图片，然后逐一处理，这个时候如何一次性读取所有的文件是一个问题了。2、解决方案使用python的os库。3、具体代码def eachFile(filepath): list = [] #获取filepath目录下的所有文件名称 pathDir = os.listdir(filepath) for allDir

1、问题描述在python中使用到了next函数，那么next函数是怎么用的，本文先将遇到的用法记录下来。简单来说，next（）函数就是遍历iter对象的所有内容的移动光标。2、代码展示mylist = iter(["apple", "banana", "cherry"])while True: x = next(mylist,'a') print(x) if(x == 'a'): breaknext的第二个返回值是在迭代结束的时候返回的值，可以作为

文章目录1、 问题描述2、代码展示1、 问题描述enumerate（）函数是builtins包中提供的枚举函数，任何一个一维数组都可以使用enumerate（）函数以后加上一个索引。2、代码展示a = [1,2,4,5]b = enumerate(a)for i in b: print(i)"""(0, 1)(1, 2)(2, 4)(3, 5)"""能够看出来，数组a经过enumerate以后，返回值是两个，第一个是索引，第二个是对应的值。这也是为什么哟偶的时候会用到e

文章目录1、问题描述2、具体代码1、问题描述今天在使用tableocr保存图片时用到了PIL类型图片的相关操作，与平常使用的opencv类型不太一样，所以在此记录一下，以后再遇到时可以参考一下。2、具体代码from PIL import Image#绝对路径src = "/home/barry/PycharmProject/LL/Image/img_3.png"#读取图片并转化为RGBimg = Image.open(src).convert('RGB')#展示图片img.show(

1、argparse“argparse 模块可以让人轻松编写用户友好的命令行接口。程序定义它需要的参数，然后 argparse 将弄清如何从 sys.argv 解析出那些参数。 argparse 模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。” 这是官方给的说明，我个人的理解就是，我们可以在python里面定义一个命令，然后在命令行里面使用我们定义的命令。2、案例分析import argparsex = 0# 创建 ArgumentParser() 对象parser

1、问题描述使用sorted函数进行排序，与一般的sort不同的是，sorted函数可以对高维数组进行排序。2、案例说明if __name__=='__main__': 1 l = [('a',1),('d',8),('c',7),('b',2),('e',10)] #按照l的第一列数组升序排序 result = sorted(l,key=lambda x:x[0]) print(result) print('-------------') #按

文章目录1、问题描述2、三维数组1、问题描述三维数组在python有时是要用到的，但是三个指标分别代表的含义经常会忘记，在这里记个笔记。2、三维数组import numpy as npa = np.ones((2,3,4))print(a)"""[[[1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.]] [[1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.]]]"""在这个三维数组中，有两个二维数组，

1、问题描述enurmate是一个用来遍历的工具，直接看例子2、例子a = [1,3,4,5,7] for i,j in enumerate(a): print(i,j)i输出下标，j输出a[i]"""0 11 32 43 54 7"""

import pandas as pdimport numpy as npdata = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('ABCD'))print(data) A B C Da 0 1 2 3b 4 5 6 7c 8 9 10 11d 12 13 14 15print(data.drop(['a','b']

1、问题描述 python画图需要经常用到，但是标题或者坐标什么的一使用中文就出现乱码，于是今天就去网上找了一些方法解决一下，结果还是有效的。顺便说一句，网上提供的加两句代码那个在我的电脑上无效。plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号2、解决方案2.1 查看matplotlib的字体路径import matplotlib

1、字典长度已知字典dict = {…}len(dict)

1、生成某个区间随机数random.uniform(a,b)random.uniform(a,b)random.uniform(a,b)

使用python提供的tesseract包识别图片中的文字，但效果一般我的是在arch中实现的1、安装tesseract和英文和中文语言包sudo pacman -S tesseract tesseract-data-eng tesseract-data-chi_sim注：如果要识别其他的语言，那么就需要安装其他的语言包https://github.com/tesseract-ocr/tessdata2、安装必要的第三方库sudo pip install pillowsudo pip ins

前言目前常用的SimpleImputer补全缺失值的策略有平均值，最大值，中值等，采用的方式transform, fit_transform,fill_value导入包from sklearn.impute import SimpleImputerimport numpy as nptransform(X)#使用数据训练imp模型，按照原数据的内容对新数据的确实值进行补充X = np.array([[1, 2, 3], [4, 5, 6],

官方文档代码如下：import baostock as bsimport pandas as pd#### 登陆系统 ####lg = bs.login()# 显示登陆返回信息print('login respond error_code:'+lg.error_code)print('login respond error_msg:'+lg.error_msg)#### 获取沪深A股历史K线数据 ##### 详细指标参数，参见“历史行情指标参数”章节；“分钟线”参数与“日线”参数不

import numpy as npa = np.array([1,2,3])b = np.array((4,5,6))c = np.hstack((a,b))print(c)#[1 2 3 4 5 6]a = np.array([[1],[2],[3]])b = np.array([[4],[5],[6]])c = np.hstack((a,b))print(c)#[[1 4] [2 5] [3 6]]参考文献：https://numpy.org/doc/stable/

今天遇到一个很奇怪的事情，就是我在主目录里面已经安装了opencv-pyhton以后在我自己的python里面导入‘cv2’报错，去网上看了很多教程，大部分都是说让我pip install opencv-python就是了。。。。解决办法：1、conda activate <envname>2、pip install opencv-python完事...

import warningswarnings.filterwarnings('ignore')

笔者使用索引进行数组分割，然后导出两个csv文件，供后文机器学习使用import pandas as pdimport numpy as npdata = pd.read_csv('modified.csv')data = np.array(data)#data.shape = (1964,27)print(data.shape)#features是我们需要的特征值features = [2,8,7,17,14,23]data_final = data[:,features].

numpy.delete(arr, obj, axis=None)arr：要对哪个数组进行操作axis：axis=1,对行操作，axis=0队列操作obj：选定obj行/列删除本文以删除二位数组的第0列为例import numpy as npa = np.array([[1,2,3],[4,5,6],[7,8,9]])print(a)a = np.delete(a,0,axis=1)print(a)...

第一次使用np.r_ 与np.c_时，出现了一下错误说明：之所以会出现上面的报错，原因是我们把np.r_和np.c_用错了#错误用法a = np.array([[1,2,3],[7,8,9]])b = np.array([[4,5,6],[10,11,12]])c = np.r_(a,b)print(c)c = np.c_(a,b)print(c)#正确用法a = np.array([[1,2,3],[7,8,9]])b = np.array([[4,5,6],[.

import numpy as npdata = pd.read_excel('1.xlsx',index_col=0)print(data.isnull())print(np.isnan(data))isnull()输出结果np.isnan()输出结果np.isnan()用法与isnull() 几乎完全相同

import pandas as pddata = pd.read_excel('1.xlsx',index_col=u'a5')print(data.head())'a5’这列就变为第一列，也就是索引位置了

import numpy as npimport pandas as pdimport openpyxldata_df = pd.DataFrame(mean)data_df.columns = ['A','B','C','D','E','F','G','H','I','J'] #将第一行的0,1,2,...,9变成A,B,C...data_df.index = ['a','b','c','d','e','f','g','h','i','j']writer = pd.ExcelWriter(

print(mean) mean = np.round(mean,2) print(mean)原先数据[[77.99840926 78.69596965 76.03458468 79.4253961 77.90169693 78.2564952978.65582135 78.29836889][78.50005256 77.95365913 76.46453844 78.68020794 77.38949381 77.7906418177.78002438 77.29162.

import numpy as np