一般新建的django项目都是配置为sqlite为数据库 通常项目中都会使用MySQL 所以首先修改配置 在project的settings.py里修改 将原来配置sqlite改为自己的属性
linux作为现在最流行的软件环境系统，一定需要掌握，目前的招聘要求都需要有linux能力。
嵌入式数据库一直以来都是个场景丰富、不容小视的细分领域，不知道大家是否关注过DuckDB，它一直以 OLAP 版的 SQLite 著称，能满足嵌入式场景的高性能 OLAP 查询。
第一章 介绍与循环 第一课 开课介绍 pyhton擅长的领域： web开发： Django\pyramid\Tornado\Bottle\Flask\WebPy 网络编程（爬虫）： Scrapy\Twisted\Requests\Paramiko 科学运算： Pandas（金融领域）\SciPy\Ipython DUI图形开发： wxPython\PyQT\Kivy 运维自动化： OpenStack\腾讯蓝鲸 自动化运维必须
让我们想象，你有一个非常大的数据集，以至于读入内存之后会导致溢出，但是你想将它的一部分用Pandas进行处理，如果你在某个时间点只是想加载这个数据集的一部分，可以使用分块方法。
day3课程目录： pyhton的历史 32bit和64bit系统的区别 Python版本的选择 第一个pyhton程序 文件后缀名及系统环境变量的介绍 pyhton程序的执行和其他编程语言的简单对比 变量详解 变量的重新赋值 编码部分历史及文件编码 简介项目类型 注释以及简单的用户输入输出 if语句实现猜年龄 缩进介绍 多分支if语句及作业 day3课程内容梳理： python发展史 1991年第一个pyhton编译器诞生，它是用c语言写的 2000年加入了内存回收机制，构成了现在pyhto
上篇文章介绍了如何使用Pyhton语言来操作SQLite数据库，对于嵌入式开发，更多的是使用C/C++语言进行开发，因此，本篇介绍如何使用C语言来操作SQLite数据库。
scrapy的pipeline是一个非常重要的模块，主要作用是将return的items写入到数据库、文件等持久化模块，下面我们就简单的了解一下pipelines的用法。
机器学习、深度学习在用Python时，我们要用到NumPy和Pandas库。今天我和大家一起来对这两个库的最最基本语句进行学习。希望能起到抛砖引玉的作用，目前处于入门阶段，而且第一次发文，哪里出现错误
经常有同学私信问，Python爬虫该怎么入门，不知道从何学起，网上的文章写了一大堆要掌握的知识，让人更加迷惑。
已经快速了解了SQLite的基本用法以及简单的Pyhton与C语言的API函数的使用。本篇再来全面介绍下SQLite的基本语法与数据类型。
如果你想进入数据科学领域，你可能立即会想到R和Python。然而，我们并不是要以作为两种选择来考虑他们，相反地，我们更多的是去比较他们。R和Pyhton在他们各自的领域里，都是非常完美的工具。尽管如此，他们往往成为各自敌人而争吵。如果你在谷歌搜索栏里输入“R vs Python”,你会看到非常多的关于他们霸权之争。
这里不详细讲解如何手动安装 flask 及其扩展 ， 我针对项目源码使用 PyCharm 开发工具教你如何正确的运行源代码。
Pymysql介绍 PyMySQL 是在 Python3.x 版本中用于连接 MySQL 服务器的一个库，而Python2中则使用mysqldb。 PyMySQL 遵循 Python 数据库 API
另一篇文章 Centos7安装Python3.7（兼容Python2.7）https://blog.51cto.com/leyex/2163465
Impacket 工具包是红队人员内网横向使用频率最多的工具包之一，而Impacket 是一个标准 Python 类库，用于对 SMB1-3 或 IPv4 / IPv6 上的 TCP、UDP、ICMP、IGMP，ARP，IPv4，IPv6，SMB，MSRPC，NTLM，Kerberos，WMI，LDAP 等协议进行低级编程访问。在 impacket 工具包中用到最多的协议就是 smb 协议，SMB 是一种网络协议，也称为服务器消息块协议，它被用于在客户端和服务器之间进行通信，它 还可以用来共享文件，打印机和其他一些网络资源。其次就是 MSRPC，MSRPC 或 Microsoft 远程过程调用是 DCE / RPC 的修改版本，它是由 Microsoft 创建的，用于在 Windows 中无缝创建客户端/服务器模型，Windows Server 域协议完全基于 MSRPC。
day1课程目录： 开课介绍（1） 开课介绍（2） 开课介绍（3） 电脑简史（1） 电脑简史（2） 计算机结构 day1课程内容梳理： 导师介绍： Alex Li（金角大王）：买了一辆特斯拉，喜欢姑娘 武sir（银角大王）：喜欢研究代码和武藤兰 苑昊（深山老妖）：河北大学计算机系在读硕士 小月月：擅长pyhton开发 Linux管理 已经不使用Windows了 学员自我介绍： 略 为什么要学Python？： 美国都用Python讲课，国内外许多知名公司都在使用，谷歌以前能用pyht
今天我们继续分享 G 站上的火爆 Pyhton 项目，既有适合小白的基础 Python 教程，也有适合有基础的 Python 进阶项目。
题主如果想要利用python爬取数据资料，本人目前也正在学习Python网络爬虫，我就从爬虫谈谈python的学习。
昨天我们介绍了JDBC的使用，可到底为什么要这样用，JDBC又是怎么设计来的呢？这里向大家推荐一篇文章，本文转载自「码农翻身」的「JDBC的诞生」
最近自己在搞linux+python+django服务简单的整理下自己得环境搭建与建立服务，启动服务，
基础知识包含数学、线性代数、统计学等，这些也是决定数据分析职业发展高度的基石。对于初学者，学习描述统计相关的内容和公式即可，再进一步就需要掌握统计算法，甚至是机器学习算法。对于算法相关的工作，则要对高数进行深入学习。
qq图有两个作用：1、检验一组数据是否服从某一分布。2、检验两个分布是否服从同一分布。qq图全称是quantile-quantile plot，从名称中可以了解到是和分位数相关的图。由于最近在做数据分析时用到了，然而看了一些博客，要么是qq图讲解的比较详尽但是没有使用Python；要么是使用Python语言但是没有讲清楚原理。基于此，想写一篇博客尽量讲清楚原理并且用Python实现出来。
这两天和朋友谈到软件测试的发展，其实软件测试已经在不知不觉中发生了非常大的改变，前几年的软件测试行业还是一个风口，随着不断地转行人员以及毕业的大学生疯狂地涌入软件测试行业，目前软件测试行业“缺口”已经基本饱和。当然，我说的是最基础的功能测试的岗位需求已经很少了，而自动化、性能、安全乃至于以后可能出现的大数据测试、AI测试仍存在着非常多的机会。
文章目录 概述 应用场景对比 应用Python的场景 应用R的场景 数据流编程对比 参数传递 数据传输与解析 基本数据结构 MapReduce 矩阵操作 数据框操作 数据流编程对比的示例 数据可视化对
day5课程内容： 集成开发环境（IDE） VIM #经典的Linux下的文本编辑器 Eclipse #Java IDE Visual Studio #微软开发的IDE notepad++ sublime #pyhton开发的 Pycharm #主要pyhton的IDE pycharm 使用 （自动为每页代码加上作者名和时间）file——Setting——Editor——File and Code Template——pyhton Script #_author:"作者名" #或
许多刚刚接触数据分析的人或者转行想从事业务类数据分析的人来说如何学习才能学以致用，是一个尤为重要的问题，结合我的亲身经历讲一讲我的一些总结及看法： 对于想从事业务类的数据分析的同学，不管是刚接触数据分析的非数学及统计专业的应届毕业生还是转行的同学，这之前，首先你要把自己打造成一个专业的数据分析人员的形象，因为相比于纯业务人员，你的数据分析能力是他们所欠缺的，但是他们的业务经验也是你不足的地方；这就需要你有专业的统计学知识，熟悉 SQL 语句，懂得几款数据分析软件；学统计基础推荐《商务与经济统计（原书第
上一篇文章介绍了Pyhton中的ORM工具：SQLAlchemy。本文延续之前的风格，介绍另一个ORM模块：Peewee，希望通过简单的CRUD示例可以帮助大家快速上手。
The brain is like a muscle. When it is in use we feel very good. Understanding is joyous.
Linux 桌面发行版中 Ubuntu 是最多的一款，虽然说 Linux 与 Windows 家族不可等量齐观，但是其社区还是相当的活跃的。
内容概要：全球最大的照片网站 Unsplash 宣布平台已经开放了超过 20 万名摄影师的近 200 万张免费图片的，并开放了两个图片检索结果的数据集。
通过以上的查看可以看到，python默认是指向到python2的，所以这里我们不动它，保持现状态即可。
第十八章 DjangoWeb开发框架 第一课 内容概要： 1.JS正则 -登录注册验证 2.组件 1.BootStrap -css -js 学习BootStrap规则 2.jQueryUI -css -js 学习jQueryUI规则 3.EasyUI -css -js 学习EasyUI规则 3.Web框架 4.Django（python功能最齐全的Web框架） 第二课 JS正则 1.t
Python是一种简单但功能强大的编程语言。您是否了解了Python的基本知识，但对如何应用感到困惑？好的，本文将向您展示如何编写一个程序来计算经历过的总天数、分钟数和秒数！
区别一、python虚拟机没有java强，java虚拟机是java的核心，python的核心是可以很方便地使用c语言函数或c++库。二、python是全动态性的，可以在运行时自己修改自己的代码，java只能通过变通方法实现。python的变量是动态的，而java的变量是静态的，需要事先声明，所以java ide的代码提示功能优于python ide。三，python的产生几十年了，几十年前面向过程是主流，所以用python有好多程序用的是面向过程设计方法，很多概念从c语言过来的，class在python中是后加入的，而java是为了实现没有指针的c++（当年com组件用的引用记数，java用的虚拟机），主要采用面向对象的设计方法，很多概念是oop的概念。面向过程，相对简洁直观，但容易设计出面条程序，面向对象，相对抽象优雅，但容易过度抽象。四，在实际使用的python入门简单，但要学会用python干活，需要再学习python各种库，pyhton的强大在于库，为什么python的库强大，原因是python的库可以用python，c语言,c++等设计，再提供给python使用，所以无论gpu运行，神经网络，智能算法，数据分析，图像处理，科学计算，各式各样的库在等着你用。而java没有python那么多的开源库，很多库是商业公司内部使用，或发布出来只是一个jar包，看不到原始代码。python虚拟机因为编译性没有java的支持的好（或者说故意这么设计的），一般直接使用源码（linux）&
在Windows操作系统上安装Anaconda是为了快速搭建Python环境、数据科学和机器学习工具的关键步骤。本文简要介绍了安装Anaconda的过程。Anaconda的安装简化了Python库和工具的管理，为数据科学家、工程师和研究人员提供了一个强大、集成且易于使用的开发环境。这为快速开始数据分析、科学计算和机器学习项目提供了便捷的途径。
当Item 在Spider中被收集之后，就会被传递到Item Pipeline中进行处理 每个item pipeline组件是实现了简单的方法的python类，负责接收到item并通过它执行一些行为，
写在前面 其实谁开发了一个反编译引擎跟我们并没有什么关系，但它开放了在线的免费服务就不一样了。 正文 Retargetable Decompiler的主要目的在于，给大件提供一个灵活的反编译引擎。他是捷克共和国布尔诺科技大学 Lissom项目中的一个部分。 特性 可以处理所有常见的文件格式(ELF,PE)。 支持Intel X86，ARM，MIPS，PIC32，PowerPC架构。 可以两种高级语言呈现反编译出的代码(C，pyhton)。 编译器和包检测。 解压和利用调试信息。(DWARF，PDB)。
前言：这是2018年push的一篇文章，但是最近有很多人在群里或者私我咨询说linux安装python(较多)django(较少)问题，这里就再次整理一下推送出来，一切的开始都是友谊的开始。
Python 是一种广泛使用的高级标称语言，属于通用型编程语言。第一版发布于 1991 年，由吉多·范罗苏姆创造。可以视之为一种改良的 LISP。作为一种解释型语言，Python 的设计哲学强调代码的可读性和简洁的语法。相比于 C++ 或 Java，Python 让开发者能够用更少的代码表达想法。不管是小型还是大型程序，该语言都试图让程序的结构清晰明了。
Windows下安装 Pyhton的处理图像的工具库pillow 时 命令行一直报
我们知道JSON字符串是目前流行的数据交换格式，在pyhton中我们通过json模块，将常用的数据类型转化为json字符串。但是，json支持转化的数据类型是有限的。
最早提出来是亚马逊公司，发家是靠卖书，最后自己把自己卖书的业务移到互联网上，随着自己公司业务的增加，自己公司内部服务器就不够用了，慢慢就开始做虚拟化，做了虚拟化之后，随着公司组织架构的复杂性，虚拟化满足不了公司业务部门的要求，后来基于虚拟化技术做了二次的研发，它满足不了什么呢，公司部门他有不同的业务线，不同部门也需要不同的物理服务器，那么他还会处理一些部门申请的工单，比如我这么个部门要多一台服务器，多一台虚拟机，用完以后也没有一定的回收策略，所以呢，虚拟化技术是满足于不了公司业务，所以呢，亚马逊公司就开发了一个云计算平台，AWS，亚马逊云。
可能默认的源安装第三库会有点慢，可以配置一下其他的镜像源。Pip安装第三方库网速慢(解决方案)
最近python搭上人工智能的快车，越来越火，作为一门出现比java还早的语言（python诞生于1989，java 诞生于1995），经过这么长的时间还能逆袭，真是不容易。是金子总会发光的这句话说的没错，但是在这么多金子（编程语言）中脱颖而出，肯定有其独特之处。
在真实的数据科学世界里，我们会有两个极端，一个是业务，一个是工程。偏向业务的数据科学被称为数据分析（Data Analysis），也就是A型数据科学。偏向工程的数据科学被称为数据构建(Data Building)，也就是B型数据科学。 从工具上来看，按由业务到工程的顺序，这个两条是：EXCEL >> R >> Python >> Scala 在实际工作中，对于小数据集的简单分析来说，使用EXCEL绝对是最佳选择。当我们需要更多复杂的统计分析和数据处理时，我们就需要转移到 Python和R上。在确定工程实施和大数据集操作时，我们就需要依赖Scala 的静态类型等工程方法构建完整的数据分析系统。 Scala和Excel是两个极端，对于大多数创业公司而言，我们没有足够多的人手来实现专业化的分工，更多情况下，我们会在Python和R上花费更多的时间同时完成数据分析（A型）和数据构建（B型）的工作。而许多人也对 Python和R的交叉使用存在疑惑，所以本文将从实践角度对Python和R中做了一个详细的比较。
大家好，我是Frank，一直从事数据挖掘相关的工作。今天给大家分享一个快速创建机器学习应用的Python库，使用它可以简洁快速地部署自己的机器学习模型。
微服务是这几年最流行的架构，说起架构不提微服务都不好意思跟人家打招呼。最近想要再梳理一下关于微服务的知识，并且结合本人的一些实践经验来做一些总结与分享。前面会分享一些概念性的东西，后面也会使用.net来实践，一步步完成一个简单的微服务架构的小demo。
关于Django的部署，本人也踩了很多坑，这篇文章一步一步教你怎么进行部署，只需要你按照我的步骤来就OK了！这里我们使用的服务器是一个全新的服务器，没有安装任何东西。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
