项目实战 | 使用python分析Excel销售数据（用groupby）

项目实战 | 使用python分析Excel销售数据

本文目录：

零、00时光宝盒

一、提出问题

二、理解数据

2.1、安装python读取excel文件的库

2.2、查看excel表的字段名和前几行记录

2.3、查看excel表结构 

2.4、查看索引

2.5、查看每一列的列表头内容

2.6、查看每一列数据统计数目

2.7、看字段类型

2.8、查看数据信息

三、数据清洗

3.1、选择子集

3.2、列名重命名

3.3、删除重复值

3.4、缺失值处理

3.5、一致化处理

1）销售金额由字符串转换为数值（浮点型）

2）将日期字符串转换为日期数据类型

3.6、数据排序

1）进行升序排列

2）进行降序排列

3）按指定列进行排序

3.7、异常值处理

1）查看是否存在数值异常

2）设定条件，由系统判定真假

四、数据分析统计

4.1、各销售代表的销售量

4.2、统计各类别商品的平均价并保留2位小数

4.3、统计各商品的销售额

4.4、统计各商品各地的销售情况

4.5、统计8月各代表的销售额

4.6、统计下半年各月的销售额

零、00时光宝盒

 2ab463de26a541818271efa176656ae6.png

life is impermanent,cherish the moment
人生无常，珍惜当下

once there was a gathering of three old friends
从前有三个老朋友经常聚会
they were all scholars leading busy lives,but they made it a point to meet once a year to make sure they would always stay in touch with one another。
他们都是学者，过着忙碌的生活，但他们每年都会见面一次，以确保他们始终保持联系。

this time the gathering felt different,they were all getting old and starting to feel their age
这次聚会感觉不太一样了，他们都在变老，开始感觉到自己的年龄

sensing this the first scholar remarked we are all here together this year enjoying each other's company
第一位学者察觉到这一点，说：我们今年都在这里，享受彼此的陪伴
but who can say if we will all be able to come back and be together again next year
但谁能说我们明年是否还能回来再聚一堂

the second scholar laughed
其他两个人听到都笑了
next year I think you may be looking too far ahead and assuming too much
明年？我觉得你可能想得太远了或者假设太多了
today i am alive,but who can say if tomorrow i will open my eyes to greet another day
今天我还活着，但谁能说明天我会睁开眼睛迎接新的一天

they turned to the third scholar who had been quiet
他们转向一直沉默的另一个老人
he looked up at them thoughtfully and said tomorrow
他抬头若有所思地看着他们说，明天？
my friends as i sit here with you,i do not know if each breath i draw will be my last,who can say for certain if one breath will be followed by another
我的朋友们，当我和你们坐在一起时，我不知道我的每一次呼吸是否会是我的最后一次呼吸，谁能确定一次呼吸之后是否会有另一次呼吸

this story is short but deeply meaningful
这个故事很短但意义深远
it points to how uncertain and impermanent life
它指出了生命是多么的不确定和无常
the first scholar thought about life in years 
第一位老人是以年为单位去思考人生
like many of us,we usually count the number of years we have been alive,thinking about the time we have left
像我们很多人一样,我们通常会数自己活了多少年,计算着我们剩下多少时间
the truth is 
事实是
we might not have many years or even one year left
我们可能没有多少年了，甚至一年的时间也没有了
life is not just about counting years or days
生活不仅仅是按年日来计算
it moves from one moment to the next
而是从某一个时刻移动到下一个时刻
from one breath to the next
从一口气到下一口气
we don't really know how many minutes or seconds we still have
我们真的不知道，我们还剩下多少分钟，或者几秒钟
so the people who are important to you
所以对你很重要的人
be thankful for them now,not tomorrow or next year
现在感谢他们,不要等明天或明年
tell them you appreciate them now for being in your life and be grateful for having a family too
告诉他们你现在感谢他们出现在你的生活中，也感谢有一个家庭


 

　　每个人活着都不容易，珍惜每次遇见，不只是口头，而是在你需要帮助时，我愿意伸出手并努力去办到。

 逆境清醒

2024.4.7

7f8eafc867aa425cab7d368ee0eb4dd8.gif

一、提出问题

用groupby 统计xlsx文件

  1. 各销售代表的销售量
  2. 统计各类别商品的平均价并保留2位小数
  3. 统计各商品的销售额
  4. 统计各商品各地的销售情况
  5. 统计8月各代表的销售额
  6. 统计下半年各月的销售额

　　首先，导入Pandas库和要操作的Excel文件。

　　例如，为验证和测试，建立了一个名为"pandas数据分析.xlsx"的Excel文件，它包含了一些数据，结构如下：

二、理解数据

代码测试环境：python 3、Jupyterlab v3.4.3

2.1、安装python读取excel文件的库

!pip install openpyxl --user

105276310ab942e2805a8831cfcea963.png

2.2、查看excel表的字段名和前几行记录

导入Pandas库和要操作的Excel文件。


import pandas as pd
FileNameStr='work/202404/pandas数据分析.xlsx'
#使用pandas的read_excel函数读取Ecxcel数据
salesDF=pd.read_excel(FileNameStr,sheet_name='Sheet2',dtype=str)
#打印前几行
salesDF.head()

75ccdb0a184f446b87ab3a95a9d58bec.png

2.3、查看excel表结构 

#查看表结构,有多少行和列
salesDF.shape

 (290, 9)

2.4、查看索引

#查看索引
print(salesDF.index)

RangeIndex(start=0, stop=290, step=1)

2.5、查看每一列的列表头内容

#查看每一列的列表头内容
print(salesDF.columns)

Index(['编号', '销售部', '销售员', '销售时间', '商品编码', '商品名称', '单价', '销售数量', '销售金额'], dtype='object')

2.6、查看每一列数据统计数目

#查看每一列数据统计数目
print(salesDF.count())

 编号      290
销售部     290
销售员     290
销售时间    290
商品编码    289
商品名称    290
单价      290
销售数量    290
销售金额    290
dtype: int64

2.7、看字段类型

#查看字段类型,每一列的类型
salesDF.dtypes

55b2adbfa8f7401da506dea4a51677ff.png

2.8、查看数据信息

#查看数据信息
print(salesDF.info())

三、数据清洗

数据清洗的步骤为（7步）：
选择子集->列名重命名->删除重复值->缺失值处理->一致化处理->数据排序->异常值处理

3.1、选择子集

（本例不需要选择子集）

3.2、列名重命名

（本例不需要列名重命名）

如果需要，可用以下方法：

数据中原来是“销售日期” ，现在需要将 “销售日期” 重命名为"销售时间"

colNameDict={'销售日期':'销售时间'}
salesDF.rename(columns=colNameDict,inplace=True)
salesDF.head()

3.3、删除重复值

（本例不需要删除重复值），

如果需要删除重复值，可用以下方法：

subsalesDF=salesDF.drop_duplicates(subset=['销售时间','商品名称'])

3.4、缺失值处理

（本例不存在缺失值），

获取的数据中很可能存在缺失值，如果遇到错误：例如float错误，那就是有缺失值，所以如果有缺失值需要处理掉。

python缺失值有3种：
1）Python内置的None值；
2）在pandas中，将缺失值表示为NA，表示不可用not available；
3）对于数值数据，pandas使用浮点值NaN（Not a Number）表示缺失数据。

所以，缺失值有3种：None，NA，NaN

可用以下方法：
#删除列（销售时间、商品名称）为空的行
salesDF=salesDF.dropna(subset=['销售时间','商品名称'],how='any')
 

3.5、一致化处理

1）销售金额由字符串转换为数值（浮点型）

#将销量、单价、销售金额由字符串转换为数值（浮点型）salesDF['销售数量']=salesDF['销售数量'].astype('float')
salesDF['单价']=salesDF['单价'].astype('float')
salesDF['销售金额']=salesDF['销售金额'].astype('float')
print('转换后的数据类型：\n',salesDF.dtypes)

f9c2f5b745b2452d82fad895405112c2.png

2）将日期字符串转换为日期数据类型

#将日期字符串转换为日期数据类型#分割日期格式，获取销售日期
def splitSalestime(salestimeCol):timeList=[]for value in salestimeCol:dataStr=value.split(' ')[0]timeList.append(dataStr)        salestimeSer=pd.Series(timeList)return salestimeSer
salestime=salesDF.loc[:,'销售时间']
salestimeSer=splitSalestime(salestime)
salestimeSer[0:5]#将转换后的日期格式内容赋值原销售时间列
salesDF.loc[:,'销售时间']=salestimeSer
salesDF.head()

47cebb4d3a254e519de6566696c7106b.png

#虽然销售时间是日期形式，但是原表中的数据类型仍然是字符串，需要将其转换为日期格式。print('销售时间列转换前格式：',salesDF.loc[:,'销售时间'].dtypes)
#errors='coerce' 如果原始数据不符合日期的格式，转换后的值为空值NaT
salesDF.loc[:,'销售时间']=pd.to_datetime(salesDF.loc[:,'销售时间'],format='%Y-%m-%d',errors='coerce')
print('销售时间列转换后格式：',salesDF.loc[:,'销售时间'].dtypes)
print('转换后的数据类型：\n',salesDF.dtypes)

7ef0407724db43ecb31b0d10bd32d15f.png

转换日期过程中不符合日期格式的数值会被转换为空值，这里删除列（销售时间，商品名称）中为空的行。

salesDF=salesDF.dropna(subset=['销售时间','商品名称'],how='any')
salesDF.shape

3.6、数据排序

排序时用到的几个参数：

by：按哪几列排序


ascending：

True表示升序排列，

false表示降序排列

na_position：
在按指定列进行排序时，
如果此列数据中有空值(NaN)，
na_position（参数默认）为 last ，空值默认排在最后面，
na_position='first'，表示排序的时候，把空值放到前列
na_position参数只支持按单列排序时使用，在按多重索引或按多列排序时无效。

1）进行升序排列

#进行升序排列
print('进行升序排列排序后的数据集：')
df_index=salesDF.sort_index(ascending=True).head()
df_index

2）进行降序排列

#进行降序排列
print('进行降序排列排序后的数据集：')
df_index=salesDF.sort_index(ascending=False).head()
df_index


 

3）按指定列进行排序

#按指定列进行排序
print('按指定列进行排序，排序后的数据集：')
df_value=salesDF.sort_values(by='销售数量',ascending=True).head()
df_value

3.7、异常值处理

（本例不存在异常值），

如需要，可按实际情况查询后排除。例如

1）查看是否存在数值异常

#查看异常值，例如“销售数量”值不能小于0，可通过
salesDF.describe()

#查看异常值，例如“销售数量”值不能小于0，可通过
salesDF.describe()

2）设定条件，由系统判定真假

#查看异常值
querySer=salesDF.loc[:,'销售数量']>0
querySer

存在异常值：销售数量<0
#删除异常值：通过条件判断筛选出数据
#查询条件
querySer=salesDF.loc[:,'销售数量']>0
#应用查询条件
print('删除异常值前：',salesDF.shape)
salesDF=salesDF.loc[querySer,:]
print('删除异常值后：',salesDF.shape)

四、数据分析统计

4.1、各销售代表的销售量

#各销售代表的销售量test = salesDF.groupby("销售员")[['销售数量','销售金额']].sum()   
display(test)


4.2、统计各类别商品的平均价并保留2位小数

test = salesDF.groupby("商品名称")[['销售金额']].agg(["mean"])
test['销售金额'] = test['销售金额'].round(2)
print("统计各类别商品的平均价最终获取到的数据是（保留2位小数）：")
display(test)


4.3、统计各商品的销售额

#统计各商品的销售额
test = salesDF.groupby(['商品编码','商品名称'])[['销售数量','销售金额']].sum()   
display(test)


4.4、统计各商品各地的销售情况

#统计各商品各地的销售情况
print("各商品各地的销售情况:")
for g in salesDF.groupby(['商品编码','商品名称'])[['销售数量','销售金额']]:print();display(g);print();print("===================================================================================")

 
4.5、统计8月各代表的销售额

print("8月各代表的销售额:")
print("=======================")# 将日期列转换为日期类型
salesDF['销售时间'] = pd.to_datetime(salesDF['销售时间'])# 提取8月份的数据
august_data = salesDF[salesDF['销售时间'].dt.month == 8]
#display(august_data)# 使用groupby函数按代表进行分组，并计算销售额总和
test=(salesDF[salesDF['销售时间'].dt.month == 8]).groupby('销售员')['销售金额'].sum()# 打印结果
print(test)

4.6、统计下半年各月的销售额

#统计下半年各月的销售额print("下半年各月的销售额:")
print("=======================")# 将日期列转换为日期类型
salesDF['销售时间'] = pd.to_datetime(salesDF['销售时间'])# 筛选下半年的数据
data_half_year = salesDF[salesDF['销售时间'].dt.month >= 7]
#display(august_data)# 按月份分组并计算销售额
sales_by_month = data_half_year.groupby(data_half_year['销售时间'].dt.month)['销售金额'].sum()print(sales_by_month)

   推荐阅读：

大数据的关键技术之——大数据采集
[你找到牵手一辈子的人了吗？] 七夕情人节特辑
深度学习框架TensorFlow

9e598365ba5344e282453e71a676a056.jpeg

b9b9f2b9374646798ca554110a498cda.jpeg

23f61e3eac99458296be0fedea10019e.jpeg

给照片换底色（python+opencv）猫十二分类基于大模型的虚拟数字人__虚拟主播实例

bfa502b957c247a7872d7e645d4c6f03.jpeg

2f073e39924e42d2b33221f4262dcc1d.jpeg

9d7e2b6a00aa45fd82291f0d5f9eea7e.jpeg

计算机视觉__基本图像操作（显示、读取、保存）直方图（颜色直方图、灰度直方图）直方图均衡化（调节图像亮度、对比度）

01bfb23f2f894ee0b0164f52e57bbbbc.png

47c92d6cf9fe4d279a142480a4340a0d.png

1620a2a7b0914c42b3a8254e94269a79.png

语音识别实战（python代码）(一）

 人工智能基础篇

 计算机视觉基础__图像特征

93d65dbd09604c4a8ed2c01df0eebc38.png

 matplotlib 自带绘图样式效果展示速查（28种，全）

074cd3c255224c5aa21ff18fdc25053c.png

Three.js实例详解___旋转的精灵女孩(附完整代码和资源)（一）

fe88b78e78694570bf2d850ce83b1f69.png

62e23c3c439f42a1badcd78f02092ed0.png

cb4b0d4015404390a7b673a2984d676a.png

立体多层玫瑰绘图源码__玫瑰花python 绘图源码集锦

 Python 3D可视化（一）

让你的作品更出色——词云Word Cloud的制作方法（基于python，WordCloud，stylecloud)

e84d6708316941d49a79ddd4f7fe5b27.png

938bc5a8bb454a41bfe0d4185da845dc.jpeg

0a4256d5e96d4624bdca36433237080b.png

 python Format()函数的用法___实例详解（一）(全，例多）___各种格式化替换，format对齐打印

 用代码写出浪漫__合集（python、matplotlib、Matlab、java绘制爱心、玫瑰花、前端特效玫瑰、爱心）

python爱心源代码集锦（18款）

dc8796ddccbf4aec98ac5d3e09001348.jpeg

0f09e73712d149ff90f0048a096596c6.png

40e8b4631e2b486bab2a4ebb5bc9f410.png

 Python中Print()函数的用法___实例详解(全，例多）

 Python函数方法实例详解全集(更新中...)

 《 Python List 列表全实例详解系列（一）》__系列总目录、列表概念

09e08f86f127431cbfdfe395aa2f8bc9.png

6d64357a42714dab844bf17483d817c0.png

用代码过中秋，python海龟月饼你要不要尝一口？

 python练习题目录

03ed644f9b1d411ba41c59e0a5bdcc61.png

daecd7067e7c45abb875fc7a1a469f23.png

17b403c4307c4141b8544d02f95ea06c.png

草莓熊python turtle绘图（风车版）附源代码

 ​草莓熊python turtle绘图代码（玫瑰花版）附源代码

 ​草莓熊python绘图（春节版，圣诞倒数雪花版）附源代码

4d9032c9cdf54f5f9193e45e4532898c.png

c5feeb25880d49c085b808bf4e041c86.png

 巴斯光年python turtle绘图__附源代码

皮卡丘python turtle海龟绘图（电力球版）附源代码

80007dbf51944725bf9cf4cfc75c5a13.png

1ab685d264ed4ae5b510dc7fbd0d1e55.jpeg

1750390dd9da4b39938a23ab447c6fb6.jpeg

 Node.js (v19.1.0npm 8.19.3) vue.js安装配置教程（超详细）

 色彩颜色对照表（一）(16进制、RGB、CMYK、HSV、中英文名)

2024年1月多家权威机构____编程语言排行榜__薪酬状况

aa17177aec9b4e5eb19b5d9675302de8.png​

38266b5036414624875447abd5311e4d.png

6824ba7870344be68efb5c5f4e1dbbcf.png

 手机屏幕坏了____怎么把里面的资料导出（18种方法）

【CSDN云IDE】个人使用体验和建议（含超详细操作教程）（python、webGL方向)

 查看jdk安装路径，在windows上实现多个java jdk的共存解决办法，安装java19后终端乱码的解决

1408dd16a76947e4a7eb3c54cd570d95.png

vue3 项目搭建教程（基于create-vue，vite，Vite + Vue）

fea225cb9ec14b60b2d1b797dd8278a2.png

bba02a1c4617422c9fbccbf5325850d9.png

37d6aa3e03e241fa8db72ccdfb8f716b.png

2023年春节祝福第二弹——送你一只守护兔，让它温暖每一个你【html5 css3】画会动的小兔子，炫酷充电，字体特

 别具一格，原创唯美浪漫情人节表白专辑，(复制就可用)（html5,css3,svg)表白爱心代码(4套)

SVG实例详解系列（一）(svg概述、位图和矢量图区别（图解）、SVG应用实例）

5d409c8f397a45c986ca2af7b7e725c9.png

6176c4061c72430eb100750af6fc4d0e.png

1f53fb9c6e8b4482813326affe6a82ff.png​​​​​​​

【程序人生】卡塔尔世界杯元素python海龟绘图（附源代码），世界杯主题前端特效5个（附源码）HTML+CSS+svg绘制精美彩色闪灯圣诞树，HTML+CSS+Js实时新年时间倒数倒计时(附源代码)

 2023春节祝福系列第一弹（上）（放飞祈福孔明灯，祝福大家身体健康）（附完整源代码及资源免费下载）

fffa2098008b4dc68c00a172f67c538d.png​​​​​​​

5218ac5338014f389c21bdf1bfa1c599.png​​​​​​​

c6374d75c29942f2aa577ce9c5c2e12b.png​​​​​​​

 tomcat11、tomcat10 安装配置（Windows环境）（详细图文）

 Tomcat端口配置（详细）

 Tomcat 启动闪退问题解决集（八大类详细）

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/307564.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

AutoCAD 2024 安装注册教程

AutoCAD 2024 安装注册教程

前言 大家好，我是梁国庆。 本篇分享的安装包是 AutoCAD 的全新版本——AutoCAD 2024，下文安装教程中简称 AutoCAD。 时间：2024年4月8日。 获取 AutoCAD 安装包 我已将本篇所使用的安装包打包上传至百度云，扫描下方二维码关注…
阅读更多...
A Learning-Based Approach for IP Geolocation（2010年）

A Learning-Based Approach for IP Geolocation（2010年）

下载地址：Towards IP geolocation using delay and topology measurements | Proceedings of the 6th ACM SIGCOMM conference on Internet measurement 被引次数：185 Eriksson B, Barford P, Sommers J, et al. A learning-based approach for IP geolocation[C]//Passive …
阅读更多...
VRRP（虚拟路由冗余协议）详解

VRRP（虚拟路由冗余协议）详解

VRRP-------虚拟路由冗余协议 在一个网络中，要做为一个合格的网络首先就要具备几种冗余，增加网络的可靠性。 这几种冗余分别为：线路冗余，设备冗余，网关冗余，UPS冗余 VRRP该协议就是解决网关冗余的。在二层…
阅读更多...
同态加密：重塑数据隐私与安全的未来

同态加密：重塑数据隐私与安全的未来

同态加密技术是当今信息安全领域的一个重要研究方向，它允许在加密数据上直接进行计算，而无需将数据解密。这种加密方式对于保护数据隐私和增强云计算安全具有重要意义。在这篇文章中，我们将深入探讨同态加密的基本概念、技术特点、应用场景以…
阅读更多...
[react] useState的一些小细节

[react] useState的一些小细节

1.无限循环 因为setState修改是异步的,加上会触发函数重新渲染, 如果代码长这样 一秒再修改,然后重新触发setTImeout, 然后再触发,重复触发循环 如果这样呢 还是会,因为你执行又会重新渲染 2.异步修改数据 为什么修改多次还是跟不上呢? 函数传参解决 因为是异步修改 ,所以…
阅读更多...
day 74 js

day 74 js

JS的作用&#xff1a; 修饰 HTML 标签&#xff08;CSS&#xff09;设置 HTML 标签的动作&#xff08;JS&#xff09;JS特点&#xff1a;基于对象的编程语言&#xff0c;通过浏览器解释执行作用&#xff1a;表单验证、改变标签样式、获取和设置标签属性值 1 表单验证: <fo…
阅读更多...
抽象工厂模式：深入探索面向对象设计的多样性

抽象工厂模式：深入探索面向对象设计的多样性

在软件开发中&#xff0c;正确地应用设计模式对于构建可扩展、可维护和高效的系统至关重要。抽象工厂模式作为创建型设计模式之一&#xff0c;提供了一个高层接口&#xff0c;用于创建一系列相关或依赖对象&#xff0c;而无需指定它们具体的类。本文将详细介绍抽象工厂模式的概…
阅读更多...
MyBatis源码介绍

MyBatis源码介绍

文章目录 MyBatis的核心流程介绍SqlSessionFactory的理解MyBatis中的Executor的源码理解Spring中是如何解决MySQL的SqlSession的线程安全问题MyBatis面向Mapper编程工作原理Mybatis动态sql执行原理Mybatis的一级、二级缓存实现原理Mybatis的插件运行原理以及如何编写一个插件my…
阅读更多...
【攻防世界】web2（逆向解密）

【攻防世界】web2（逆向解密）

进入题目环境&#xff0c;查看页面信息&#xff1a; <?php $miwen"a1zLbgQsCESEIqRLwuQAyMwLyq2L5VwBxqGA3RQAyumZ0tmMvSGM2ZwB4tws";function encode($str){$_ostrrev($str);// echo $_o;for($_00;$_0<strlen($_o);$_0){$_csubstr($_o,$_0,1);$__ord($_c)1;…
阅读更多...
排序之快速排序

排序之快速排序

代码 class Solution {public int[] sortArray(int[] nums) {merge(nums, 0, nums.length - 1);return nums;}private void merge(int[] nums, int l, int r){if(l > r) return;// 随机选取主元int i new Random().nextInt(r - l 1) l;int temp nums[i];nums[i] nums[…
阅读更多...
【好用】推荐10套后端管理系统前端模板

【好用】推荐10套后端管理系统前端模板

后台管理系统前端模板是开发者在构建后台管理系统时使用的一种工具&#xff0c;它提供了预先设计好的界面和组件&#xff0c;以帮助开发者快速搭建出功能完善、用户体验良好的管理系统。以下是V哥整理的10款流行的后台管理系统前端模板&#xff0c;它们基于不同的技术栈和设计理…
阅读更多...
第一部分 Vue讲解（代码版）

第一部分 Vue讲解（代码版）

1.第一个vue实例 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><meta http-equiv"X-UA-Compatible" content"IEedge"><meta name"viewport" content"widthdevice-w…
阅读更多...
要申请开通融资融券账户，有那些条件？

要申请开通融资融券账户，有那些条件？

1、什么是融资融券交易? 融资融券交易&#xff0c;又称信用交易&#xff0c;是指投资者向具有融资融券业务资格的证券公司提供担 保物&#xff0c;借入资金买入交易所上市证券&#xff08;融资交易&#xff09;或借入交易所上市证券并卖出&#xff08;融券交易&#xff09; 的…
阅读更多...
【vue】v-model.lazy等（非实时渲染）

【vue】v-model.lazy等（非实时渲染）

v-model&#xff1a;实时渲染v-model.lazy&#xff1a;失去焦点/按回车后&#xff0c;才渲染v-model.number&#xff1a;值转换为数字v-model.trim&#xff1a;去除首尾空格 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8&qu…
阅读更多...
ansible的常见用法

ansible的常见用法

目录 ##编辑hosts文件 ##copy模块##复制过去 ##fetch模块##拉取 ##shell模块 ##好用 ##command模块## ##file模块### ##cron模块### ##crontab 计划任务 ##下载好时间插件 ##script模块 ##yum模块## ##yum下载源配置文件 /etc/yum.repos.d/CentOS-Base.repo ##ser…
阅读更多...
【Java】第十五届蓝桥杯JavaB组第一道填空题

【Java】第十五届蓝桥杯JavaB组第一道填空题

&#xff03;【Java】第十五届蓝桥杯JavaB组第一道填空题 大家好 我是寸铁&#x1f44a; 总结了一篇【Java】第十五届蓝桥杯JavaB组第一道填空题文章 喜欢的小伙伴可以点点关注 &#x1f49d; Java B组 第一道填空题题解如下:
阅读更多...
大数据实训进行时：数据标注项目

大数据实训进行时：数据标注项目

数据标注项目 培训目的 让同学们先熟悉理论知识&#xff0c;如&#xff1a;识别障碍物是否满足拉框的要求&#xff0c;如何进行拉框&#xff1b;熟悉标注操作&#xff0c;培养出能够进入正式项目的人员 培训地点 理论&#xff1a;学术报告厅、阶梯教室 实操&#xff1a;1实…
阅读更多...
性能优化-01

性能优化-01

当看到性能指标时&#xff0c;你会首先想到什么呢&#xff1f;我相信 “高并发” 和 “响应快” 一定是最先出现在你脑海里的两个词&#xff0c;而它们也正对应着性能优化的两个核心指标—— “吞吐” 和 “延时” 。这两个指标是从应用负载的视角来考察性能&#xff0c;直接影…
阅读更多...
SRNIC、选择性重传、伸缩性、连接扩展性、RoCEv2优化（六）

SRNIC、选择性重传、伸缩性、连接扩展性、RoCEv2优化（六）

参考论文SRDMA&#xff08;A Scalable Architecture for RDMA NICs &#xff09;&#xff1a;https://download.csdn.net/download/zz2633105/89101822 借此&#xff0c;对论文内容总结、加以思考和额外猜想&#xff0c;如有侵权&#xff0c;请联系删除。 如有描述不当之处&…
阅读更多...
【软考】哈希表

【软考】哈希表

目录 一、概念1.1 定义 二、哈希函数的构造方法2.1 说明2.2 特性 三、处理冲突的方法3.1 说明3.2 开放定址法3.2.1 说明3.2.2 线性探测 3.3 链地址法3.4 再哈希法3.5 建立公共溢出区 四、哈希表的查找4.1 查找过程4.2 查找特点4.3 装填因子 一、概念 1.1 定义 1.一般存储结构由…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023