books

import pandas as pd from datetime import date, timedelta # skiprows 跳过前面的多少行 # usecols 读取excel中选中的列 # index_col 使用作为索引列的列名 # dtype 根据列名，设置列的数据类型 books = pd.read_excel('D:/output.xlsx', skiprows=4, usecols='D:H', index_col='idx', dtype={'ID2':str, 'DateM':str, 'Ready':str}) #print(books) #print(books['ID2']) #print(type(books['ID2'])) #books['ID2'].at[0] = 100 #print(books['ID2']) # NaN的数值类型默认为float类型 start = date(2020, 2, 1) for i in books.index: books['ID2'].at[i] = i+100 # 与上一行代码等同效果 books.at[i, 'ID2'] = i+101 # 实现隔行输出 books['Ready'].at[i] = 'Yes'if i%2==0 else 'No' # timedelta 只能添加以下类型

import pandas as pd def add_2(x): return x+2 books = pd.read_excel('D:/output.xlsx', index_col='idx') # 列之间的数值计算1 books['TotalMoney'] = books['SinglePrice'] * 0.8 # 列之间的数值计算2 books['TotalMoney'] = books['SinglePrice'] * books['Discount'] # 列之间的数值计算3 books['SinglePrice'] = books['SinglePrice'] + 2 # 只对某几行进行计算， # 列之间的数值计算4 for i in range(5, 8): books['TotalMoney'].at[i] = books['SinglePrice'].at[i] * books['Discount'].at[i] # 列之间的数值计算5 books['SinglePrice'] = books['SinglePrice'].apply(add_2) # 列之间的数值计算6 books['SinglePrice'] = books['SinglePrice'].apply(lambda x: x+5) print(books) books.to_excel(

1. <?xml version="1.0" encoding="utf-8"?> <books xmlns:wq="http://www.baidu.com"> <book name="海底两万里" /> <book name="鲁宾逊漂流记" /> </books> <books xmlns:wq="http://www.baidu.com"> 这一句只是声明了wq这个命名空间对应的URI，并没有让books和books的子元素使用此命名空间 2. <?xml version="1.0" encoding="utf-8"?> <books xmlns="http://www.baidu.com"> <book name="海底两万里" /> <book xmlns:ly="http://www.google.com" name="裸婚" /> <book xmlns="http://www.google.com" name="鲁宾逊漂流记" /> </books> <books xmlns:wq="http://www.baidu.com"> 这一句使用了默认的命名空间，让books这个元素和books没有指定命名空间的子元素使用此命名空间，既books,海底两万里,裸婚这几个元素使用此命名空间 3. <?xml version="1.0" encoding="utf-8"?>

使用filters优化查询 ElasticSearch支持多种不同类型的查询方式，这一点大家应该都已熟知。但是在选择哪个文档应该匹配成功，哪个文档应该呈现给用户这一需求上，查询并不是唯一的选择。ElasticSearch 查询DSL允许用户使用的绝大多数查询都会有各自的标识，这些查询也以嵌套到如下的查询类型中： constant_score filterd custom_filters_score 那么问题来了，为什么要这么麻烦来使用filtering？在什么场景下可以只使用queries？ 接下来就试着解决上面的问题。 过滤器(Filters)和缓存 首先，正如读者所想，filters来做缓存是一个很不错的选择，ElasticSearch也提供了这种特殊的缓存，filter cache来存储filters得到的结果集。此外，缓存filters不需要太多的内存(它只保留一种信息，即哪些文档与filter相匹配)，同时它可以由其它的查询复用，极大地提升了查询的性能。设想你正运行如下的查询命令： { "query" : { "bool" : { "must" : [ { "term" : { "name" : "joe" } }, { "term" : { "year" : 1981 } } ] } } } 该命令会查询到满足如下条件的文档： name 域值为 joe 同时 year

viewsets viewsets内拥有5个功能类 ViewSetMixin 作为viewsets内其他4个功能类的基本功能类(其他类直接或间接的继承了它) 功能: 重写as_view()，可以将请求方法与视图类中的自定义函数名完成映射 如: as_view({'get': 'list', 'post': 'my_post'}) ViewSet 继承: ViewSetMixin, views.APIView 作用也与APIView基本类似，提供了身份认证、权限校验、流量管理等。 ViewSet主要通过继承ViewSetMixin来实现在调用as_view()时传入字典（如{'get':'list'}）的映射处理工作。 list、retrieve、create、update、destory等方法都需要自己编写 案例: views.py class BookInfoViewSet(viewsets.ViewSet): def list(self, request): books = BookInfo.objects.all() serializer = BookInfoSerializer(books, many=True) return Response(serializer.data) def retrieve(self, request, pk=None): try: books

1.bean.xml 创建完成成为Spring的一个bean，创建完成，然后注入使用： 注： 依赖注入：1.依赖：bean对象的创建依赖spring容器。 2.注入：bean对象中的所有属性，由容器来注入。 注入方式：1.构造器注入： 　　　　　　2.set注入： public class Address { private String address; public String getAddress() { return address; } public void setAddress(String address) { this.address = address; } }； package com.chen.pojo;import java.util.List;import java.util.Map;import java.util.Properties;import java.util.Set;public class Student { private String name; private Address address; private String[] books; private List<String> hobbys; private Map<String,String> cards; private Set<String> games;

Entity Framework 简介 Entity FrameWork 1 Entity FrameWork的第一个版本没有准备用于.NET3.5. 一个产品是LINQ to SQL, 它提供了类似的功能，可以用于.net3.5. 从广义上看，LINQ to SQL 和Entity FrameWork 提供了类似的功能。然而,LINQ to SQL使用更简单，但只用于访问SQL Server。 Entity FrameWork 是基于提供程序的，可以访问几种不同的关系数据库。它包含了更多的功能，比如多对多映射，不需要映射对象，可以进行n到n映射。Entity FrameWork 的一个缺点是，他要求模型类型派生自EnitiyObject基类。使用一个包含xml的edmx文件，把对象映射到关系上。 Entity FrameWork 4 可用于.net4 进行了中大改进，许多想法都来自linqtosql。因为改动较大，跳过了版本2和3 。这个版本中增加了延迟加载，在访问属性的时候获取关系。设计模型后，可以使用sql数据定义语言创建数据库。使用Entity FrameWork 的两个模型闲杂是 databasefirst 或 ModelFirst。添加的重要特性是支持Plain Old所有阻碍派生自基类EntityObject。 Entity FrameWork 5 的NuGet包支持

简介： 　　在目前的企业级应用开发中 前后端分离是趋势，但是视图层技术还占有一席之地， Spring Boot 对视图层技术提供了很好的支持，官方推荐使用的模板引擎是 Thymeleaf 不过像 FreeMarker 也支持， JSP 技术在这里并不推荐使用。 　　Thymeleaf 是新一代 Java 模板引擎，类似于 Velocity、FreeMarker 等传统 Java 模板引擎。与传统 Java 模板引擎不同的是 Thymeleaf 支持 HTML 原型，既可 以让前端工程师在浏览器中直接打 开查看样式，也可以让后端工程师结合真实数据查看显示效果。 同时， Spring Boot 提供了 Thymeleaf 自动 配置解决方案，因此Spring Boot 中使用 Thymeleaf 常方便。 1.引入依赖： <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-thymeleaf</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> <

一、Pager-taglib简介 1、Pager-taglib，支持多种风格的分页显示。实际上她是一个Jsp标签库，为在JSP上显示分页信息而设计的一套标签，通过这些标签的不同的组合，会形成多种不一样的分页页面，风格各异，她自带的DEMO就有八种左右的分页风格（ 在pager-taglib-2.0.war包下的WEB-INF\jsp 中 ），包括Google的分页风格。而需要订制自已的风格的分页页面也非常简单。 2、分页方式有两种： 一种是：页面分页 ，即从Action或者其他控制器中得到一个List，在页面上 通过<pg:item>进行自动分页。 适合查询结果不大的情况。 第二种是：数据库分页 ，即通过把 pageSize,pageNo两参数传给后台进行数据库分页。 适合大量查询。 二、 Pager-taglib标签详解 1、<pg:pager>标签 （ 分页时我们重点设置的就是这个标签 ）：这个标签用来设置分页的总体参数，重要参数说明： url: 分页的链接根地址，pager标签会在这个链接上附加分页参数pager.offset,后台可根据这个参数分页， 也可自行在URL上添加参数。 items: 总记录数，pager标签正是根据这个值来计算分页参数的。 在页面分页时，此参数可以不写，后台会自动计算出分页参数。如果你写的话将以你写的为准 。 maxPageItems:

绑定到XML上 WPF数据绑定还专门支持绑定到XML数据上。可以将XmlDataProvider用作数据源,使用XPath表达式绑定元素。为了以层次结构显示，可以使用TreeView控件，通过HierarchicalDataTemplate为对应项创建视图。 下面包含Book元素的XML文件将用作下一个例子的数据源 <?xml version="1.0" encoding="utf-8" ?> <Books> <Book isbn="978-1-118-31442-5"> <Title>Professional C# 2012</Title> <Publisher>Wrox Press</Publisher> <Author>Christian Nagel</Author> <Author>Jay Glynn</Author> <Author>Morgan Skinner</Author> </Book> <Book isbn="978-0-470-50226-6"> <Title>Beginning Visual C# 2010</Title> <Publisher>Wrox Press</Publisher> <Author>Karli Watson</Author> <Author>Christian Nagel</Author> <Author>Jacob Hammer