data | 易学教程

Python学习小记-post登录提取cookie（2020-3-9）

阅读更多关于 Python学习小记-post登录提取cookie（2020-3-9）

网站登录抓包用谷歌浏览器配合开发者工具进行的抓包，抓包过程可以去网盘下载录像抓包演示提取码：7sdr 整体代码 import urllib . request import urllib . parse from http . cookiejar import CookieJar u = input ( "请输入用户名：" ) p = input ( "请输入密码:" ) url = "http://my.gfan.com/doLogin" headers = { "User-Agent" : "Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko" } data = { "loginName" : u , "password" : p } data = urllib . parse . urlencode ( data ) . encode ( "utf8" ) cookie = CookieJar ( ) cookies = urllib . request . HTTPCookieProcessor ( cookie ) #创建一个处理cookie的handler opener = urllib . request . build_opener ( cookies )

pytorch: RuntimeError: DataLoader worker (pid(s) 27292) exited unexpectedly

阅读更多关于 pytorch: RuntimeError: DataLoader worker (pid(s) 27292) exited unexpectedly

厉害了。。。。用win10特有的bug？？？？？？？？搞半天，就是把pytorch下dataloader的其中一个num_workers参数注释掉。可能是win10只有一个thread的原因。 torch.utils.data.DataLoader( self.dataset, # dataset class batch_size=opt.batchSize, # how many samples/batch to load shuffle=not opt.serial_batches) # reshuffle per epoch #num_workers=int(opt.nThreads)) #modified by jin pytorch: RuntimeError: DataLoader worker (pid(s) 27292) exited unexpectedly RuntimeError: DataLoader worker (pid(s) 27292) exited unexpectedly console具体输出： D:\Anaconda\envs\gpu-env\python.exe "G:/pycharm Project/DualResidualNetworks-master/test/noise.py" Traceback (most recent call

nginx 静态资源代理服务

阅读更多关于 nginx 静态资源代理服务

nginx 静态资源代理服务说明由于企信多数应用实现了前后端分离，即界面层与业务逻辑层分离。业务逻辑层应用程序需使用tomcat、jar等方式运行，静态页面则使用nginx代理访问。且nginx可配置缓存访问量大的静态资源（如用户头像），提高系统响应速度。安装请根据以下链接部署 - 代理软件nginx部署代理静态资源 - 配置代理静态资源 # 将静态资源放于/data/eim/www目录下 ll /data/eim/www/plist/eim.plist # nginx配置代理/data/eim/www目录下的静态资源 vim /etc/nginx/conf.d/default.conf # 配置运行端口 listen 80; # 静态页面路径，将文件放于该目录下，即可被浏览器访问 location / { root /data/eim/www; # 错误页面路径 location = /50x.html { root /data/eim/www; :wq! - haproxy代理 acl nginx-server path_beg -i /plist use_backend nginx-server if nginx-server backend nginx-server mode http option forwardfor server wget 10.10

macos mysql通过.ibd文件恢复数据

阅读更多关于 macos mysql通过.ibd文件恢复数据

拿到备份的文件如下：这里frm文件由于数据表结构是已知的，所以没有用。 ibd文件为存储的数据文件 1:本地新建一个新的数据库：终端进入： cd /usr/local/mysql/data/ 如果报没有权限则运行： sudo chmod -R a+rwx /usr/local/mysql/data/ 进入到data/test下在新建的数据库中运行建表语句：需要在建表语句后加上： ROW_FORMAT=COMPACT 执行： ALTER TABLE xxxx DISCARD TABLESPACE; 解除表空间，ls查看会发现.idb文件已经被删除在终端执行 open .命令打开访达把需要的.ibd复制到test目录下 ls -l目录查看会发现复制进去的.ibd文件不属于mysql 需要执行命令： sudo chown mysql:mysql xxx.ibd ls -l 执行后看到.ibd文件属于mysql则成功最后执行命令： alter table xxx import tablespace; 恢复数据成功。 ps:如果操作不成功，需要停掉mysql服务，删除相关的日志和数据库，命令如下： rm -rf /usr/local/mysql/data/ib_logfile0 rm -rf /usr/local/mysql/data/ib_logfile1 rm -rf

1006 Sign In and Sign Out (25分)

阅读更多关于 1006 Sign In and Sign Out (25分)

题很简单的。刚开始测试点1和3过不去，发现是我55~64的比较代码有问题，我原来是想循环地前后元素比较，用其中的较小值更新first_signIN或者是用较大值更新last_signOUT，这种思路有点像冒泡排序，这样一个循环下来并不能找到全体的最大最小值，只能找到最后两个元素的较大较小值。如果第1，3测试点没通过的，请看一看自己写的寻找最大最小值的代码，应该是这一部分出错了。这题真的很简单，我依旧非常喜欢从底层写起，完全不管c++已经为我们写好了很多方法...我这个习惯非常不好，得改！代码1是我写的，代码2是别人写的，应该贴出来学习！代码1： 1 #include<iostream> 2 #include<vector> 3 #include<string> 4 using namespace std; 5 struct Node{ 6 string id; 7 string sign_in; 8 string sign_out; 9 }; 10 int comepare_signIN(Node A,Node B) 11 { 12 int n=A.sign_in.size(); 13 for(int i=0;i<n;i++) 14 { 15 if(A.sign_in[i]<B.sign_in[i]) 16 return 1; 17 if(A.sign_in[i]>B.sign

第三周课堂测试3

阅读更多关于第三周课堂测试3

设计思路 1、在阶段二的主界面添加点击事件 2、引入各省市的json数据文件 3、Servlet获取数据库值源代码 <%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%> <%@ taglib uri="http://java.sun.com/jsp/jstl/core" prefix="c"%> <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <script src="js/jquery.js" type="text/javascript"></script> <script type="text/javascript" src="js/echarts.js"></script> <script type="text/javascript" src="js/china.js"></script> <title>Insert title here</title> </head> <body>  <div id="main" style="width: 800px;;height:600px;"></div> <script> var

什么是Azure Data Share

阅读更多关于什么是Azure Data Share

当今这个世界，数据被视为重要的战略资产，许多公司需要通过简单且安全的方式将其数据与客户和Vendor共享。目前，客户可以通过许多方式实现此目标，例如使用文件服务器、 FTP、电子邮件、API 等。通常情况下，如果通过 FTP 或通过建立组织自己的 API 基础结构来共享数据，则预配和管理费用会很昂贵。使用这些方法进行大规模共享时，会有相关的管理开销。同时公司也可能容易失去与其共享数据的人员的记录。大多数情况下，公司不仅需要对其所共享数据的数据安全性负责，还希望能够以简单方式控制、管理和监视所有数据共享。在这种情况下，我们可以使用 Azure Data Share 以简单且安全的方式与多个客户和Vendor共享数据。只需点击几次，即可预配新的数据共享帐户、添加数据集，以及邀请客户和Vendor加入数据共享。数据提供者始终可以控制其共享的数据。可以通过 Azure Data Share 轻松管理和监视共享了哪些数据、何时进行的共享，以及由谁共享。数据提供者可以指定其数据共享的使用条款，这样就可以始终控制其数据的处理方式。数据使用者必须接受这些条款才能接收数据。数据提供者可以指定其数据使用者接收更新的频率。数据提供者可以随时撤销对新更新的访问权限。可以使用 Azure Data Share 轻松地组合使用第三方提供的数据来丰富分析和 AI 方案，使见解更有说服力。

android、获取本地图片|直接获取照相图片

阅读更多关于 android、获取本地图片|直接获取照相图片

在此调查中我要实现的是：点击Pictures按钮后，获取手机内所有图片，选择某一个图片，并显示到ImageView中。应用范围：图片上传时的图片选择，类似"浏览"。所有的图片都会列出来，包括目录。在Activity Action里面有一个“ACTION_GET_CONTENT”字符串常量，该常量让用户选择特定类型的数据，并返回该数据的URI.我们利用该常量，然后设置类型为“image/*”，就可获得 Android 手机内的所有image。 view plain <span style= "font-size:18px;" > public class Lesson_01_Pic extends Activity { /** Called when the activity is first created. */ @Override public void onCreate(Bundle savedInstanceState) { super .onCreate(savedInstanceState); setContentView(R.layout.main); Button button = (Button)findViewById(R.id.b01); button.setText( "选择图片" ); button.setOnClickListener(

数据特征—帕累托分析

阅读更多关于数据特征—帕累托分析

帕累托分析（贡献度分析） → 帕累托法则：20/80定律 “原因和结果、投入和产出、努力和报酬之间本来存在着无法解释的不平衡。一般来说，投入和努力可以分为两种不同的类型：多数，它们只能造成少许的影响；少数，它们造成主要的、重大的影响。” → 一个公司，80%利润来自于20%的畅销产品，而其他80%的产品只产生了20%的利润例如： ** 世界上大约80％的资源是由世界上15％的人口所耗尽的 ** 世界财富的80％为25％的人所拥有；在一个国家的医疗体系中 ** 20％的人口与20％的疾病，会消耗80％的医疗资源。一个思路：通过二八原则，去寻找关键的那20%决定性因素！ import numpy as npimport pandas as pdimport matplotlib.pyplot as plt% matplotlib inline# 帕累托分布分析data = pd.Series(np.random.randn(10)*1200+3000, index = list('ABCDEFGHIJ'))print(data)print('------')# 创建数据，10个品类产品的销售额data.sort_values(ascending=False, inplace= True)# 由大到小排列，值的替换 plt.figure(figsize = (10,4)

数据处理—缺失值处理

阅读更多关于数据处理—缺失值处理

数据处理—缺失值处理数据缺失主要包括记录缺失和字段信息缺失等情况，其对数据分析会有较大影响，导致结果不确定性更加显著缺失值的处理：删除记录 / 数据插补 / 不处理 1，删除记录判断是否有缺失值数据 - isnull，notnull isnull：缺失值为True，非缺失值为False notnull：缺失值为False，非缺失值为True import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom scipy import stats% matplotlib inlines = pd.Series([12,33,45,23,np.nan,np.nan,66,54,np.nan,99])df = pd.DataFrame({'value1':[12,33,45,23,np.nan,np.nan,66,54,np.nan,99,190], 'value2':['a','b','c','d','e',np.nan,np.nan,'f','g',np.nan,'g']})# 创建数据print(s.isnull()) # Series直接判断是否是缺失值，返回一个Seriesprint(df.notnull()) # Dataframe直接判断是否是缺失值，返回一个Seriesprint

订阅 data