python装饰器
@classmethod基本介绍 @classmethod 是 Python 中的一个装饰器，作用是把一个方法封装成类方法 。 类方法是什么，就是可以直接使用类，无需实例化调用的方法叫做类方法。 比如: class DateUtils: @classmethod def get_time(cls): import datetime return datetime.datetime.now() #类调用 year1 = DateUtils.get_time print(year1) #实例化后调用 date = DateUtils() year2 =n date.get_time print(year2) 123456789101112131415161718192021222324252627282930313233343536373839# @model_validator(mode="")(pydantic库)## 可输入参数:* `before`和`after`* 区别如下: -...
二级通识
循环结构循环队列 例题一 解析: 咱把循环队列想象成一个头尾相连的环形跑道，跑道上有一些位置能放东西。队头指针 front 就像是在跑道上标记从哪儿开始取东西，队尾指针 rear 标记着下一个能放东西的位置。 一般来说，要是队头和队尾都在跑道的最后一个位置（也就是 front = rear = m ，这里 m 是跑道总共能放东西的位置数量 ），那就说明跑道上啥东西都没有，队列是空的。 但要是队头和队尾在同一个位置，可又不是跑道最后那个位置（像这题里 front = rear = 25 ，不是 50 ），这时候队列可能是空的，也可能是摆满东西了。 这题说又成功放进去一个东西，要是队列已经摆满了，就没地方放新东西了，所以就说明之前队列是空的。那放进去一个东西后，队列里自然就只有这 1 个东西啦，答案就是 A 选项。 例题二 关于以上公式： 当front<rear时: 在循环队列里，front 指向队头元素的前一个位置 ，这是一种约定的表示方式。这么设定主要是为了方便处理入队和出队操作时指针的移动逻辑...
滑动窗口数据清洗分区
基本元素 三个基本元素: 可迭代数据 单个动态窗口window大小 步长step_size 如下代码: def sliding_windows(data, window_size, step_size):#data要是可迭代数据 """ 步长是对窗口的移动距离 窗口大小是窗口的长度 细看以下的说明 """ windows = [] #定义窗口集 start = 0 #动态窗口的初始值 while start + window_size <= len(data):#窗口大小不能直接超过迭代数据大小 window = data[start:start+window_size]#对窗口长度进行定义 windows.append(window)#将窗口加入到列表中 start += step_size#窗口的起始位置动态变化,即动态改变窗口位置 return windows if...
汇编硬件基础
三线概念名词辨析 地址总线的宽度: 原理：地址总线宽度决定 CPU 的寻址能力，寻址能力的计算公式为 (2^n) （n 为地址总线宽度），单位是字节（Byte）。8bit = 1Byte。 储存单元: **原理：**单位为Byte,存储单元从0开始，n-1结束 数据总线宽度: 原理:数据总线宽度决定了 CPU 一次能传送的数据位数，单位是位（bit），而 8 bit (= 1) Byte ，直接根据数据总线宽度换算成字节（B）。
犯罪脚本数据源梳理
...
pandas库学习(持续更新)
python pandas库学习apply() 方法pandas 中的 apply 方法是一个非常灵活且强大的工具，可用于对 Series 或 DataFrame 对象中的元素、行或列应用自定义函数。下面为你从多个方面详细介绍其用法。 1. 对 Series 对象使用 applySeries 是一维带标签数组，apply 可对其中每个元素应用指定函数。 基础示例123456789101112import pandas as pd# 创建一个 Seriess = pd.Series([1, 2, 3, 4, 5])# 定义一个简单的函数，用于将元素乘以 2def multiply_by_two(x): return x * 2# 使用 apply 方法应用函数result = s.apply(multiply_by_two)print(result) 在这个例子中，multiply_by_two 函数被应用到 Series 的每个元素上，将每个元素都乘以 2。 使用匿名函数（lambda 函数）123456import pandas as pds =...
json学习
json库学习转码为dict格式文件 比如有以下python数据 1234567891011#综合数据集 decision_metadata = { "model_version": "xgb_v3.1+bert_v2.4", 'xgb_pred': xgb_pred, 'bert_pred': bert_pred, 'xgb_proba': xgb_proda, 'bert_proba': bert_proda, 'xgb_detailed_proda': xgb_detailed_proda, 'bert_detailed_proda': bert_detailed_proda, ...
