原创 matplotlib實現數據可視化

一庫的安裝和環境的配置 二設置中文環境 三一窺全貌 四精益求精 五圖的存儲 六子圖 致謝 一篇matplotlib庫的學習博文。matplotlib對於數據可視化非常重要,它完全封裝了MatLab的所有API,在py

原创 webpack4 系列教程(四): 單頁面解決方案--代碼分割和懶加載

本節課講解webpack4打包單頁應用過程中的代碼分割和代碼懶加載。不同於多頁面應用的提取公共代碼,單頁面的代碼分割和懶加載不是通過webpack配置來實現的,而是通過webpack的寫法和內置函數實現的。 目前webpack針對此項

原创 webpack4 系列教程(三): 多頁面解決方案--提取公共代碼

這節課講解webpack4打包多頁面應用過程中的提取公共代碼部分。相比於webpack3,4.0版本用optimization.splitChunks配置替換了3.0版本的CommonsChunkPlugin插件。在使用和配置上,更加方

原创 webpack4 系列教程: 前言

1. 什麼是webpack? 前端目前最主流的javascript打包工具,在它的幫助下,開發者可以輕鬆地實現加密代碼、多平臺兼容。而最重要的是,它爲前端工程化提供了最好支持。vue、react等大型項目的腳手架都是利用 webpack

原创 canvas學習和濾鏡實現

最近學習了 HTML5 中的重頭戲–canvas。利用 canvas,前端人員可以很輕鬆地、進行圖像處理。其 API 繁多,這次主要學習常用的 API,並且完成以下兩個代碼: 實現去色濾鏡 實現負色(反色)濾鏡 歡迎入羣:8579

原创 數據規整化:清理、轉換、合併、重塑

import pandas as pd import numpy as np from pandas import DataFrame from pandas import Series 1.合併數據集 pd.merge():各種參數的

原创 webpack4 系列教程(一): 打包JS

webpack 本身就是爲了打包js所設計,作爲第一節,介紹怎麼打包js。 1. 檢驗webpack規範支持 webpack支持es6, CommonJS, AMD。 創建vendor文件夾,其中minus.js、multi.js和s

原创 java字符串及其應用

0. String類 採用utf-16編碼,所以一般不用擔心在中文下出現亂碼 基本操作 作用 命令 連接字符串 str.concat(str2) 替換字符 str.replace(oldChar,newChar)

原创 sql學習筆記:表的運算

在MICK的《SQL基礎教程》裏讀到的一章,寫的很好,之前很亂的思路變清晰了很多。簡單來說,表的運算主要是兩種:列的運算和行的運算。 表的加減法 這裏是對錶的列操作(向下擴展)。因此,按照常理,我們需要注意: 1. 作爲運算對象的列

原创 websocket學習和羣聊實現

WebSocket協議可以實現前後端全雙工通信,從而取代浪費資源的長輪詢。在此協議的基礎上,可以實現前後端數據、多端數據,真正的實時響應。在學習WebSocket的過程中,實現了一個簡化版羣聊,過程和代碼詳細記錄在這篇文章中。 本篇文

原创 數據加載存儲和文件格式

1.讀取文本格式數據 import pandas as pd import numpy as np import sys import pymysql # 圖片:pandas解析函數 df = pd.read_csv('ex1.csv')

原创 matplotlib繪製常見概率圖

import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt import math import time from scipy import s

原创 三神器-迭代器、生成器和裝飾器

1.迭代器與生成器 1.1 迭代器 基礎的迭代器初始和訪問 i = iter('abc') print(i.__next__()) print(i.__next__()) print(i.__next__()) for i in it

原创 webpack4 系列教程(二): 編譯 ES6

今天介紹webpack怎麼編譯ES6的各種函數和語法。敲黑板:這是webpack4版本哦, 有一些不同於webpack3的地方。 >>> 本節課源碼 >>> 所有課程源碼 1. 瞭解babel 說起編譯es6,就必須提一下babel和

原创 運用numpy進行數組、向量、矩陣運算

衆所周知,python中3個用於數學計算的庫分別是:numpy scipy pandas。之前已經介紹過了pandas的用法,這篇筆記主要介紹numpy用法。因爲numpy是直接封裝c語言,所以速度上達到了類似於在c++裏面掉包的程度,