一月内热门-python教程技术文章-Golang学习网

分类:

最新
热门

一月内

三天内一周内一月内三月内

Python声学泄漏检测方法详解

基于声学的管道泄漏检测系统在Python中构建的核心在于捕捉泄漏产生的独特声波信号，并通过信号处理和机器学习区分泄漏与正常声音，实现自动化预警。具体步骤如下：1.数据采集使用高灵敏度传感器（如压电式麦克风）获取高采样率音频，借助pyaudio、sounddevice或scipy.io.wavfile实现；2.信号预处理包括带通滤波降噪，使用scipy.signal实现，特征提取采用FFT、MFCCs或频谱图，借助librosa和matplotlib可视化；3.模型训练基于监督学习（如SVM、随机森林）或深

文章 · python教程 | 1星期前 | Python 机器学习信号处理特征提取声学管道泄漏检测 121浏览收藏
Python操作DynamoDB，boto3使用教程

使用Python操作DynamoDB最直接且官方推荐的方式是使用AWSSDKboto3，通过pipinstallboto3安装后，配置AWS凭证和区域即可使用；2.boto3提供client和resource两种模式，client为低级别API，适合需要精细控制的场景，resource为高级面向对象抽象，适用于标准CRUD操作，推荐日常开发使用；3.查询（Query）需指定分区键，效率高，应优先设计表结构以支持查询，扫描（Scan）会读取全表，性能差，应尽量避免，可借助GSI或LSI优化访问模式；4.常见

文章 · python教程 | 1星期前 | Python 查询性能优化 DynamoDB boto3 121浏览收藏
Python分位数滚动计算方法

移动分位数可通过Pandas的rolling和quantile方法实现，用于分析时间序列趋势并减少噪声。1.使用rolling定义滑动窗口大小（如window=5），2.通过quantile指定分位数（如q=0.75），3.注意窗口大小不能超过数据长度，且q在0到1之间，4.可用min_periods参数处理缺失值，5.移动分位数可用于识别异常值及分析数据分布变化。

文章 · python教程 | 1星期前 | 121浏览收藏
LED矩阵管理：逻辑坐标与布线解析

本文探讨了将顺序索引的LED灯带构建成蛇形排列的矩阵时，如何高效进行坐标转换的问题。核心思想是将应用层的逻辑坐标（行、列）与物理布线（蛇形索引）解耦。通过引入一个专门的渲染驱动函数，应用程序可以始终以标准二维坐标操作像素，而物理映射的复杂性则由驱动层统一处理，从而简化开发、提高代码可读性和可维护性。

文章 · python教程 | 6天前 | 121浏览收藏
Python中%s的作用及使用方法解析

%s是Python旧式字符串格式化符号，用于将值转换为字符串并插入字符串中。1）%s用于格式化字符串，%d用于整数。2）虽然%s仍被支持，但推荐使用str.format()或f-strings，因其更灵活和高效。

文章 · python教程 | 4天前 | 121浏览收藏
Python操作InfluxDB入门指南

Python操作InfluxDB需使用influxdb-client-python库，1.安装库并连接实例；2.配置URL、Token、组织和桶；3.通过WriteAPI写入数据（支持Point对象、字典或LineProtocol）；4.使用QueryAPI执行Flux查询；5.处理查询结果并关闭连接。常见配置陷阱包括URL格式错误、APIToken权限或大小写问题、组织与桶名称不匹配及网络防火墙限制。高效写入大量数据应采用批量写入、异步模式、优化数据结构及并发控制。深度分析数据可通过Flux实现复杂的数

文章 · python教程 | 4星期前 | 120浏览收藏
PythonK-means聚类详解与实现方法

数据聚类在Python中常用K-means算法实现，其步骤包括：1.数据准备需标准化处理并清理缺失值；2.使用sklearn.cluster.KMeans进行聚类，设置n_clusters和random_state以获得稳定结果；3.通过肘部法确定最佳聚类数，依据inertia值绘制曲线选择“肘部”点；4.分析聚类结果，结合分组统计和可视化理解类别特征。需要注意的是，K-means对异常值敏感且假设簇为凸形，复杂结构可尝试其他算法。

文章 · python教程 | 3星期前 | Python 数据准备 K-means算法数据聚类肘部法 120浏览收藏
Pythondatetime模块使用技巧分享

Python处理日期时间的核心是datetime模块，1.使用datetime.datetime.now()获取当前本地时间，datetime.date.today()获取当前日期；2.通过strptime()将格式匹配的字符串解析为datetime对象，fromtimestamp()将时间戳转为datetime；3.利用timedelta进行日期加减计算，并支持两个datetime对象相减得到时间差；4.区分naive（无时区）和aware（有时区）对象，推荐使用timezone.utc处理UTC时间，

文章 · python教程 | 2星期前 | timedelta UTC时间时区处理日期时间处理 datetime模块 120浏览收藏
super()与实例属性使用详解

super()函数在Python中主要用于访问父类（或MRO链中下一个类）的类属性和方法，而非实例属性。实例属性归属于对象本身，存储在实例的__dict__中，应直接通过self访问。尝试使用super()访问实例属性会导致AttributeError，因为super()代理对象不具备直接查找实例属性的能力，它关注的是类层级的属性解析顺序。

文章 · python教程 | 2星期前 | 120浏览收藏
多CSV数据源目录构建方法详解

本文详细介绍了如何使用Intake库高效地为多个CSV文件构建统一的数据目录。通过实例化intake.Catalog对象并利用其add()方法，用户可以避免直接写入重复的YAML结构，从而优雅地整合多个CSV数据源为一个有效且易于管理的Intake目录文件，极大地提升了数据访问和管理的便利性。

文章 · python教程 | 2星期前 | 120浏览收藏
Python市场分析：Prophet模型实战解析

Python结合Prophet模型能高效进行市场趋势预测，其核心步骤包括：1.获取并整理数据为ds和y两列格式；2.使用Pandas清洗和预处理数据；3.初始化并训练Prophet模型；4.构建未来时间框架并预测；5.通过可视化分析结果。相比传统方法，Prophet优势在于自动处理缺失值、对异常值不敏感、直观分解趋势、季节性和节假日效应，提升可解释性。预测结果中，趋势反映整体走向，季节性揭示周期波动，节假日效应体现特殊事件影响，置信区间用于评估不确定性，辅助库存管理和预算规划。此外，可通过add_regr

文章 · python教程 | 12小时前 | 120浏览收藏
Python自动化测试框架与工具使用详解

要使用Python自动化测试框架，首先要选对工具。主流框架有unittest、pytest和RobotFramework，其中pytest因语法简洁、扩展性强适合新手；其次搭建环境需安装Python3.8+、使用虚拟环境并安装框架及插件如pytest-html、selenium；接着编写可维护脚本应命名清晰、封装重复操作、合理断言并分类组织文件结构；最后集成CI/CD如GitHubActions实现代码提交后自动运行测试，从而提升效率。

文章 · python教程 | 3星期前 | 119浏览收藏
ONNX导出异常模型全解析

选择合适框架（如PyTorch或TensorFlow）和异常检测模型（如Autoencoder、VAE、GAN、IsolationForest等）；2.安装ONNX及对应转换器（如torch.onnx或tf2onnx）；3.使用示例输入导出模型为ONNX格式并指定输入输出名；4.用onnx.checker验证模型正确性；5.通过ONNXRuntime加载模型并运行推理；6.优化模型可采用量化、剪枝、算子融合及调整ONNX算子集版本和Runtime优化选项；7.处理兼容性问题需关注算子支持、数据类型匹配、动

文章 · python教程 | 3星期前 | 异常检测跨平台部署 ONNX ONNXRuntime 模型导出 119浏览收藏
Python拓扑分析异常检测方法详解

基于拓扑数据分析（TDA）在Python中实现异常发现的核心在于利用数据的拓扑结构变化识别异常。1.首先将原始数据转化为点云并定义合适的距离度量；2.使用Gudhi等库构建Rips或Alpha复形，计算持久同调以提取拓扑特征；3.将持久图转化为固定长度的特征向量，如持久图像或持久景观；4.结合IsolationForest、One-ClassSVM等机器学习模型进行异常检测；5.通过异常分数评估并设定阈值识别异常点。TDA的优势在于其对噪声鲁棒、可捕捉全局非线性结构变化，并能在高维空间中揭示异常的拓扑畸变

文章 · python教程 | 3星期前 | Python 异常检测特征提取拓扑数据分析持久同调 119浏览收藏
LangchainFaiss相似度低怎么解决

在使用Langchain的Faiss向量库和GTEEmbedding模型时，即使查询语句存在于向量库中，相似度得分仍然偏低，这可能是由于Embedding模型、距离计算方式或数据预处理等因素造成的。本文将深入探讨这些潜在原因，并提供相应的解决方案，帮助开发者获得更准确的相似度计算结果。

文章 · python教程 | 3星期前 | 119浏览收藏

1 181 182 183 192

查看更多

课程推荐

前端进阶之JavaScript设计模式

设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。

542次学习
GO语言核心编程课程

本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。

511次学习
简单聊聊mysql8与网络通信

如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让

498次学习
JavaScript正则表达式基础与实战

在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。

487次学习
从零制作响应式网站—Grid布局

本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。

484次学习
Golang深入理解GPM模型

Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。

474次学习

查看更多

AI推荐

千音漫语

千音漫语，北京熠声科技倾力打造的智能声音创作助手，提供AI配音、音视频翻译、语音识别、声音克隆等强大功能，助力有声书制作、视频创作、教育培训等领域，官网：https://qianyin123.com

456次使用
MiniWork

MiniWork是一款智能高效的AI工具平台，专为提升工作与学习效率而设计。整合文本处理、图像生成、营销策划及运营管理等多元AI工具，提供精准智能解决方案，让复杂工作简单高效。

441次使用
NoCode

NoCode (nocode.cn)是领先的无代码开发平台，通过拖放、AI对话等简单操作，助您快速创建各类应用、网站与管理系统。无需编程知识，轻松实现个人生活、商业经营、企业管理多场景需求，大幅降低开发门槛，高效低成本。

451次使用
达医智影

达医智影，阿里巴巴达摩院医疗AI创新力作。全球率先利用平扫CT实现“一扫多筛”，仅一次CT扫描即可高效识别多种癌症、急症及慢病，为疾病早期发现提供智能、精准的AI影像早筛解决方案。

467次使用
智慧芽Eureka

智慧芽Eureka，专为技术创新打造的AI Agent平台。深度理解专利、研发、生物医药、材料、科创等复杂场景，通过专家级AI Agent精准执行任务，智能化工作流解放70%生产力，让您专注核心创新。

474次使用