- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-5 处理缺失值
> x <- c(1,NA,2,NA,3) > is.na(x) [1] FALSE TRUE FALSE TRUE FALSE > x[!is.na(x)] #找出不是缺失值 [1] 1 2 3 > x <- c(1,NA,2,NA,3) > y <- c("a","b",NA,"c",NA) > z <- complete.cases(x,y) #都不是缺失值的元素 > x[z] [1] 1 > y[z] [1] "a" > library(datasets) #import dat
49810发布于 2020-09-16 - 来自专栏NetCore 从壹开始
3-5 安装CICD管理平台：Jenkins
大家这里可以先安装gitlab工具，我就省事了，直接用gitee做源代码管理平台了。
34821编辑于 2023-01-09 - 来自专栏Kirin博客
Pandas 数据对比
语法 语法如下： pd.compare(other, align_axis=1, keep_shape=False, keep_equal=False) 其中： other：被对比的数据 align_axis a 1.0 1.0 1 a 2.0 2.0 2 b 3.0 3.0 3 b NaN 4.0 4 a 5.0 5.0 ''' # 对数据进行修改以便进行对比 a 1.0 1.0 1 a 2.0 2.0 2 b 3.0 3.0 3 b NaN 4.0 4 a 5.0 5.0 ''' 修改数据 b 3.0 3.0 3.0 4.0 3 b b NaN NaN 4.0 4.0 4 a a 5.0 5.0 5.0 5.0 ''' 数据相同 此外，还可以使用df1.equals(df2)来对比两个数据是否一致，测试两个对象是否包含相同的元素。
5.6K60发布于 2021-04-19 - 来自专栏叽叽西
lagou 爪哇 3-5 spring cloud (下) 笔记
TraceId唯⼀标识，span标识发起的请求信 息，各span通过parrentId关联起来 注意：我们往往把Spring Cloud Sleuth 和 Zipkin ⼀起使⽤，把 Sleuth 的数据信 息发送给 Zipkin 进⾏聚合，利⽤ Zipkin 存储并展示数据。 Bus） 官⽹：https://nacos.io 下载地址：https://github.com/alibaba/Nacos Nacos功能特性 服务发现与健康检查 动态配置管理 动态DNS服务 服务和元数据管理 【可选操作】这里顺便对 Nacos Server 数据持久化改造, 方便 nacos 服务端每次重启后还得重新进行配置. 修改${nacoshome}/conf/application.properties，增加 Mysql 数据源配置 spring.datasource.platform=mysql ### Count
86120编辑于 2022-05-17 数据展现工具对比
开源数据展现工具主要分为两类：一类是给业务人员用的BI平台（拖拽式报表），另一类是给开发者用的可视化库（代码嵌入）。结合你所在的上海技术环境，我为你梳理了目前主流工具的选型对比。 一、核心选型速览工具名称类型核心标签上手难度适用场景ApacheSupersetBI平台企业级、功能最强、支持大数据中高（需SQL）数据团队、替代Tableau、复杂分析MetabaseBI平台极简 、配置丰富中（前端基础）数据大屏、定制化报表、Web嵌入D3.js代码库底层、自由度极高高（需JS深度）学术研究、极度定制化图形二、BI平台对比（给业务用）如果你需要让产品、运营等非技术人员自己看数据 BI平台选型建议：要快和简单→选Metabase要强和全→选Superset主要给分析师用→选Redash三、可视化库对比（给开发用）如果你需要在自己的网页或系统中嵌入图表，或者做指挥大屏，选这类。 看数据规模：TB级数据建议Superset+大数据引擎（如ClickHouse）；GB级数据Metabase足够。
19510编辑于 2026-04-30- 来自专栏大数据技术栈
大数据OLAP框架对比
以上是在大数据处理方面常用的四种技术原理， 上面这些处理数据的方式极大程度的提高了单位时间内数据处理的能力， 但是其还是没有摆脱数据量和查询时间的线性关系。 Presto 本身并不存储数据，但是可以接入多种数据源， 并且支持跨数据源的级联查询。 Druid 支持低延时的数据摄取，灵活的数据探索分析， 高性能的数据聚合，简便的水平扩展。 适用于数据量大，可扩展能力要求高的分析型查询系统。 Druid解决的问题包括：数据的快速摄入和数据的快速查询。 Druid保证数据实时写入，但查询上对SQL支持的不够完善 MPP 和 预计算的 方式差异： MPP非常灵活， 其数据是基于数据表的分析， 支持数据实时导入实时分析， 并且可以查询任意想要查询的数据
4.4K72发布于 2020-03-20 - 来自专栏PHP实战技术
3-5年的PHPer常见的面试题
安全、还是数据挖掘、大数据处理？ 项目开发:电商项目中的购物车数据持久化、考试系统的安全性考虑、 mysql设计基础：三大范式、功能->思维导图、创建表的第一字段是什么？ 看看简历，会问一些过去做的项目的用户量、pv、吞吐量、相关难点和解决方法等 数据库设计经验,为什么进行分表? 分库? 一般多少数据量开始分表? 分库? 分库分表的目的? 什么是数据库垂直拆分? 可以举例说明 数据库优化有哪些? 分别需要注意什么? web开发方面会遇到哪些缓存? 分别如何优化? 给你256M的内存,对10G的文件进行排序(文件每行1个数字),如何实现？ 为什么要对数据库进行主从分离? 如何处理多服务器共享session? 一个10G的表，你用php程序统计某个字段出现的次数,思路是?
1.6K100发布于 2018-03-09 - 来自专栏VBA 学习
对比2个表数据
假设有2列数据，现在需要对比列C与列A的数据，找出列C中不在列A中出现的数据，并输出到E列： ? rowC, 1).Value '声明存储结果的数组 Dim result() As Variant '数组使用一定要明确定义大小 '结果数组肯定不会超过C列的数据数量 Dim resultCount As Long resultCount = 1 '标题占用1个 '用循环找出列C中不在列A中出现的数据 Dim i As Long , j As Long '数据是从第2行开始的 For i = 2 To rowC '判断C列的每一个数据在A列中是否出现了 For j = 2 To rowA Next '如果A列不是Exit For结束的，这时候j的值会等于rowA+1 If j = rowA + 1 Then '说明是在A列没有出现的数据
78740发布于 2020-07-28 jvm入门2：3-5运行时数据区+程序技术器+虚拟机栈
即栈解决程序的运行问题，程序如何执行，如何处理数据。对解决数据的存储问题，数据怎么放，放哪？java虚拟机栈是什么？ 1每个线程都有自己栈，栈中的数据都以栈帧的格式存在；2线程上正在执行的每个方法都对应一个栈帧；3栈帧是一个内存区块，一个数据集，维系着方法执行过程中的各种数据信息栈运行原理1jvm直接对栈的操作只有两个 ，数据引用（reference）、returnAddress类型；3由于局部变量表示建立在线程的栈上，线程的私有数据，不存在数据安全问题；4局部变量表所需的容量大小是编译期确定下来的，并保存在方法的code 属性maximum local variables数据项中。 静态变量表与局部变量的对比1参数表分配完毕后，再根据方法体内定义的变量顺序和作用域分配；2类变量表有两次初始化机会，第一次是在准备阶段，执行系统初始化，对类变量设置零值，另一次是在初始化阶段，赋予程序员在代码中定义的初始值
35410编辑于 2025-02-24- 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-5)
代码清单3-5 void RecursiveSearch(int* number, int* answer, int index, int n) { if(index == n)
27220编辑于 2022-11-30 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-5 Numpy数组(和矩阵)的基本操作
print(X.shape) # (3, 5) size 属性查看数组中的元素个数 print(x.size) # 10 print(X.size) # 15 (3 x 5) numpy.array 的数据访问
84110编辑于 2022-05-25 - 来自专栏跟着官方文档学小程序开发
第二章 小程序开发指南3-5
复制原始数据，防止原始数组被更改 let newItems = []; for (let i = 0; i < this.data.itemsWidthAndFlexShrink.length 复制原始数据，防止修改原数组 let newItems = []; for (let i = 0; i < this.data.itemsWidthAndFlexGrow.length; 宿主环境提供了统一的下拉刷新交互，开发者只需要通过配置开启当前页面的下拉刷新，用户往下拉动界面触发下拉刷新操作时，Page构造器的onPullDownRefresh回调会被触发，此时开发者重新拉取新数据进行渲染 enablePullDownRefresh": true } //page.js Page({ onPullDownRefresh: function () { // 用户触发了下拉刷新操作 // 拉取新数据重新渲染界面
35110编辑于 2025-08-25 - 来自专栏域名资讯
.COM企业域名数据对比
如今，能供企业选择的域名后缀类型实在太多，然而.COM域名还是受很多企业青睐，近日外媒披露的一个数据就证明了这一点。 [图片] Techstars投资的这些公司，有的已经成为了规模较大的成功企业，而在近日公布的一组数据中，我们倒是可以发现Techstars所投资的541家创业公司都喜欢什么类型的域名： 一 ：据了解，这份来自于Crunchbase上市的541家公司的数据，它们的平均创业年限在5年左右，比较年轻的公司是Stackery。 二：数据显示，其中有14家公司选择使用“Get +关键字”.COM域名，如GetDrizzle.com。
6.8K00发布于 2017-12-01 - 来自专栏Java工程师成长之路
powerdesigner两数据库对比
1. powerdesigner两数据库对比 1.1. 问题 position属性不一致，但这并不影响两数据库的结构，我们不需要把它当警告显示出来 ? 1.2. 解决办法 ?
1.4K20发布于 2020-02-14 - 来自专栏大数据成神之路
数据同步工具之FlinkCDCCanalDebezium对比
本文把市面上常见的几种开源产品，Canal、Debezium、Flink CDC 从原理和适用做了对比，供大家参考。 对比常见的开源 CDC 方案，我们可以发现： 对比增量同步能力: - 基于日志的方式，可以很好的做到增量同步； - 而基于查询的方式是很难做到增量同步的。 对比全量同步能力，基于查询或者日志的 CDC 方案基本都支持，除了 Canal。 而对比全量 + 增量同步的能力，只有 Flink CDC、Debezium、Oracle Goldengate 支持较好。 在数据转换 / 数据清洗能力上，当数据进入到 CDC 工具的时候是否能较方便的对数据做一些过滤或者清洗，甚至聚合？
16.6K87发布于 2021-10-27 - 来自专栏大数据开发
大数据开发-HBase关系对比
今天给大家带来的是大数据开发-HBase关系对比，相信大家也都发现了，有很多框架的用处都差不多，为什么只用这个而不用那个呢？ 这就是两者之间的一些不同之处的对比，然后选择一个最适用的，本期就是关系对比，为什么它最适用！ HBase 中支持的数据类型：byte[]（底层所有数据的存储都是字节数组） 5.主要用来存储结构化和半结构化的松散数据。 5.使用表状存储，支持MapReduce，依赖HDFS 6.优化了多次读，以及多次写 hb67add29012eac247e6e00be3444eb88.png 三、RDBMS与HBase的对比 7.一般都是分布式的 8.HBase不支持事务 9.不支持Join HB7add29012eac247e6e00be3444eb88.png 好了以上就是本期的所有内容了，大数据开发的关系对比了解的清楚才能更好的选择适合自己的
93630发布于 2021-04-29 - 来自专栏从头开始学习测试开发
Python实现数据库对比
需求 老数据库表test部分字段拆分为多个字段插入到新数据库表test_new， 需要比对拆分后是否有数据丢失 1 安装MySQLdb pip install MySQL-python 备注：如果 Python版本为Python 3，使用如下安装方式 pip3 install MySQL client 2 连接数据库 引入模块 import MySQLdb 连接Mysql数据库 db = MySQLdb.connect for test_info in test_app_results: test_info_params_1 = test_info[1] 5 若是插入数据，必须执行 commit db.commit() 6 数据库操作完成后，关闭连接 cursor.close() db.close() 迁移数据对比 1、老表字段value值修改 （1）通过其他字段确定新表中对应老表的具体数据 0，但数据库中存入了空字符 （2）新增字段类型是否正确：int、string、float 例子：参数类型为varchar(128)，限制了总字数，但需求中字符串字数并未做限制
1.1K20编辑于 2022-05-09 - 来自专栏Java项目实战
1000万数据对比ContainsAll实测
return false; } } return true; } }理论上在处理数据时应该是 CollectionUtils的containsAll方法个更快的，但是实测的简单非对象存储数据随机数，反而list.containsAll更快，实际场景还是要实际分析的
55120编辑于 2023-02-06 主流大数据OLAP框架对比
下图举了一个具体的例子：执行模型对比Scatter-Gather执行模型：相当于MapReduce中的一趟Map和Reduce，没有多轮的迭代，而且中间计算结果往往存储在内存中，通过网络直接交换。 开源OLAP引擎对比针对于目前大数据业内非常流行的数个开源OLAP引擎：Hive、SparkSQL、FlinkSQL、Clickhouse、Elasticsearch、Druid、Kylin、Doris 、Presto、Impala分别挑选了一些场景进行了对比，可以说目前没有一个引擎能在数据量，灵活程度和性能上做到完美，用户需要根据自己的需求进行选型。 但是Hive 在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些 Key 建立索引。 Druid 支持低延时的数据摄取，灵活的数据探索分析，高性能的数据聚合，简便的水平扩展。适用于数据量大，可扩展能力要求高的分析型查询系统。Druid解决的问题包括：数据的快速摄入和数据的快速查询。
3.4K10编辑于 2024-03-16- 来自专栏暴走大数据
数据同步工具之FlinkCDCCanalDebezium对比
本文把市面上常见的几种开源产品，Canal、Debezium、Flink CDC 从原理和适用做了对比，供大家参考。 对比常见的开源 CDC 方案，我们可以发现： 对比增量同步能力: - 基于日志的方式，可以很好的做到增量同步； - 而基于查询的方式是很难做到增量同步的。 对比全量同步能力，基于查询或者日志的 CDC 方案基本都支持，除了 Canal。 而对比全量 + 增量同步的能力，只有 Flink CDC、Debezium、Oracle Goldengate 支持较好。 在数据转换 / 数据清洗能力上，当数据进入到 CDC 工具的时候是否能较方便的对数据做一些过滤或者清洗，甚至聚合？
9.3K51发布于 2021-11-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号