- 综合排序
- 最热优先
- 最新优先
- 来自专栏Deep learning进阶路
3-2 队列
3-2 队列 1、基本概念 队列是一种特殊的线性表，特殊之处在于它只允许在表的前端（front）进行删除操作，而在表的后端（rear）进行插入操作，和栈一样，队列是一种操作受限制的线性表。 队列的基本操作： ①init() 置空，将队列Q初始化为空； ②empty() 判队列空， ③size() 返回队列中元素的个数 ④front() 取队头元素，若队列未空，则函数返回队头 数据元素。 ⑤rear() 取尾头元素，若队列未空，则函数返回队尾 数据元素。 ⑥push(x) 入队列，若队列未满，在原队尾后加入数据元素x，使x成为新的队尾元素； ⑦pop() 出队列，若队列未空，则将队列的队头元素删除。
51740发布于 2019-07-02 - 来自专栏Hank’s Blog
3-2 矩阵的子集
> x <- matrix(1:6,nrow=2,ncol=3) > x [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6
70520发布于 2020-09-16 - 来自专栏叽叽西
lagou 爪哇 3-2 zookeeper 笔记
然而,在 ZooKeeper中,“节点分为两类,第一类同样是指构成集群的机器,我们称之为机器节点;第二类则是指数据模型中的数据单元,我们称之为数据节点——ZNode。 ④版本 刚刚我们提到，Zookeeper的每个Znode上都会存储数据，对于每个ZNode，Zookeeper都会为其维护一个叫作 Stat 的数据结构，Stat记录了这个ZNode的三个数据版本，分别是 在 Zookeeper中,所有对数据的操作权限分为以下五大类 CREATE(C):数据节点的创建权限,允许授权对象在该数据节点下创建子节点。 DELETE(D子节点的删除权限,允许授权对象删除该数据节点的子节点。・ READ(R):数据节点的读取权限,允许授权对象访问该数据节点并读取其数据内容或子节点列表等。 WRTE(W):数据节点的更新权限,允许授权对象对该数据节点进行更新操作。 ADMIN(A):数据节点的管理权限,允许授权对象对该数据节点进行ACL相关的设置操作。
54110编辑于 2022-05-17 - 来自专栏破晓之歌
JAVA入门3-2（未完，待续） 原
增加课程1，数据结构 ? 发现顺序有些问题 ? 修改课程顺序 ? 通过迭代器遍历： ? ? 迭代器本身也是一个接口 ? ? ?
43250发布于 2018-08-15 - 来自专栏京程一灯
JavaScript数据结构(3-2)：单向链表与双向链表——双向链表篇
分类：教程，数据结构，JavaScript 难度：★★★☆ 翻译：疯狂的技术宅 英文：https://code.tutsplus.com/articles/data-structures-with-javascript-singly-linked-list-and-doubly-linked-list–cms 《JavaScript 数据结构》系列回顾： 第一篇：JavaScript 数据结构（1）：什么是数据结构？ 第二篇：JavaScript 数据结构（2-1）：栈与队列-栈篇 第三篇：JavaScript 数据结构（2-2）：栈与队列-队列篇 第四篇：JavaScript数据结构(3-1)：单向链表与双向链表— Node data 存储数据。 next 指向链表中下一个节点的指针。 previous 指向链表中前一个节点的指针。 你刚刚揭开了一个单链表和双向链表的秘密，可以把这些数据结构添加到自己的编码工具弹药库中！ 请等待下一篇：《JavaScript数据结构(4)：树》
83020发布于 2019-03-28 - 来自专栏悦思悦读
开发一款A股选股器
作者在自学机器学习的过程中，尝试开发了一个基于机器学习的A股选股工具。本文是在赤兔的“数据挖掘”小组分享的此次开发过程和心得体会的整理。 A股选股器开发过程 数据来源 就财经类的数据而言，现在各大门户网站都有专门的频道，信息很多，如果对实时要求高，通过爬虫取其中有用的部分应该是一个办法。 它是免费的，提供结构化的数据，感觉每天更新也挺快。 预处理 拿到数据后第一步是做预处理。我认为股票的数据主要是做归一化，使得不同股票具有可比性。比如涨幅百分比，复权等等。 最初是用了最近3年的数据，后来考虑到A股从2007年到2015年恰好走过了一个上涨到下降再到上涨的完整周期，因此扩大到了8年的数据。 再是对算法的改进，我尝试引入了“推荐指数”的概念。 股灾日经常是“千股跌停”，上涨的股票太少了…可以看出在这些“股灾日”的时候，模型也不太准确，出现了失真。 总结与心得 选股工具利用机器学习算法，一般情况下比传统的算法（或者人为经验）的准确率高。
3.3K80发布于 2018-03-15 - 来自专栏镁客网
美股遭血洗，科技股大跌
并且，隔夜美股的暴跌态势已经蔓延到了亚太股市和欧洲股市。 今日早上，亚太市场开盘后随美股一样暴跌。 其中，最早开盘的澳洲股指ASX200指数盘初跌2%，日股日经225指数开盘跌2%，日本东证指数下跌3%，迈向3月以来最大跌幅，韩国KOSPI指数开盘下跌2.43%。 台股加权指数开盘跌1.9%，目前跌幅扩大至逾4%。 在美股惨遭血洗的时候，其中，科技巨头的股票也一路下跌。 国内媒体认为，美债收益率上升是美股承压原因之一。美国国债收益率本月以来一直攀升，10年美债收益率一度触及3.25%的七年最高水平。10月5日，有数据显示，美国失业率降到了3.7%的历史低位。
68140发布于 2018-10-18 - 来自专栏刷题笔记
3-2 数组元素的区间删除 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101225075 3-2 数组元素的区间删除 (20 分) 给定一个顺序存储的线性表，请设计一个函数删除所有值大于
98230发布于 2019-11-08 - 来自专栏小姚的后端记录
八股
八股 浏览器输入网址到看到结果的全过程 ==首先是解析url，然后进行缓存判断，判断请求的资源在不在缓存中，如果在缓存中且没有失效，就直接使用，否则就要向服务器发起请求。 数据链路层（Data Link Layer）： 主要功能：在直接连接的两个设备之间提供可靠的数据传输。 作用：将物理层提供的比特流分组成数据帧，并负责数据的错误检测和纠正。 网络层（Network Layer）： 主要功能：实现数据包的路由和转发，为数据在不同网络之间的传输提供路径。 作用：负责逻辑寻址、数据包的路由选择和跨网络的数据传输。IP协议是网络层的代表。 通常用于实现不同应用程序之间的数据交互。 表示层（Presentation Layer）： 主要功能：数据格式转换、数据加密和解密。 数据类型： Cookie：Cookie只能存储文本数据，通常用于存储小量的用户信息，如用户ID、首选语言或会话令牌。 Session：Session可以存储各种数据类型，包括对象和复杂数据结构。
60940编辑于 2023-10-11 股票数据API：日股、韩股、新加坡股票、印尼股票市场实时行情实时数据API—python
本文将介绍一个高效的亚太股市数据 API，支持日本股市行情、韩国股市行情、新加坡股市行情和印尼股市行情的实时数据查询。 该 API 提供实时价格、K 线数据、历史数据查询、实时 tick、实时报价、低延时报价 api、盘口数据和逐笔成交等功能，特别适合量化交易开发者使用。 主要优势：实时数据：毫秒级更新，支持实时价格和逐笔成交。历史数据查询：批量获取多股 K 线数据，包括开盘价、最高价、最低价、收盘价和成交量（OHLCV）。 批量历史 K 线查询支持多股同时查询历史 K 线数据，周期从分钟线到月线。适合历史数据查询和 K 线数据分析。请求路径：GET /stock/klines? K 线数据分析，支持多股批量操作。
1.6K10编辑于 2025-12-11A 股 Level-2 行情数据 API 实战指南
本文将系统介绍 A 股 Level-2 行情数据 API 的技术特点、接入方案及实战应用，帮助开发者在量化交易的道路上构建坚实的数据底座。 数据量方面，A 股 Level-2 行情每日增量约 30-45GB，历史数据可达 10TB 级别。这意味着，处理 Level-2 数据不仅需要高效的 API 接入方案，更需要强大的数据存储与计算能力。 同花顺 iFinD：延迟在 100-200 毫秒，覆盖全市场 A 股及港股数据。采用年费制，数据质量稳定，功能丰富，适合专业投资机构使用。 4.2 实时行情接入代码示例以下提供 iTick API 的完整接入示例，包括 REST API 和 WebSocket 两种方式，涵盖 A 股、港股、美股等市场。 七、结语A 股 Level-2 行情数据 API 为量化开发者打开了一扇通往市场微观结构的大门。从十档盘口的深度分析到逐笔成交的资金流向追踪，Level-2 数据承载着比传统行情丰富十倍的信号价值。
2.7K21编辑于 2026-03-21- 来自专栏数据科学实战
AkShare-股票数据-港股美股复权后数据
作者寄语 更新之前的港股和美股接口直接返回复权后的数据，方便策略回测使用，具体的使用方法参见文档。 AkShare 股票数据 美股-历史行情 接口: stock_us_daily 目标地址: http://finance.sina.com.cn/stock/usstock/sector.shtml 描述 : 获取美股历史行情数据，设定 adjust="qfq" 则返回前复权后的数据，默认 adjust="", 则返回未复权的数据，历史数据按日频率更新 限量: 单次返回指定上市公司指定 adjust 后的所有历史行情数据 输入参数 名称 类型 必选 描述 symbol str Y 美股代码, 可以通过 「get_us_stock_name」 函数返回所有美股代码, 由于美股数据量大, 建议按需要获取 adjust str , 可以选择返回复权后数据,更新频率为日频 限量: 单次返回指定上市公司的历史行情数据(包括前后复权因子), 提供新浪财经拥有的该股票的所有数据(并不等于该股票从上市至今的数据) 输入参数 名称 类型
2.7K20发布于 2020-05-07 - 来自专栏数据科学实战
AkShare-股票数据-千股千评
作者寄语 熟悉东方财富的小伙伴一定听过东方财富的股吧评论数据，无论是学术论文还是业界的金工报告都有提及相关内容，本次更新根据股吧浏览、自选股添等数据统计得出，关注指数越高代表该股越受市场关注的千股千评指数接口 ，本数据有东方财富制定。 /stockcomment/ 描述: 获取东方财富网-数据中心-特色数据-千股千评 限量: 单次获取所有数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称 类型 默认显示 描述 TDate 接口示例 import akshare as akstock_em_comment_df = ak.stock_em_comment()print(stock_em_comment_df) 数据示例 - - -3953 2020-03-23T00:00:00 900955 海创B股 ...
2.9K20发布于 2020-03-25 - 来自专栏数据科学实战
AkShare-股票数据-破净股统计
作者寄语 更新 破净股统计 接口，破净是指市值跌破净资产值，破净股是指股票的每股市场价格低于它每股净资产价格。 数据的时间段为：2005年-至今 更新接口 "stock_a_below_net_asset_statistics" # A 股破净股统计 破净股统计 接口: stock_a_below_net_asset_statistics 目标地址: https://www.legulegu.com/stockdata/below-net-asset-statistics 描述: 获取 A 股破净股统计数据 限量: 单次获取所有历史数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称 类型 默认显示 描述 date datetime Y 交易日 below_net_asset float Y 破净股家数 total_company = ak.stock_a_below_net_asset_statistics() print(stock_a_below_net_asset_statistics_df) 数据示例
92130发布于 2020-07-23 - 来自专栏WebJ2EE
React：Table 那些事（3-2）—— 斑马纹、固定表头
数据行的斑马纹效果 2. 固定表头 ? 1. 斑马纹 - UI 效果 斑马纹 就是指隔行换色 ? 2. 固定表头 - 注意事项 【第一】 固定表头是动态效果 由 Table 高度、数据量共同作用 ? 【第二】 数据区出现竖向滚动条时 表头、表尾必须留出滚动条宽度 否则会出现列对不齐现象 ? ?
4.4K10发布于 2019-07-19 - 来自专栏万能的小草
pandas入门3-2:识别异常值以及lambda 函数
续上篇文章《pandas入门3-1:识别异常值以及lambda 函数》 假设每个月的客户数量保持相对稳定，将从数据集中删除该月中特定范围之外的任何数据。最终结果应该是没有尖峰的平滑图形。 请注意这样操作的话，将使我们有消除正常数据的风险。 原始数据(df)每天有多个记录。我们留下了一个由State和StatusDate索引的数据集。Outlier列中的False表示该记录不是异常值。 利用上面的数据可以衡量当前客户的数量是否达到公司已建立的某些目标。这里的任务是直观地显示当前客户的数量是否符合下面列出的目标。 这样的话，每一行表示一年的数据。
1.3K10发布于 2020-02-17 - 来自专栏数据科学实战
AKShare-股票数据-行业成份股
作者寄语 本次接口主要东方财富的行业板块中成份股，可以与同花顺的对照使用。 更新接口 "stock_board_industry_cons_em" # 东方财富-成份股 东方财富-成份股 接口: stock_board_industry_cons_em 目标地址: https: //data.eastmoney.com/bkzj/BK1027.html 描述: 东方财富-沪深板块-行业板块-板块成份 限量: 单次返回指定 symbol 的所有成份股 输入参数 名称 类型 描述 stock_board_industry_cons_em_df = ak.stock_board_industry_cons_em(symbol="小金属") print(stock_board_industry_cons_em_df) 数据示例
1.8K30编辑于 2022-01-12 美股实时行情与 K 线数据对接
对于金融科技开发者而言，如何稳定、低延迟地获取美股数据是开发全球资产配置工具的第一步。本文将基于 StockTV 全球金融 API，为你详解如何快速集成美股实时行情、历史数据及指数信息。 一、 美股接口对接美股数据通常面临着交易所授权费高昂、API 协议复杂（如 FIX 协议）等痛点。 涨跌幅排行榜：使用 stock/updownList 接口快速获取美股全市场的“涨幅榜”或“跌幅榜”，实时挖掘热点个股。 数据缓存：对于 stock/companies 接口提供的公司描述、行业分类等静态信息，建议在本地数据库做缓存，以优化 App 加载速度。 结语对接美股数据并不复杂，关键在于选择一个稳定且数据维度丰富的供应商。StockTV API 以其标准化的 JSON 结构和覆盖全球的金融数据，极大地降低了金融应用的开发门槛。
60610编辑于 2026-02-26爬虫技术选股：Python 自动化筛选潜力股
核心技术工具说明本次自动化选股项目依赖 Python 的三大核心库，各自承担关键职责：Requests：轻量高效的 HTTP 请求库，负责向金融数据网站发送请求，获取公开的个股行情与财务数据，是爬虫实现的核心工具 Pandas：高性能的数据处理与分析库，负责对提取的金融数据进行清洗、整理、指标计算与筛选，是实现选股逻辑的关键支撑。2. 二、项目实现流程概述本次 Python 自动化选股的核心流程分为四步：爬虫搭建：抓取 A 股市场个股的基础信息（股票代码、名称）与核心财务 / 行情数据（每股收益、净利润增长率、市盈率、市净率等）；数据清洗 ：处理抓取到的缺失值、异常值、格式错误等问题，形成标准化数据集；选股逻辑实现：基于价值投资与成长投资的核心指标，预设筛选规则，利用 Pandas 完成自动化筛选；结果输出：将筛选出的潜力股整理为表格，保存为本地文件方便查阅 A 股列表数据，提取核心选股指标。
1K10编辑于 2026-01-14- 来自专栏kwai
数据库基础(六) mysql八股文
2，引擎：InnoDB，MyIsam 3，超键，候选键，主键，外键 4，Sql约束： 主键约束：唯一性，非空 唯一约束：唯一性，有一个可为空 检查约束：对列的数据范围限定 默认约束：数据的默认值 外键约束 5，事务实现原理 6，redo log，undo log 7，binlog 8，事务中可以混合使用引擎吗 不可以，正常情况下没问题，但是如果需要回滚，innodb没问题，myisam就会无法撤销，出现数据不一致 也可以对数据，如for update。 乐观锁有CAS和版本号机制。 4，InnoDB的行锁怎么实现 给索引项加锁，所以使用行锁一定要使用索引。 其他 1，为什么要使用分库分表 分表：数据太大 分库：并发太大 2，读写分离，主从同步，主从复制 就这两大类问题。
1K60编辑于 2022-01-10
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