- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-3 数据框的子集
> x <- data.frame(v1=1:5,v2=6:10,v3=11:15) > x v1 v2 v3 1 1 6 11 2 2 7 12 3 3 8 13 4 4 9 14 5 5 10 15 > x$v3[c(2,4)] <- NA > x v1 v2 v3 1 1 6 11 2 2 7 NA 3 3 8 13 4 4 9 NA 5 5 10 15 > #找出第2列 > x[,2] [1] 6 7 8 9 10 > x[,"v2"] [1] 6 7 8 9 10 > x[
91900发布于 2020-09-16 - 来自专栏csdn_blog
MIMIC III数据集详细介绍
ＭＩＭＩＣ数据集包括ＭＩＭＩＣ－ＩＩ数据集和ＭＩＭＩＣ－ＩＩＩ数据集，ＭＩＭＩＣ－ＩＩ数据集的数据是２００１—２００８年间贝斯以色列迪康医学中心（ＢＩＤＭＣ）重症监护室中病人的医疗数据，ＭＩＭ－ＩＣ－ＩＩＩ 数据集的数据是２００１年６月—２０１２年１０月重症监护室病人数据。 数据集ＭＩＭＩＣ数据库从发布到现在，随着更多数据变得可用，数据导入和提取方法的改进，以及数据库维护人员一直根据社区提供的数据库内容的反馈定期更新数据集，因此ＭＩＭＩＣ数据集有多个版本，目前最新的版本是２０１６ null - HADM_ID INT not null - SEQ_NUM INT 操作顺序 ICD9_CODE VARCHAR(10) ICD-9 编码 参考文章 官方文档：https://mimic.mit.edu /about/mimic/ 信息资源管理学报 的一篇文章： ＭＩＭＩＣ－ＩＩＩ电子病历数据集及其挖掘研究 陈 静１ 李保萍２ （１．华中师范大学信息管理学院，武汉，４３００７９； ２．武汉大学信息管理学院
4.6K20编辑于 2021-12-07 - 来自专栏mimic数据库
MIMIC-IV-ED数据集介绍
MIMIC-IV-ED v2.2 Abstract MIMIC-IV-ED 是一个大型的免费数据库，记录了2011年至2019年间急诊部门(ED)贝斯以色列女执事医疗中心的入院情况。 MIMIC-IV-ED 旨在通过提供一个大型的数据库来支持急诊护理中的数据分析，该数据库位于马萨诸塞州波士顿的一个三级学术医疗中心。 虽然 MIMIC-IV-ED 的核心目标是为研究目的提供真实世界的临床数据，因此限制了在数据发布之前进行的预处理的数量，但在转换过程中需要一些数据清理步骤。在使用表特定的主键插入时，观察数据被删除。 我们进一步在基于云的数据库服务(包括 Google BigQuery)中提供 MIMIC-IV-ED，允许有资质的调查人员立即使用该数据集。 Data Linkage MIMIC-IV-ED 可以作为一个独立的研究数据库使用，但也可以链接到 MIMIC-IV 和 MIMIC-CXR [1,3]。
1.6K10编辑于 2024-01-15 - 来自专栏mimic数据库
MIMIC-IV 数据查询加速教程
MIMIC-IV查询加速保姆级教程为什么查询会这么慢？ 这个过程时间比较长，2分钟左右，耐心等待我们现在看看文章开头的SQL查询速度， 9秒就完成了查询PostgreSQL 索引索引是加速搜索引擎检索数据的一种特殊表查询。 简单地说，索引是一个指向表中数据的指针。一个数据库中的索引与一本书的索引目录是非常相似的。拿汉语字典的目录页（索引）打比方，我们可以按拼音、笔画、偏旁部首等排序的目录（索引）快速查找到需要的字。 索引有助于加快 SELECT 查询和 WHERE 子句，但它会减慢使用 UPDATE 和 INSERT 语句时的数据输入。索引可以创建或删除，但不会影响数据。 唯一索引使用唯一索引不仅是为了性能，同时也为了数据的完整性。唯一索引不允许任何重复的值插入到表中。
98310编辑于 2023-11-28 - 来自专栏yuezhimi
ceph-mimic版
Infernalis November 2015 - June 2016 Jewel 10.2.9 2016年4月 Kraken 11.2.1 2017年10月 Luminous 12.2.12 2017年10月 mimic 13.2.7 2018年5月 nautilus 14.2.5 2019年2月 mimic新版本特性 Bluestore ceph-osd的新后端存储BlueStore已经稳定，是新创建的OSD yum.repos.d/ceph.repo [Ceph] name=Ceph packages for $basearch baseurl=http://mirrors.aliyun.com/ceph/rpm-mimic gpgcheck=0 priority=1 [Ceph-noarch] name=Ceph noarch packages baseurl=http://mirrors.aliyun.com/ceph/rpm-mimic mimic版 (nautilus版) dashboard 安装。
1.3K21发布于 2020-09-30 - 来自专栏mimic数据库
MIMIC数据库安装保姆级教程（下)
安装前准备 执行安装前需要准备以下文件： 1，mimic数据导入脚本。 2，mimiciv数据文件。 mimic数据导入脚本可以在官方的github网址上下载，网址为： https://github.com/MIT-LCP/mimic-code/tree/main。 mimiciv数据文件需要在官网申请权限才可以下载使用，不知道怎么申请的同学，可以参考小编以前的文章： MIMIC数据库下载权限申请保姆级教程（上） MIMIC数据库下载权限申请保姆级教程（下） 安装脚本介绍 ，通过7z加载mimiciv数据，其中mimic_data_dir为mimiciv数据存放路径 # 设置mimic数据存放路径 \set mimic_data_dir 'D:/mimic/mimiciv-data /mimic-iv-2.2' # 加载数据 \i D:/workspace/mimic-code-main/mimic-iv/buildmimic/postgres/load_7z.sq 数据导入过程会比较漫长
2.4K31编辑于 2023-07-21 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-3 NumPy数据基础
熟悉Python语言的都知道Python自带的数据类型List列表也可以表示一维数组以及多维数组，下面就说一说List相比于NumPy模块中的数组的缺点。 首先创建一个List列表生成式： ? ，但是不论是一维数组还是二维数组，list和array都没有把数据看成是向量或者是矩阵，相应的也就没有为这些运算配备和向量以及矩阵相关的运算，这使得机器学习算法中使用比list高效的array还是不方便 因此NumPy解决了list的效率问题，只能存储同一种数据类型，并且把数组看成是矩阵或者向量，并提供了很多相应的矩阵和向量的运算，这就解决了list和array不能进行科学计算的问题。 当然由于numpy数组同样只能存储一种数据类型，所以使用字符串修改元素值会抛出异常： ? 由于numpy数组只存放唯一数据类型的元素，所以我们可以通过dtype属性来查看numpy数组的数据类型，即数组中元素类型： ?
94900发布于 2019-11-13 - 来自专栏mimic数据库
MIMIC数据库安装保姆级教程（上）
安装前准备 安装mimic数据库前，我们需要先准备以下工具： 1，postgres数据库安装包； 2，7z安装包； 3，mimiciv数据安装脚本； 4，mimiciv数据集； 为了方便同学们学习，小编已经把上述需要的软件已经整理好了 ，关注“科研收录”公众号，后台回复"mimic安装"就可以获取下载地址。 安装Postgres数据库 mimic官方推荐使用postgres数据库进行数据分析。 安装7z解压缩软件 因为mimiciv数据非常大，压缩包就有8G，导入完数据后将近100G，不能直接将数据导入数据库，需要使用到7z解压缩工具进行数据解压导入。 双击7z安装文件 选择7z安装目录（记住这个目录，后面设置环境变量要用） 点击"Install"，很快就安装完毕 02 设置环境变量 安装完7z之后，还需要设置7z的环境变量，才可以使用7z进行mimic
1.8K41编辑于 2023-07-21 - 来自专栏python3
3-3 SQL Server 2005数
3-3 SQL Server 2005数据库优化 了解数据库引擎优化顾问基本内容 掌握数据库引擎优化顾问的使用 掌握通过命令行的方式进行索引的优化——DTA 一个数据库系统的性能依赖于组成这些系统的数据库中物理设计结构的有效配置 SQL Server 2005提供了一套综合的工具，用于优化物理数据库的设计，其中数据库引擎优化顾问，是分析一个或多个数据库上工作负荷（对要做出优化的数据库而编写的一组T-SQL语名句）的性能效果的工具 本节主要介绍数据库引擎优化顾问的使用。 3-3-1 数据库引擎优化顾问概述 数据库引擎优化顾问是一种工具，用于分析在一个或多个数据库中运行的工作负荷的性能效果。 工作负荷是对在优化的数据库招待的一组T-SQL语句。分析数据库的工作负荷效果后，数据库引擎优化顾问会提供在SQL Server 2005 数据库中添加、删除或修改物理设计结构的建议。 随后启动数据库引擎优化顾问，如图3-10所示。数据库引擎优化顾问主要用于优化数据库以及查看优化的建议和报告的单独图形化用户界面。 ?
92420发布于 2020-01-07 - 来自专栏mimic数据库
MIMIC数据库安装保姆级教程（上）
安装前准备 安装mimic数据库前，我们需要先准备以下工具： 1，postgres数据库安装包； 2，7z安装包； 3，mimiciv数据安装脚本； 4，mimiciv数据集； 为了方便同学们学习，小编已经把上述需要的软件已经整理好了 ，关注“科研收录”公众号，后台回复"mimic安装"就可以获取下载地址。 安装Postgres数据库 mimic官方推荐使用postgres数据库进行数据分析。 安装7z解压缩软件 因为mimiciv数据非常大，压缩包就有8G，导入完数据后将近100G，不能直接将数据导入数据库，需要使用到7z解压缩工具进行数据解压导入。 双击7z安装文件 选择7z安装目录（记住这个目录，后面设置环境变量要用） 点击"Install"，很快就安装完毕 02 设置环境变量 安装完7z之后，还需要设置7z的环境变量，才可以使用7z进行mimic
1K60编辑于 2023-07-21 - 来自专栏mimic数据库
MIMIC数据库，常用查询指令SQL基础(一)
SELECT 语句 SELECT 语句用于从数据库中选取数据。 结果被存储在一个结果表中，称为结果集。 SQL SELECT 语法 SELECT column1, column2, ... （去重） 我们平时在操作数据时，有可能出现一种情况，在一个表中有多个重复的记录，当提取这样的记录时，DISTINCT 关键字就显得特别有意义，它只获取唯一一次记录，而不是获取重复记录。 ，就可以在 SELECT 语句中添加 WHERE 子句，从而过滤掉我们不需要数据。 语法 以下是 SELECT 语句中使用 WHERE 子句从数据库中读取数据的通用语法： SELECT column1, column2, columnN FROM table_name WHERE [condition1 示例 BETWEEN BETWEEN 操作符选取介于两个值之间的数据范围内的值。这些值可以是数值、文本或者日期。
1.2K40编辑于 2023-07-21 - 来自专栏从百草园到三味书屋
公开重症监护数据库MIMIC代码仓库介绍
； 医疗领域进入数字化革命（本文是2017年接收），引出形成MIMIC-III数据库； EHR二次分析需要临床专家和数据科学家的合作，在EHR数据库上推导或者定义一些概念是需要资源的，对于没有特别强的临床背景或者数据科学技能的人来说巨大障碍 ； 该文介绍MIMIC代码仓库，介绍与重症相关概念的导出以及相关假设条件等； 公开数据已经逐渐有了，公开相应的数据代码同样重要。 an outline of the data-capture process 社区 让研究人员和数据维护人员、临床人员共同提升代码 结论 公开数据库的案例已经不少，为了让研究更加透明，也需要公开相应数据分析和数据处理的代码 补充 代码库地址：https://github.com/MIT-LCP/mimic-code 之前以MIMIC-III为主，现在mimic-iii和mimic-iv合并在一起了 mimic数据库为了让研究者访问更加方便 从代码仓库导出的概念concepts都放到mimic_derived数据集里 ---- Johnson, A. E. W., Stone, D. J., Celi, L.
2.3K10编辑于 2023-03-09 - 来自专栏往期博文
【数据挖掘】任务2：医学数据库MIMIC-III数据处理
涉及到的预处理方法包括插值，去噪，缺失值填充，离群点数据处理，可视化等。 数据集说明 patients:包含所有患者数据。 chart_events：包含了所有可供患者使用的图表数据。 这是因为在病人的电子图上显示实验室值是可取的，因此这些值是从存储实验室值的数据库复制到存储chartevent的数据库中。 提取LABEVENTS表格中PO2和PCO2数据 # 根据采集时间来读取数据 df = pd.read_csv('mini_label_events.csv', index_col='CHARTTIME ，将这些数据进行删除处理 ipl2.dropna(axis='index', how='any', inplace=True) # any表示只要有一个缺失值则整行删除 处理后的数据如下表所示 ipl2 我选择删除偏离均值三倍标准差数据的方式进行去噪。
2.6K20编辑于 2022-09-01 - 来自专栏mimic数据库
MIMIC数据提取教程 - 官方提供的时间函数（一）
mimic数据库中有非常多的指标是需要根据时间计算出来， 跟时间有关的指标都需要通过官方的时间函数进行计算得出MIMIC数据库常用的几个时间计算函数如下 一、DATETIME_DIFF函数1.1 实例： import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport psycopg2schema_name = 'mimic '# 连接到MIMIC-IV数据库conn = psycopg2.connect(dbname='mimiciv', user='postgres', password='mimic', 1.2.2 拓展：等宽直方图直方图（histogram）是数据库中的一种重要的统计信息，可以描述列中的数据分布情况。 Equi-width Histogram（等宽直方图）是将数据最大、小值之间的区间等分为N份，每个桶中最大、小值之差都为整体数据最大、小值之差/N，既所谓“等宽”。
1.8K00编辑于 2023-12-12 3-3日志
NuGet安装Microsoft.Extensions.Logging及Microsoft.Extensions.Logging.Consloe
7600编辑于 2026-06-17- 来自专栏Seebug漏洞平台
MIMIC Defense CTF 2019 final writeup
如果用户名被直接拼接到了数据库名字中，将.转化为_， ./dbs/mimic_{username}.db 直接访问相应的路径，就可以下载到自己的 db 文件，直接本地打开就可以看到其中的数据。 数据库里很明显由 filename 做主键，后面的数据是序列化之后的字符串，主要有两个点，一个是 file_type ，这代表文件上传之后，服务端会检查文件的类型，然后做相应的操作，其次还会保存相应的文件路径 抛开这边的数据库以后，我们再从黑盒这边继续分析。 当你上传文件的时候，文件名是 md5(全文件名)+最后一个.后的后缀拼接。 对于后缀的检查，如果点后为 ph 跟任何字符都会转为 mimic 。 于是只能思考别的利用方式，这时候我们会想到数据被储存在sqlite中。 如果我们可以把 sqlite 文件中数据修改，然后将文件上传到服务端，我们不就能实现任意文件读取吗。
1.3K20发布于 2019-06-02 - 来自专栏叽叽西
lagou 爪哇 3-3 dubbo 笔记
注册中心返回服务提供者地址列表给消费者，如果有变更，注册中心将基于长连接推送变更数据给消费者。 服务消费者和提供者，在内存中累计调用次数和调用时间，定时每分钟发送一次统计数据到监控中心。 Dubbo 架构具有以下几个特点，分别是连通性、健壮性、伸缩性、以及向未来架构的升级性。 dubbo:protocol org.apache.dubbo.config.ProtocolConfig, 指定服务在进行数据传输所使用的协议。 category=routers 表示该数据为动态配置类型，必填。 dynamic : 是否为持久数据，当指定服务重启时是否继续生效。必填。 RecordTable /** * 一种类似表格的数据接口，类似 Map<A, Map<B,C>>类型。
67010编辑于 2022-05-17 - 来自专栏mimic数据库
Python连接MIMIC-IV数据库并图表可视化
之前我们讲解了如何提取MIMIC-IV数据数据： 这种直接SQL提取方式很直接，但是不是最好的方式也不利于数据的进一步统计分析、可视化和预测分析， 所以我们这里讲解下： 如何用python语言连接我们装好的数据库 ，并做简单的数据可视化（图表展示） 本文主要是将MIMICIII版本官方代码内的教程升级成mimic-iv版本 ， 不同之处在于两点 数据读取方式： MIMICIII教程使用的直接读取csv文档的方式 ， 我们这里连接数据 数据和代码更新：因mimic-iv数据表更新了很多，所以可视化代码也需要更新 数据来源：PostgreSQL数据库 前置条件， 学会安装python环境、anconda代码包集成环境 、ide编辑器（本期文章） 一、 连接mimic-iv数据库 1.1 安装psycopg2包 主要三种方式 Pycharm编辑器 嫌费事的同学也可直接安装Anaconda集成环境 也可用命令行工具 三、 小结 在这篇项目中，我们使用python连接数据库方式来获取MIMIC数据库的数据，给出了一些SQL查询的应用例子，以及数据集的探索尝试； 然后基于获取到的数据集，我们利用pandas函数来对数据集进行操作
1.2K10编辑于 2023-12-12 - 来自专栏悟道
3-3欧几里得求最大公因子
最大公因子，指两个或多个整数共有约数中最大的一个 private static int gc(int a, int b) { if(b==0){ return a; } if(a<b){ int temp=a; a=b; b=temp; } return gc(b,a%b); }
54920发布于 2021-03-16 - 来自专栏LoRexxar's Blog
wctf2018 cyber mimic defence Writeup
本身使用战争与分享赛制，却要求了每队必须出一道windows题目，大部分人都选择了内核驱动级别的re和pwn，只有LCBC出的“拟态防御”和智能合约审计可以一做，关于智能合约的部分有机会会再分享，这里只研究一下mimic cyber mimic defence 代码挺简单的，flask完成，主要的功能几乎只有登陆注册，功能核心基本都在user类中，而调用到user类的view只有登陆部分，所以漏洞也就是在这里。 ，然后不同的数据库会对应不同的闭合符号，在每次查询时都会向4个数据库同时查询，然后对比返回结果，只有3种以上相同的结果才会被返回。 我们有两个办法解决这个问题 1、找到至少3种数据库都支持的查询方式 2、只攻击其中1种数据库 这里我们很难找到支持第一种办法的注入方式，因为在不同的数据库中，储存表名列名字段的都是不同位置，我们最多只能使用最普通的 那么我们果断是由第二种方式，既然我们的每次查询都会进数据库，那么我们直接时间盲注就好了，有个问题在于，比如mysql，我们需要处理单双引号闭合方式不同的问题，当闭合方式不同时，我们就没办法获得数据了。
49330编辑于 2023-02-21
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