数据分析师-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

291294878

MySQL插入中文乱码的建议

1. mysql启动时的字符集,在myini文件中配置 default-character-set=字符集 ,放在,[WinMySQLadmin]之上; 2. 数据库建表的过程中设置字符集,在CREATE语句最后的 CHARSET=字符集语句中设置; 3. 在驱动url中的选项中设置字符集,jdbc:mysql://localhost:3306/test?useUnicode=true

0.0000

0

3

0

关注作者

收藏

291294878

临时表空间及临时表使用

临时表空间的几点说明临时表空间不像普通InnoDB表空间那样，不支持裸设备（raw device）。临时表空间使用动态的表空间ID，因此每次重启时都会变化（每次重启时，都会重新初始化临时表空间文件）。当选项设置错误或其他原因（权限不足等原因）无法创建临时表空间时，mysqld实例也无法启动。临时表空间中存储这非压缩的InnoDB临时表，如果是压缩的InnoDB临时表，则需要单独存储在各自的

0.0000

0

1

0

关注作者

收藏

291294878

:= 和 = 运算符都有赋值的作用，在大部分场景下并无区别，但 := 更为全场景些。= 只有在 set 和update时才是和 := 一样，赋值的作用，其它都是关系运算符等于的作用。:= 不只在 set 和 update 时赋值的作用，在 select 也是赋值的作用，常与@结合使用，比如编号

0.0000

0

2

0

关注作者

收藏

291294878

MySQL中的 <=>

mysql中任何与NULL做比较都会是NULL，常用来做判断是否是NULL。也可以采用IS NULL

0.0000

0

2

0

关注作者

收藏

291294878

MySQL中table 结构定义在哪里

通常关注的用户数据，底层都实际存储在 mysql 数据目录。其它的元数据也不例外，比如 table 表结构的定义。mysql 数据目录文件结构是非常清晰的，•目录对应数据库•frm 文件存储了 table 结构的定义•ibdata 文件存储了 mysql 的元数据及其它table 定义的结构，就存在于 frm 文件中，当然管理元数据的 ibdata 也会有记录。当存在 frm

0.0000

0

3

0

关注作者

收藏

291294878

mysql8.0用户密码设置

在MySQL 8.0.11中，caching_sha2_password是默认的身份验证插件，而不是以往的mysql_native_password。在新服务上配置安装mysql8.0.11时，像往常一样设置mysql密码，设置成功后在shell下输入mysql -u root -p，再输入密码能正常进入，但在phpmyadmin或直接用http://php.net/manual/zh/mys

0.0000

0

2

0

关注作者

收藏

291294878

MySQL8.0 的远程链接

MySQL8.0 安装完成后出现无法远程链接的现象，这是因为MySQL8.0 只支持 localhost 访问，我们必须设置一下才可以远程访问。具体设置步骤如下：① 登录MySQL执行命令为：mysql -u root -p 回车后输入密码② 选择 mysql 数据库执行命令为：use mysql;查看mysql 数据库中存储的用户信息的 user 表。③ 查看my

0.0000

0

5

0

关注作者

收藏

291294878

MySQL8.0创建用户和授权

在mysql8.0创建用户和授权和之前不太一样了，其实严格上来讲，也不能说是不一样,只能说是更严格,mysql8.0需要先创建用户和设置密码,然后才能授权。#先创建一个用户create user 'hong'@'%' identified by '123123'; #再进行授权grant all privileges on *.* to 'hong'@'%' with grant op

0.0000

0

1

0

关注作者

收藏

291294878

Python3中bytes类型转换为str类型

基于URL解析报文的时候，URL链接出现str类型 bytes类型是报错TypeError，如何解决这个问题呢？解决方案方法一：利用str函数方法二：利用bytes.decode()进行解码测试代码如下：# -*- coding: utf-8 -*-"""Created on Wed Sep 26 10:13:07 2018任务：Python3 bytes类型转换为str类型

0.0000

0

4

0

关注作者

收藏

291294878

Python中的线性表

线性表：分为顺序表和链表一、顺序表顺序表就是相对于表中的数据，地址也是顺序的，所以可以随机存取。但是在操作插入和删除元素的时候，由于要满足地址的连续性，所以要移动很多的元素位置，因此，插入或者删除一个顺序表的元素的时间复杂度是o(n)。很多时候，在对顺序表做合并的时候，需要先对表中的元素进行排序，然后再进行处理，这样可以避免每次都从头进行查询。二、链表链表就失去了顺序表的随机存

6.8974

1

4

0

关注作者

收藏

291294878

如何把一个字典中的内容提取出来，并存储为字符串

流程如下： 1、把字典中的项目取出来，使用items方法，使得字典的键值对变成列表s1的每一个元素，s1是列表 2、遍历s1的每一个元素，先需要读取每一个元素的键和值，即key=s1[0]，value=s1[2] 3、这时key和value分别都是字符串，用“=”连接起来 4、把每一个等式连接起来使用到append方法，创建列表存储每次连接好的等式 5、使用列表的join方法，把“

0.0000

0

3

0

关注作者

收藏

291294878

如何把一个字符串的内容提取出来，并放到字典中

流程如下： 1、得到字符串s，通过分割提取得到s1（是个列表） s=”name=lyy

6.8974

1

1

0

关注作者

收藏

291294878

怎们用类写装饰器

下面用常见的写法实现了一个缓存装饰器。def cache(func): data = {} def wrapper(*args, **kwargs): key = f'{func.__name__}-{str(args)}-{str(kwargs)})' if key in data: result = data.get(key) print('cached') else: re

0.0000

0

2

0

关注作者

收藏

809669515

双变量分析 - 分类和数值

带误差线的折线图带有误差线的折线图将信息显示为由直线段连接的一系列数据点。每个数据点是分类变量的相应类别的数值数据的平均值，其中误差条显示标准误差。这是一种总结信息片段如何相互关联以及它们如何相互依赖的方式（iris_linechart.xlsx）。 a组合图组合图表使用两种或更多图表类型来强调图表包含不同类型的信息。在这里，我们使用条形图显示分箱数值变量的分布和折线图，以显示分类变量

0.0000

0

4

0

关注作者

收藏

809669515

双变量分析 - 数值和数值

散点图散点图是两个数值变量（属性）之间关系的有用视觉表示，通常在计算线性相关或拟合回归线之前绘制。得到的模式表示两个变量之间关系的类型（线性或非线性）和强度。可以将更多信息添加到二维散点图中，例如，我们可以用代码标记点以指示第三变量的级别。如果我们处理数据集中的许多变量，那么一次呈现两个变量的所有可能散点图的方法是在散点图矩阵中。aa线性相关线性相关量化两个数值变量之间线性关系的

0.0000

0

5

0

关注作者

收藏

809669515

高斯混合体聚类

基于模型的聚类简介还有另一种处理聚类问题的方法：基于模型的方法，包括使用某些模型进行聚类并尝试优化数据和模型之间的拟合。在实践中，每个聚类可以通过参数分布在数学上表示，如高斯（连续）或泊松（离散）。因此，整个数据集由这些分布的混合物建模。用于对特定集群建模的单个分布通常称为组件分布。具有高可能性的混合模型倾向于具有以下特征：组件分布具有高“峰值”（一个簇中的数据很紧）;混合模型很好地“

0.0000

0

3

0

关注作者

收藏

809669515

自组织映射

自组织映射（SOM）用于高维数据集的可视化和分析。SOM有助于将高维数据集呈现为较低维度的数据集，通常是1-D，2-D和3-D。它是一种无监督的学习算法，并且不需要目标向量，因为它学会了在没有监督的情况下对数据进行分类。SOM由输入数据所呈现的节点或单元的网格形成。每个节点都连接到输入，节点之间没有连接。SOM是一种拓扑保留技术，可以将邻域关系保留在其映射表示中。算法1-使用0到1之间的

0.0000

0

2

0

关注作者

收藏

809669515

K-Means聚类旨在将n个对象划分为k个聚类，其中每个对象属于具有最近均值的聚类。该方法产生恰好具有最大可能区别的k个不同簇。导致最大间隔（距离）的最佳簇数k不是先验的，必须根据数据计算。K-Means聚类的目标是最小化总簇内方差，或平方误差函数： a算法将数据聚集到k个组中，其中k 是预定义的。随机选择k 点作为聚类中心。根据欧几里德距离函数将对象分配到其最近的聚类中心。

0.0000

0

3

0

关注作者

收藏

809669515

K-Means聚类旨在将n个对象划分为k个聚类，其中每个对象属于具有最近均值的聚类。该方法产生恰好具有最大可能区别的k个不同簇。导致最大间隔（距离）的最佳簇数k 不是先验的，必须根据数据计算。K-Means聚类的目标是最小化总簇内方差，或平方误差函数：算法将数据聚集到k个组中，其中k 是预定义的。随机选择k 点作为聚类中心。根据欧几里德距离函数将对象

0.0000

0

4

0

关注作者

收藏

809669515

模糊C均值聚类

算法模糊c均值（FCM）是一种聚类方法，它允许一个数据属于两个或多个聚类。这种方法（由Dunn于1973年开发，1981年由Bezdek改进）经常用于模式识别。它基于以下目标函数的最小化：a ， a其中m 是大于1的任何实数，u ij是聚类j中x i的隶属度，x i 是d维测量数据的第i个，c j是聚类的d维中心，和|| * || 是表示任何测量数据与中心之间相似性的

6.8974

1

4

0

关注作者

收藏

<1…298299300…341>

CDA考试动态

CDA报考指南