NumPy zeros()函数使用小结
目录一、函数简介二、参数详解参数解析三、相关示例示例 1：创建一维数组示例 2：创建二维数组示例 3：创建三维数组示例 4：使用不同的数据类型四、zeros()与empty()的区别NumPy（Numerical Python）是Python科学计算领域的核心库。它提供了强大的多维数组对象，以及用于处理这些数组的工具。在数据科学、机器学习和工程计 ...
Python利用openpyxl与pandas处理Excel多工作表的实战对比
目录一、核心定位差异：外科手术刀与数据加工厂1.1 openpyxl：Excel原生结构的精细操控者1.2 pandas：数据分析的批量处理引擎二、多工作表读写性能实测2.1 读取性能对比2.2 写入性能对比三、典型场景解决方案3.1 场景一：销售数据分析看板3.2 场景二：财务预算模板自动化四、混合使用最佳实践4.1 数据流处理链4.2 关键技巧 ...
Python实现快速从指定页面PDF中提取文本
目录1. 环境准备2. 从指定页面提取文本2.1 代码示例2.2 代码解析3. 从指定区域提取文本3.1 代码示例3.2 代码解析结论在现代办公环境中，PDF 文件作为一种通用的文档格式被广泛使用。无论是合同、报告还是电子书，很多重要信息都储存于 PDF 文件中。因此，从 PDF 文件中提取文本数据的需求也逐渐增加。本文将为大家介绍如何 ...
基于 Python 与 PyQt5 构建的特斯拉行车记录仪视频播放器
基于 Python 与 PyQt5 构建的特斯拉行车记录仪视频播放器
GitHub 开源地址：https://github.com/JerryYu2014/TeslaCamPlayer
很多 Tesla 车主第一次打开 U 盘里的 TeslaCam 文件夹时，都会有类似的感受：
文件夹层级又深又乱，RecentClips、SavedClips、SentryClips 混在一起；
每段视频被拆成前/后/左/右四个摄像头的文件 ...
数据可视化五大黄金原则：让你的图表“会说话”
在日常工作中，你是否遇到过这种情况：你辛辛苦苦跑完数据，画了一张图表发给老板或客户，结果对方盯着看了半天，问了一句：“所以，你想表达什么？”
这就像讲笑话没人笑一样尴尬。图表的本质不是 “画图”，而是 “沟通”。
今天，我将分享 5 个提升可视化效果的原则，并用 Python 的 matplotlib 库手把手教你如何实现。
...
pyqt图形化显示—2.信号与槽
信号：
event事件的工作方法是不断扫描是否发生事件然后做出相应，这种方式固然简单易懂，但如果我同一时间需要多项交互，那就不是能处理的了
所以pyside6采用信号（signal），可以以解为一件事情发生会发出一个信号呼叫对应的处理器（slot）响应
基础控件的信号：
按键：
class MyWindow(QWidget):
def __init__(self ...
FastAPI异步方法中调用同步方法
前言
在异步方法中调用同步方法，会直接阻塞整个事件循环，导致应用在执行同步方法期间无法处理其他任何并发请求，从而拖垮整个服务的性能。
为了解决这个问题，核心思路是将同步方法交给外部线程池去执行。
方法1, 使用 to_thread
Python 3.9 后可以使用 asyncio.to_thread 方法，将同步函数跑在独立的线程中，并返回一个 ...
Python使用Pillow库批量处理图片的示例详解
目录一、准备工作二、基础图片操作三、批量调整图片大小四、添加水印五、高级技巧1. 图片格式转换2. 图片优化小结大家好，今天要教大家一个超实用的技能 —— 使用Pillow库来批量处理图片。无论是调整图片大小、添加水印，还是批量格式转换，都能轻松搞定！让我们一起进入图片处理的奇妙世界吧！
一、准备工作
首 ...
pyqt图形化显示—1.基础框架和控件
前期准备：
安装pyside6库，并在库内打开Qt Designer
1. 基础框架：
导入
from PySide6.QtWidgets import QApplication, QWidget
QWidget 空白页面 更常使用
创建并继承类
class MyWindow(QWidget):
def __init__(self):
"""
初始化方法，用于创建窗口实例
继承自QMainWindow，作为主窗口 ...
NumPy random.choice()函数的使用小结
目录一、函数简介二、参数详解三、基础用法示例示例 1：从整数范围中随机选取示例 2：从列表中随机抽样示例 3：一次抽取多个样本示例 4：无放回抽样（不重复）四、加权抽样（设置概率分布）示例 5：指定抽样概率五、生成多维随机数组示例 6：生成二维随机数组六、注意事项与常见错误❌ 1. 概率和不为 1❌ 2. 无放回抽样数量 ...
怎么在Python的正则表达式中找到每个匹配的确切位置
目录简介使用的语法算法示例输出代码说明示例输出代码说明结论简介
re 模块是我们在 Python 中用于正则表达式的模块。文本搜索和更复杂的文本操作都使用正则表达式。grep 和 sed 等工具、vi 和 emacs 等文本编辑器以及 Tcl、Perl 和 Python 等计算机语言都具有内置的正则表达式支持。
Python 中的 re 模块提供用于匹配正则 ...
NumPy的hstack函数详细教程
目录1. 函数基本语法2. 一维数组的堆叠3. 二维数组的堆叠4. 三维数组的堆叠5. 注意事项7. 与其他堆叠函数比较8. 实际应用示例`np.hstack()`是NumPy中用于水平（按列）堆叠数组的函数（这意味着它将数组在第二个轴（即列方向）上堆叠，但是要求除第二个轴外其他轴的大小必须相同）。下面通过详细的解释和示例来学习这个函数 ...
NumPy多项式计算的实现方法
目录一、方法：多项式的NumPy表示法1.1 两种核心表示方式对比二、操作：NumPy多项式核心操作详解2.1 多项式的创建2.2 多项式算术运算2.3 求根运算2.4 多项式的求导与积分三、应用：多项式拟合与数据预测3.1 应用场景说明3.2 代码实现与结果分析四、其他：注意事项4.1 系数排列顺序的易错点4.2 高阶多项式的数值稳 ...
NumPy 形状操纵的实现示例
目录改变数组的形状将不同数组堆叠在一起 np.vstack: 行堆叠, np.hstack: 列堆叠将一个数组拆分成几个较小的数组改变数组的形状
一个数组的形状是由每个轴的元素数量决定的：
>>> a = np.floor(10*np.random.random((3,4)))
>>> a
array([[ 2., 8., 0., 6.],
[ 4., 5., 1., 1.],
[ 8., 9., 3., 6.]] ...
Python版SQLite数据库从入门到综合运用案例（附详细演示）
目录一、数据库学前须知1、学前知识点二、数据库基本知识点1、模块导入与创建表模块导入：创建表：2、基础增删改查操作数据库插入操作（insert）数据库删除操作（delete）数据库修改操作（update）数据库查找操作（select）补充知识点总结3、函数版增删改查4、面向对象版增删改查三、综合案例：基于 FastAPI 和 SQLAlchemy ...
NumPy 数组拼接与分割的使用详解
目录一、数组拼接（Concatenation）1. 核心函数2. 代码示例二、数组分割（Splitting）1. 核心函数2. 代码示例三、内存与性能1. 拼接后的数组为新对象2. 分割后的子数组为视图四、实用场景1. 数据集合并2. 图像分块处理3. 特征与标签分离五、错误处理NumPy 提供了多种方法用于数组拼接（Con ...
Python绘图工具使用Matplotlib、Seaborn和Pyecharts绘制散点图详解
目录数据可视化1.使用 matplotlib 库matplotlib 库2 .使用 seaborn 库seaborn 库3 .使用 pyecharts库pyecharts库注意比较三种库的特点选择建议目标总结
数据可视化
1.使用 matplotlib 库
import matplotlib.pyplot as plt
# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# 使用matplotlib绘制散点图
plt.scatter(x ...
NumPy Ndarray对象的创建与使用
目录引言Ndarray 的创建1. 使用numpy.array()函数2. 使用numpy.arange()函数3. 使用numpy.zeros()和numpy.ones()函数4. 使用numpy.random()函数Ndarray 的属性Ndarray 的方法Ndarray 的应用总结引言
NumPy 是 Python 中一个用于科学计算的基础库，它提供了强大的数组处理能力。在 NumPy 中，ndarray 对象是核心数据结构，它 ...
一文讲解Python和PyTorch的核心区别（零基础秒懂）
目录前言一、核心本质：先搞懂 “是什么”二、功能范围：能做什么 vs 不能做什么1. Python 的功能（无边界，通用）2. PyTorch 的功能（有边界，只聚焦深度学习）三、核心区别总结（一张表搞定）四、新手最易踩的误区误区 1：“学 PyTorch 不用学 Python”误区 2：&ldquoyTorch 是 Python 的升级版&rdqu ...
一文带你掌握Python Pandas数据处理的三大实用技巧
目录一、如何对DataFrame新增列1.1 直接运算实现1.2 Apply方法增加列1.3 Assign方法1.3 通过条件语句进行新增列二、pandas常见的数据统计类型2.1 数据特征统计2.2 数据去重和分类汇总三、pandas对缺失值的处理3.1 判断是否为空值3.2 丢弃空行空列3.3 空值填充附录：Apply，Map，ApplyMap的使用差异同样我们使用上节课的&nbs ...
