développement back-end
Tutoriel Python
Exemple d'explication de la mise en œuvre pratique de Python pour la lecture, les statistiques et l'écriture d'Excel
Exemple d'explication de la mise en œuvre pratique de Python pour la lecture, les statistiques et l'écriture d'Excel
这篇文章主要介绍了关于python实战之实现excel读取、统计、写入的示例讲解，有着一定的参考价值，现在分享给大家，有需要的朋友可以参考一下
背景
图像领域内的一个国内会议快要召开了，要发各种邀请邮件，之后要录入、统计邮件回复（参会还是不参会等）。如此重要的任务，老师就托付给我了。ps: 统计回复邮件的时候，能知道谁参会或谁不参会。
而我主要的任务，除了录入邮件回复，就是统计理事和普通会员的参会情况了（参会的、不参会的、没回复的）。录入邮件回复信息没办法只能人工操作，但如果统计也要人工的话，那工作量就太大了（比如在上百人的列表中搜索另外上百人在不在此列表中！！），于是就想到了用python来帮忙，花两天时间不断修改，写了6个版本。。。
摘要
version_1 基本实现了excel读取、统计、显示功能，但问题也有不少，像显示出来后还要自已复制、粘贴到excel表，而且set中还有nan这样的bug。
version_2 相比较version_1而言，此版本用set代替list，可以自动去重。
version_3 解决了set中出现nan的bug，而且还加入的excel写入的功能，但一次只能写入一张表，所以要运行两次才能写入两张表（sheet）。
version_4 的改进在于将version_3中写入两张表格的操作，集成在一个程序里，只需要运行一次便可写入两张表，但也总是会写入两张表，万一你只想写入一张表呢？？
version_5 相对之前版本的最大改进在于将程序模块化，更具可读性了; 对修复set中出现nan的方法也进行了改进和简化; 而且可以自由控制写入多少张表了。
version_final 相比较version_5，修复了一个bug，之前需要先验知识，现在更通用一点（prep函数取代了set2list函数）。
version_1
基本实现了excel读取、统计、显示功能，但问题也有不少，像显示出来后还要自已复制、粘贴到excel表，而且set中还有nan这样的值。
#version_1 import os import numpy as np import pandas as pd os.chdir('C:\\Users\\dell\\Desktop\\0711任务') print(os.getcwd()) data = pd.read_excel('for_python.xlsx','Sheet2') return_set = set(data['回执名单']) demand_set = set(data['理事名单']) answer_list = [] unanswer_list = [] for each in demand_set: if each in return_set: answer_list.append(each) else: unanswer_list.append(each) notattend_set = set(data['回执名单'][-15:]) nt = [] for each in notattend_set: if each in answer_list: nt.append(each) def disp(ll, cap, num = True): print(cap) if num: for i, each in enumerate(ll): print(i+1,each) else: for each in enumerate(ll): print(each) disp(answer_list,'\n理事回执名单') disp(unanswer_list,'\n理事未回执名单') disp(nt,'\n理事回执说不参加名单')
version_2
相比较上一个版本，此版本用set代替list，可以自动去重。
#version_2 import os import numpy as np import pandas as pd os.chdir('C:\\Users\\dell\\Desktop\\0711任务') print(os.getcwd()) data = pd.read_excel('for_python.xlsx','Sheet2') return_set = set(data['回执名单']) demand_set = set(data['理事名单']) answer_set = set([]) #理事回执名单 unanswer_set = set([]) #理事未回执名单 for each in demand_set: if each in return_set: answer_set.add(each) else: unanswer_set.add(each) notattend_set = set(data['回执名单'][-17:]) nt = set([]) #理事回执说不参加名单 for each in notattend_set: if each in answer_set: nt.add(each) ans_att_set = answer_set - nt #理事回执参加名单 def disp(ss, cap, num = False): print(cap) if num: for i, each in enumerate(ss): print(i+1,each) else: for each in ss: print(each) #disp(answer_set,'\n理事回执名单') disp(ans_att_set,'\n理事回执说参加名单') disp(nt,'\n理事回执说不参加名单') disp(unanswer_set,'\n理事未回执名单') print(len(ans_att_set),len(nt),len(unanswer_set))
version_3
此版本解决了set中出现nan的bug，而且还加入的excel写入的功能，但一次只能写入一张表，所以要运行两次才能写入两张表（sheet）。
step_1
import os
import numpy as np
import pandas as pd
os.chdir('C:\\Users\\dell\\Desktop')
print('work_directory: ', os.getcwd())
data = pd.read_excel('理事与会员名单.xlsx','理事与会员名单')
#1.载入excel，得到三个名单
ans_attend_set = set(data['回执参加']) #回执参会名单
N = len(ans_attend_set)
ans_notatt_idx = [i for i in range(N) if type(data['回执不参加'][i]) == np.float][0]
ans_notatt_set = set(data['回执不参加'][:ans_notatt_idx])#回执不参会名单
concil_idx = [i for i in range(N) if type(data['理事名单'][i]) == np.float][0]
concil_set = set(data['理事名单'][:concil_idx]) #理事名单
#2.统计理事参会情况
concil_attend_set = set([]) #理事回执参会名单
concil_notatt_set = set([]) #理事回执不参会名单
concil_notans_set = set([]) #理事未回执名单
for each in concil_set:
if each in ans_attend_set:
concil_attend_set.add(each)
elif each in ans_notatt_set:
concil_notatt_set.add(each)
else:
concil_notans_set.add(each)
#3. 显示结果
def disp(ss, cap, num = True):
#ss: 名单集合
#cap: 开头描述
print(cap,'({})'.format(len(ss)))
for i in range(np.ceil(len(ss)/5).astype(int)):
pre = i * 5
nex = (i+1) * 5
#调整显示格式
dd = ''
for each in list(ss)[pre:nex]:
if len(each) == 2:
dd = dd + ' ' + each
elif len(each) == 3:
dd = dd + ' ' + each
else:
dd = dd + '' + each
print('{:3.0f} -{:3.0f} {}'.format(i*5+1,(i+1)*5,dd))
disp(concil_attend_set,'\n参会理事')
disp(concil_notatt_set,'\n不参会理事')
disp(concil_notans_set,'\n未回执理事')
#4. 将理事参会情况，写入excel
df = pd.DataFrame(list(concil_attend_set),columns = ['参会理事'])
df['']=pd.DataFrame([''])
df['序号1'] = pd.DataFrame(np.arange(len(concil_notatt_set))+1)
df['不参会理事'] = pd.DataFrame(list(concil_notatt_set))
df['_']=pd.DataFrame([''])
df['序号2'] = pd.DataFrame(np.arange(len(concil_notans_set))+1)
df['未回执理事'] = pd.DataFrame(list(concil_notans_set))
df.index = df.index + 1
df.to_excel('理事和会员回执统计.xlsx', sheet_name='理事回执统计')
print('\n\n写入excel成功~~')step_2
import os
import numpy as np
import pandas as pd
os.chdir('C:\\Users\\dell\\Desktop')
print('work_directory: ', os.getcwd())
data = pd.read_excel('理事与会员名单.xlsx','理事与会员名单')
#1.载入excel，得到三个名单
ans_attend_set = set(data['回执参加']) #回执参会名单
N = len(ans_attend_set)
ans_notatt_idx = [i for i in range(N) if type(data['回执不参加'][i]) == np.float][0]
ans_notatt_set = set(data['回执不参加'][:ans_notatt_idx])#回执不参会名单
mem_idx = [i for i in range(N) if type(data['被推荐人'][i]) == np.float][0]
mem_set = set(data['被推荐人'][:mem_idx]) #被推荐为会员代表名单
#2.统计会员参会情况
mem_attend_set = set([]) #回执参会会员
mem_notatt_set = set([]) #回执不参会会员
mem_notans_set = set([]) #未回执会员
for each in mem_set:
if each in ans_attend_set:
mem_attend_set.add(each)
elif each in ans_notatt_set:
mem_notatt_set.add(each)
else:
mem_notans_set.add(each)
#3. 显示结果
def disp(ss, cap, num = True):
#ss: 名单集合
#cap: 开头描述
print(cap,'({})'.format(len(ss)))
for i in range(np.ceil(len(ss)/5).astype(int)):
pre = i * 5
nex = (i+1) * 5
#调整显示格式
dd = ''
for each in list(ss)[pre:nex]:
if len(each) == 2:
dd = dd + ' ' + each
elif len(each) == 3:
dd = dd + ' ' + each
else:
dd = dd + '' + each
print('{:3.0f} -{:3.0f} {}'.format(i*5+1,(i+1)*5,dd))
disp(mem_attend_set,'\n参会会员')
disp(mem_notatt_set,'\n不参会会员')
disp(mem_notans_set,'\n未回执会员')
#4. 将会员参会情况，写入excel
if len(mem_attend_set) > len(mem_notans_set):
print('#1')
L = len(mem_attend_set)
mem_notans_list = list(mem_notans_set)
mem_notans_list.extend([''] * (L - len(mem_notans_set)))
mem_attend_list = list(mem_attend_set)
else:
print('#2')
L = len(mem_notans_set)
mem_attend_list = list(mem_attend_set)
mem_attend_list.extend([''] * (L - len(mem_attend_set)))
mem_notans_list = list(mem_notans_set)
df = pd.DataFrame(mem_attend_list,columns = ['参会会员'])
df['']=pd.DataFrame([''])
if len(mem_notatt_set) == 0:
df['序号1'] = np.NaN
df['不参会会员'] = np.NaN
else:
df['序号1'] = pd.DataFrame(np.arange(len(mem_notatt_set))+1)
df['不参会会员'] = pd.DataFrame(list(mem_notatt_set))
df['_']=pd.DataFrame([''])
df['序号2'] = pd.DataFrame(np.arange(len(mem_notans_set))+1)
df['未回执会员'] = pd.DataFrame(mem_notans_list)
df.index = df.index + 1
df0 = pd.read_excel('理事和会员回执统计.xlsx',sheet_name='理事回执统计')
writer = pd.ExcelWriter('理事和会员回执统计.xlsx')
df0.to_excel(writer, sheet_name='理事回执统计')
df.to_excel(writer, sheet_name='会员回执统计')
writer.save()
print('\n\n写入excel成功~~')version_4
version_4的改进在于将version_3中写入两张表格的操作，集成在一个程序里，只需要运行一次便可写入两张表，也总是会写入两张表。问题是要是你只想写入一张表呢？？
import os
import numpy as np
import pandas as pd
os.chdir('C:\\Users\\dell\\Desktop')
print('work_directory: ', os.getcwd())
loadfile_sheet = ['理事与会员名单.xlsx','理事与会员名单']
columns = ['回执参加','回执不参加','理事','会员']
savefile_sheet = ['理事和会员回执统计.xlsx','理事回执统计','会员回执统计']
display = [1,1]
def main(loadfile_sheet,columns,savefile_sheet,display):
#1. 载入excel，得到名单
data = pd.read_excel(loadfile_sheet[0],loadfile_sheet[1])
def first_nan_index(pd):
for i, each in enumerate(pd):
if type(each) == np.float:
return i
return i
idx = first_nan_index(data[columns[0]])
ans_attend_set = set(data[columns[0]][:idx])#回执参会名单
idx = first_nan_index(data[columns[1]])
ans_notatt_set = set(data[columns[1]][:idx])#回执不参会名单
idx = first_nan_index(data[columns[2]])
concil_set = set(data[columns[2]][:idx])#理事名单
idx = first_nan_index(data[columns[3]])
mem_set = set(data[columns[3]][:idx])#会员名单
#2. 统计参会情况
concil_attend_set = set([]) #回执参会理事
concil_notatt_set = set([]) #回执不参会理事
concil_notans_set = set([]) #未回执理事
for each in concil_set:
if each in ans_attend_set:
concil_attend_set.add(each)
elif each in ans_notatt_set:
concil_notatt_set.add(each)
else:
concil_notans_set.add(each)
mem_attend_set = set([]) #回执参会会员
mem_notatt_set = set([]) #回执不参会会员
mem_notans_set = set([]) #未回执会员
for each in mem_set:
if each in ans_attend_set:
mem_attend_set.add(each)
elif each in ans_notatt_set:
mem_notatt_set.add(each)
else:
mem_notans_set.add(each)
#3. 是否显示中间结果
def disp(ss, cap, num = True):
#ss: 名单集合
#cap: 开头描述
print(cap,'({})'.format(len(ss)))
for i in range(np.ceil(len(ss)/5).astype(int)):
pre = i * 5
nex = (i+1) * 5
#调整显示格式
dd = ''
for each in list(ss)[pre:nex]:
if len(each) == 2:
dd = dd + ' ' + each
elif len(each) == 3:
dd = dd + ' ' + each
else:
dd = dd + '' + each
print('{:3.0f} -{:3.0f} {}'.format(i*5+1,(i+1)*5,dd))
if display[0]:
disp(concil_attend_set,'\n参会理事')
disp(concil_notatt_set,'\n不参会理事')
disp(concil_notans_set,'\n未回执理事')
if display[1]:
disp(mem_attend_set,'\n参会会员')
disp(mem_notatt_set,'\n不参会会员')
disp(mem_notans_set,'\n未回执会员')
#4. 写入excel
def trans_pd(df,ss,cap,i=1):
if len(ss) == 0:
df['序号{}'.format(i)] = np.NaN
df[cap] = np.NaN
else:
df['序号{}'.format(i)] = pd.DataFrame(np.arange(len(ss))+1)
df[cap] = pd.DataFrame(list(ss))
df['_'*i]=pd.DataFrame([''])
return df
def set2list(mem_attend_set,mem_notans_set):
if len(mem_attend_set) > len(mem_notans_set):
L = len(mem_attend_set)
mem_notans_list = list(mem_notans_set)
mem_notans_list.extend([''] * (L - len(mem_notans_set)))
mem_attend_list = list(mem_attend_set)
else:
L = len(mem_notans_set)
mem_attend_list = list(mem_attend_set)
mem_attend_list.extend([''] * (L - len(mem_attend_set)))
mem_notans_list = list(mem_notans_set)
return mem_attend_list,mem_notans_list
mem_attend_list, mem_notans_list = set2list(mem_attend_set, mem_notans_set)
df1 = pd.DataFrame(mem_attend_list,columns = ['参会会员'])
df1['']=pd.DataFrame([''])
df1 = trans_pd(df1,mem_notatt_set,'不参会会员')
df1 = trans_pd(df1,mem_notans_set,'未回执会员',2)
df1.index = df1.index + 1
concil_attend_list, concil_notans_list = set2list(concil_attend_set, concil_notans_set)
df2 = pd.DataFrame(concil_attend_list,columns = ['参会理事'])
df2['']=pd.DataFrame([''])
df2 = trans_pd(df2,concil_notatt_set,'不参会理事')
df2 = trans_pd(df2,concil_notans_list,'未回执理事',2)
df2.index = df2.index + 1
writer = pd.ExcelWriter(savefile_sheet[0])
df2.to_excel(writer, sheet_name=savefile_sheet[1])
df1.to_excel(writer, sheet_name=savefile_sheet[2])
writer.save()
print('\n\n写入excel成功~~')
if __name__ == '__main__':
main(loadfile_sheet,columns,savefile_sheet,display)version_5
version_5对修复set中出现nan的方法进行了改进和简化; 而且将程序模块化，更具可读性; 可以自由控制写入多少张表了。
import os
import numpy as np
import pandas as pd
os.chdir('C:\\Users\\dell\\Desktop')
print('work_directory: ', os.getcwd())
loadfile_sheet = ['理事与会员名单.xlsx','理事与会员名单']
common_columns = ['回执参加','回执不参加']
concerned_columns = ['理事','会员']
disp_columns = ['参会','不参会','未回执']
savefile_sheet = ['理事和会员回执统计.xlsx','理事回执统计','会员回执统计']
def disp(ss, cap, num = True):
#ss: 名单集合
#cap: 开头描述
print(cap,'({})'.format(len(ss)))
for i in range(np.ceil(len(ss)/5).astype(int)):
pre = i * 5
nex = (i+1) * 5
#调整显示格式
dd = ''
for each in list(ss)[pre:nex]:
if len(each) == 2:
dd = dd + ' ' + each
elif len(each) == 3:
dd = dd + ' ' + each
else:
dd = dd + '' + each
print('{:3.0f} -{:3.0f} {}'.format(i*5+1,(i+1)*5,dd))
def trans_pd(df,ss,cap,i=1):
df['_'*i]=pd.DataFrame([''])
if len(ss) == 0:
df['序号{}'.format(i)] = np.NaN
df[cap] = np.NaN
else:
df['序号{}'.format(i)] = pd.DataFrame(np.arange(len(ss))+1)
df[cap] = pd.DataFrame(list(ss))
return df
def set2list(ss1,ss2):
if len(ss1) > len(ss2):
L = len(ss1)
ss2_list = list(ss2)
ss2_list.extend([''] * (L - len(ss2)))
ss1_list = list(ss1)
else:
L = len(ss2)
ss1_list = list(ss1)
ss1_list.extend([''] * (L - len(ss1)))
ss2_list = list(ss2)
return ss1_list,ss2_list
def get_df(loadfile_sheet,common_columns,concerned_column,disp_columns, display = True):
#1. 载入excel
data = pd.read_excel(loadfile_sheet[0],loadfile_sheet[1])
common_set1 = set(data[common_columns[0]])
common_set1.discard(np.NaN)
common_set2 = set(data[common_columns[1]])
common_set2.discard(np.NaN)
concerned_set = set(data[concerned_column])
concerned_set.discard(np.NaN)
#2. 统计
concerned_in_set_1 = set([])
concerned_in_set_2 = set([])
concerned_in_no_set = set([])
for each in concerned_set:
if each in common_set1:
concerned_in_set_1.add(each)
elif each in common_set2:
concerned_in_set_2.add(each)
else:
concerned_in_no_set.add(each)
#3. 显示
if display:
disp(concerned_in_set_1,'\n'+disp_columns[0]+concerned_column)
disp(concerned_in_set_2,'\n'+disp_columns[1]+concerned_column)
disp(concerned_in_no_set,'\n'+disp_columns[2]+concerned_column)
#4. 返回DataFrame
concerned_in_set_1_list, concerned_in_set_2_list = set2list(concerned_in_set_1, concerned_in_no_set)
df = pd.DataFrame(concerned_in_set_1_list,columns = [disp_columns[0]])
df = trans_pd(df,concerned_in_set_2,disp_columns[1])
df = trans_pd(df,concerned_in_no_set,disp_columns[2],2)
df.index = df.index + 1
return df
def save2excel(df, concerned_column, savefile_sheet):
L = len(savefile_sheet) - 1
idx = 0
for i in np.arange(L)+1:
if concerned_column in savefile_sheet[i]:
idx = i
break
if idx != 0:
names = locals()
for i in np.arange(L)+1:
if i != idx:
names['df%s' % i] = pd.read_excel(savefile_sheet[0], sheet_name=savefile_sheet[i])
writer = pd.ExcelWriter(savefile_sheet[0])
for i in np.arange(L)+1:
if i != idx:
names['df%s' % i].to_excel(writer, sheet_name=savefile_sheet[i])
else:
df.to_excel(writer, sheet_name=savefile_sheet[i])
writer.save()
else:
names = locals()
for i in np.arange(L)+1:
names['df%s' % i] = pd.read_excel(savefile_sheet[0], sheet_name=savefile_sheet[i])
writer = pd.ExcelWriter(savefile_sheet[0])
for i in np.arange(L)+1:
names['df%s' % i].to_excel(writer, sheet_name=savefile_sheet[i])
df.to_excel(writer, sheet_name=concerned_column)
writer.save()
print('writing success')
if __name__ == '__main__':
for concerned_column in concerned_columns:
df = get_df(loadfile_sheet,common_columns,
concerned_column,disp_columns, display = True)
save2excel(df, concerned_column, savefile_sheet)version_final
相比较version_5，修复了一个bug，之前需要先验知识，现在更通用一点（prep函数取代了set2list函数）。
import os
import numpy as np
import pandas as pd
os.chdir('C:\\Users\\dell\\Desktop')
print('work_directory: ', os.getcwd())
loadfile_sheet = ['理事与会员名单.xlsx','理事与会员名单']
common_columns = ['回执参加','回执不参加']
concerned_columns = ['理事','会员']
disp_columns = ['参会','不参会','未回执']
savefile_sheet = ['理事和会员回执统计.xlsx','理事回执统计','会员回执统计']
def disp(ss, cap, num = True):
#功能：显示名单
#ss : 名单集合
#cap ：开头描述
print(cap,'({})'.format(len(ss)))
for i in range(np.ceil(len(ss)/5).astype(int)):
pre = i * 5
nex = (i+1) * 5
#调整显示格式
dd = ''
for each in list(ss)[pre:nex]:
if len(each) == 2:
dd = dd + ' ' + each
elif len(each) == 3:
dd = dd + ' ' + each
else:
dd = dd + '' + each
print('{:3.0f} -{:3.0f} {}'.format(i*5+1,(i+1)*5,dd))
def trans_pd(df,ll,cap,i=1):
#功能：生成三列--空列、序号列、数据列
#df : DataFrame结构
#ll : 列表
#cap : 显示的列名
#i : 控制空列的名字
df['_'*i]=pd.DataFrame([''])
if len(set(ll)) == 1:
df['序号{}'.format(i)] = np.NaN
df[cap] = np.NaN
else:
df['序号{}'.format(i)] = pd.DataFrame(np.arange(len(set(ll))-1)+1)
df[cap] = pd.DataFrame(ll)
return df
def prep(ss, N):
#功能：预处理，生成列表，并补齐到长度N
#ss : 集体
#N ：长度
ll = list(ss)
L = len(ll)
ll.extend([np.NaN] * (N-L))
return ll
def get_df(loadfile_sheet,common_columns,concerned_column,disp_columns, display = True):
#1. 载入excel
data = pd.read_excel(loadfile_sheet[0],loadfile_sheet[1])
common_set1 = set(data[common_columns[0]])
common_set2 = set(data[common_columns[1]])
concerned_set = set(data[concerned_column])
common_set1.discard(np.NaN)
common_set2.discard(np.NaN)
concerned_set.discard(np.NaN)
#2. 统计
concerned_in_set_1 = set([])
concerned_in_set_2 = set([])
concerned_in_no_set = set([])
for each in concerned_set:
if each in common_set1:
concerned_in_set_1.add(each)
elif each in common_set2:
concerned_in_set_2.add(each)
else:
concerned_in_no_set.add(each)
#3. 显示
if display:
disp(concerned_in_set_1,'\n'+disp_columns[0]+concerned_column)
disp(concerned_in_set_2,'\n'+disp_columns[1]+concerned_column)
disp(concerned_in_no_set,'\n'+disp_columns[2]+concerned_column)
#4. 返回DataFrame
N = np.max([len(concerned_in_set_1),len(concerned_in_set_2),len(concerned_in_no_set)])
concerned_in_set_1_list = prep(concerned_in_set_1,N)
concerned_in_set_2_list = prep(concerned_in_set_2,N)
concerned_in_no_list = prep(concerned_in_no_set,N)
df = pd.DataFrame(concerned_in_set_1_list,columns = [disp_columns[0]])
df = trans_pd(df,concerned_in_set_2_list,disp_columns[1])
df = trans_pd(df,concerned_in_no_list,disp_columns[2],2)
df.index = df.index + 1
return df
def save2excel(df, concerned_column, savefile_sheet):
L = len(savefile_sheet) - 1
idx = 0
for i in np.arange(L)+1:
if concerned_column in savefile_sheet[i]:
idx = i
break
if idx != 0: #如果有对应sheet
names = locals()
for i in np.arange(L)+1:
if i != idx:
names['df%s' % i] = pd.read_excel(savefile_sheet[0], sheet_name=savefile_sheet[i])
writer = pd.ExcelWriter(savefile_sheet[0])
for i in np.arange(L)+1:
if i != idx:
names['df%s' % i].to_excel(writer, sheet_name=savefile_sheet[i])
else:
df.to_excel(writer, sheet_name=savefile_sheet[i])
writer.save()
else: #如果没有对应sheet，创建一个新sheet
names = locals()
for i in np.arange(L)+1:
names['df%s' % i] = pd.read_excel(savefile_sheet[0], sheet_name=savefile_sheet[i])
writer = pd.ExcelWriter(savefile_sheet[0])
for i in np.arange(L)+1:
names['df%s' % i].to_excel(writer, sheet_name=savefile_sheet[i])
df.to_excel(writer, sheet_name=concerned_column)
writer.save()
print('writing success')
if __name__ == '__main__':
for concerned_column in concerned_columns:
df = get_df(loadfile_sheet,common_columns,
concerned_column,disp_columns, display = True)
save2excel(df, concerned_column, savefile_sheet)相关推荐：
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Python vs C: applications et cas d'utilisation comparés
Apr 12, 2025 am 12:01 AM
Python convient à la science des données, au développement Web et aux tâches d'automatisation, tandis que C convient à la programmation système, au développement de jeux et aux systèmes intégrés. Python est connu pour sa simplicité et son écosystème puissant, tandis que C est connu pour ses capacités de contrôle élevées et sous-jacentes.
Quels types de fichiers sont composés de bases de données Oracle?
Apr 11, 2025 pm 03:03 PM
La structure du fichier de la base de données Oracle comprend: Fichier de données: stockage des données réelles. Fichier de contrôle: enregistrer les informations de la structure de la base de données. Remarquer les fichiers journaux: enregistrer les opérations de transaction pour garantir la cohérence des données. Fichier de paramètres: contient des paramètres d'exécution de la base de données pour optimiser les performances. Fichier journal des archives: sauvegarde du fichier journal pour la reprise après sinistre.
Comment se connecter à la base de données Oracle
Apr 11, 2025 pm 02:39 PM
La connexion de la base de données Oracle implique non seulement le nom d'utilisateur et le mot de passe, mais également les chaînes de connexion (y compris les informations du serveur et les informations d'identification) et les méthodes d'authentification. Il prend en charge SQL * Plus et les connecteurs de langage de programmation et fournit des options d'authentification telles que le nom d'utilisateur et le mot de passe, Kerberos et LDAP. Les erreurs courantes incluent les erreurs de chaîne de connexion et le nom d'utilisateur / mots de passe non valide, tandis que les meilleures pratiques se concentrent sur la mise en commun des connexions, les requêtes paramétrées, l'indexation et la gestion des informations d'identification de sécurité.
Comment utiliser les journaux Debian Apache pour améliorer les performances du site Web
Apr 12, 2025 pm 11:36 PM
Cet article expliquera comment améliorer les performances du site Web en analysant les journaux Apache dans le système Debian. 1. Bases de l'analyse du journal APACH LOG enregistre les informations détaillées de toutes les demandes HTTP, y compris l'adresse IP, l'horodatage, l'URL de la demande, la méthode HTTP et le code de réponse. Dans Debian Systems, ces journaux sont généralement situés dans les répertoires /var/log/apache2/access.log et /var/log/apache2/error.log. Comprendre la structure du journal est la première étape d'une analyse efficace. 2.
Python: jeux, GUIS, et plus
Apr 13, 2025 am 12:14 AM
Python excelle dans les jeux et le développement de l'interface graphique. 1) Le développement de jeux utilise Pygame, fournissant des fonctions de dessin, audio et d'autres fonctions, qui conviennent à la création de jeux 2D. 2) Le développement de l'interface graphique peut choisir Tkinter ou Pyqt. Tkinter est simple et facile à utiliser, PYQT a des fonctions riches et convient au développement professionnel.
Quelles sont la base de données Oracle installée sur le disque C?
Apr 11, 2025 pm 04:21 PM
La cachette de la base de données Oracle sur le lecteur C: Registre: Utilisez l'éditeur de registre pour rechercher "Oracle" pour trouver des informations, y compris le chemin d'installation, le nom du service, etc. Système de fichiers: les fichiers Oracle sont dispersés dans plusieurs emplacements dans le lecteur C, y compris le répertoire domestique, les fichiers système, les fichiers temporaires, etc. Action minutieuse: lorsque vous désinstallez Oracle, vous devez non seulement supprimer des fichiers, mais aussi nettoyer le registre et les services. Il est recommandé d'utiliser l'outil de désinstallation officiel ou de demander de l'aide professionnelle. Gestion de l'espace: optimiser l'espace disque pour éviter d'installer Oracle sur le lecteur C; Nettoyer régulièrement des fichiers temporaires
Laravel (PHP) contre Python: environnements de développement et écosystèmes
Apr 12, 2025 am 12:10 AM
La comparaison entre Laravel et Python dans l'environnement de développement et l'écosystème est la suivante: 1. L'environnement de développement de Laravel est simple, seul PHP et compositeur sont nécessaires. Il fournit une riche gamme de packages d'extension tels que Laravelforge, mais la maintenance des forfaits d'extension peut ne pas être opportun. 2. L'environnement de développement de Python est également simple, seuls Python et PIP sont nécessaires. L'écosystème est énorme et couvre plusieurs champs, mais la gestion de la version et de la dépendance peut être complexe.
PHP et Python: comparaison de deux langages de programmation populaires
Apr 14, 2025 am 12:13 AM
PHP et Python ont chacun leurs propres avantages et choisissent en fonction des exigences du projet. 1.Php convient au développement Web, en particulier pour le développement rapide et la maintenance des sites Web. 2. Python convient à la science des données, à l'apprentissage automatique et à l'intelligence artificielle, avec syntaxe concise et adaptée aux débutants.
