Python
python语言学习-------------------------------------csv模块将有规律的分隔符去掉，转成一列数据（常用）
上代码： G:Python3.8解释器python.exe C:/Users/Administrator/PycharmProjects/pythonProject/11.py192.168.1.1192.168.3.1192.168.33.2172.1.2.22178.3.21.124168.131.35.11168.131.35.12168.131.35.13168.131.
ChatGLM2-6B清华开源本地化部署
一、前言 随着科技的不断发展，人工智能作为一项新兴技术，已逐渐渗透到各行各业。 AI 技术发展迅速、竞争激烈，需要保持对新技术的关注和学习。 ChatGPT的强大无需多说，各种因素国内无法商用，本文仅探讨：ChatGLM2 、百川13B大模型。两者都可以免费本地部署和商用。 ChatGLM官网体验地址：https://chatglm.cn/ 百川大模型官网体验地址：https:
软件测试|web自动化测试神器playwright教程（三十五）
playwright判断元素是否存在 前言 我们在进行web自动化测试的过程中，有时候我们需要判断元素是否存在，才可以进行下一步的点击操作或断言，如果我们使用的是selenium，可以使用显式等待方式，或者使用find_elements判断列表长度，但是playwright有另外一个判断方式，直接计算元素数量来判断元素是否存在，比起selenium来说，步骤更为简单，本文就为大家介绍playwr
软件测试|web自动化测试神器playwright教程（三十六）
playwright Trace Viewer 追踪功能 前言 在我们日常执行自动化测试工作的过程中，经常会遇到一些偶发性的bug，但是因为bug是偶发性的，我们不一定每次执行都能复现，所以我们在测试执行的时候，追踪用例执行就变得非常重要了。playwright提供了一个Playwright Trace Viewer工具来追踪测试执行，这是一个GUI工具，我们可以通过它探索记录的 Playwri
软件测试|教你用Python处理PDF文件（二）
前言 上一篇文章我们介绍了Python使用pypdf2实现读取PDF文件的文本内容，合并PDF文件，以及为PDF文件添加水印，本篇文章我们来介绍使用Python实现对PDF文件的加密解密。 环境准备 我们还是使用PyPDF2这个库来实现对PDF文件的加密解密操作，安装命令如下： 文件加密 有的时候，我们并不希望所有人都能看到PDF文件的内容，所以我们就需要给PDF文件加密，python支持给P
软件测试|教你用Python处理PDF文件（三）
前言 我们之前介绍了提取PDF文件中的文字内容，我们使用PyPDF2即可实现操作，但是如果PDF文件有图片的话，只提取文本的话无法把图片的内容一起提取出来，我们需要另外的脚本来实现对图片的提取。 环境准备 对于抽取PDF中的图片，我们使用的还是PyPDF2这个库，安装命令如下： 我们还是使用之前使用的过的，test2.pdf来用做例子。 使用实例 我们提取PDF文件中的图片的代码如下： 运行
软件测试|教你用Python处理PDF文件（四）
前言 之前我们介绍了从PDF文件中提取文本内容以及从PDF文件提取图片的方法，除了文本内容与图片，表格也PDF文件中常见的内容，提取表格内容时，我们不再使用PyPDF2库来实现操作，Python有多个库来实现提取表格内容，本文我们将分别介绍多个库提取PDF中表格的操作。 pdfplumber pdfplumber是读取PDF文件文本和表格提取的第三方库中，功能最均衡的一个，它主要有以下优点：
软件测试|Python科学计算神器numpy教程（三）
NumPy创建区间数组的强大功能 前言 NumPy是Python中最受欢迎的科学计算库之一，它提供了许多强大的功能来处理和操作数组数据。在本文中，我们将重点介绍NumPy中创建区间数组的功能，这使得我们可以轻松地生成指定范围内的数值序列，为我们的数据分析和科学计算任务提供了便利。 Numpy简介 NumPy（Numerical Python）是一个开源的Python库，它提供了高性能的多维数组对
软件测试|Python科学计算神器numpy教程（四）
NumPy的索引和切片 前言 NumPy是Python中最受欢迎的科学计算库之一，它提供了强大的多维数组对象和灵活的数据操作功能。在本文中，我们将重点介绍NumPy中的索引和切片功能，这些功能使得我们可以轻松地访问和操作数组中的元素，为数据分析和科学计算任务提供了极大的便利。 Numpy简介 NumPy（Numerical Python）是一个开源的Python库，它提供了高性能的多维数组对象和
586. 订单最多的客户
586. 订单最多的客户 2023年8月14日08:26:04 586. 订单最多的客户 简单 SQL Schema Pandas Schema 表: Orders 查找下了 最多订单 的客户的 customer_number 。 测试用例生成后， 恰好有一个客户 比任何其他客户下了更多的订单。 查询结果格式如下所示。 示例 1: 进阶： 如果有多位顾客订单数并列最多，你能找到他们所有的
596. 超过5名学生的课
596. 超过5名学生的课 2023年8月14日08:16:22 596. 超过5名学生的课 简单 316 相关企业 SQL Schema Pandas Schema 表: Courses 查询 至少有5个学生 的所有班级。 以 任意顺序 返回结果表。 查询结果格式如下所示。 示例 1: 通过次数 157.1K 提交次数 306.8K 通过率 51.2% 答案
软件测试|Python科学计算神器numpy教程（五）
NumPy的高级索引功能 前言 NumPy是Python中最受欢迎的科学计算库之一，它提供了丰富的功能来处理和操作数组数据。在本文中，我们将深入了解NumPy的高级索引功能，这些功能允许我们根据特定条件或索引数组来访问和修改数组的元素，为数据科学和数组操作提供了更大的灵活性和控制力。 NumPy简介 NumPy（Numerical Python）是一个开源的Python库，它提供了高性能的多维数
1050. 合作过至少三次的演员和导演
1050. 合作过至少三次的演员和导演 2023年8月14日10:35:10 1050. 合作过至少三次的演员和导演 简单 SQL Schema Pandas Schema ActorDirector 表： 编写解决方案找出合作过至少三次的演员和导演的 id 对 (actor_id, director_id) 示例 1： 通过次数 55.6K 提交次数 72.6K 通过率 76.5% 答
Python中threading模块 lock、Rlock的使用
一、概述 在使用多线程的应用下，如何保证线程安全，以及线程之间的同步，或者访问共享变量等问题是十分棘手的问题，也是使用多线程下面临的问题，如果处理不好，会带来较严重的后果，使用python多线程中提供Lock 、Rlock 、Semaphore 、Event 、Condition 用来保证线程之间的同步，后者保证访问共享变量的互斥问题。 Lock & RLock：互斥锁，用来保证多线程访
软件测试|数据处理神器pandas教程（十二）
Pandas reindex方法进行索引重置 在数据分析和处理过程中，经常需要对数据进行索引的重置或重新排序。Pandas是一种功能强大的数据处理工具，其中的reindex方法可以帮助我们实现索引的重置操作。本文将介绍Pandas的reindex方法以及其在数据处理中的应用。 引言 在数据分析和处理中，索引的重置是一项常见任务。索引的重置可以按照特定的顺序重新排序数据，也可以生成新的索引标签以适
1693. 每天的领导和合伙人
1693. 每天的领导和合伙人 2023年8月14日10:07:14 1693. 每天的领导和合伙人 简单 46 相关企业 SQL Schema Pandas Schema 表：DailySales 对于每一个 date_id 和 make_name，找出 不同 的 lead_id 以及 不同 的 partner_id 的数量。 按 任意顺序 返回结果表。 返回结果格式如下示例所示。 示例
1484. 按日期分组销售产品
1484. 按日期分组销售产品 2023年8月14日09:49:54 1484. 按日期分组销售产品 简单 SQL Schema Pandas Schema 表 Activities： 编写解决方案找出每个日期、销售的不同产品的数量及其名称。 每个日期的销售产品名称应按词典序排列。 返回按 sell_date 排序的结果表。 结果表结果格式如下例所示。 示例 1: 通过次数 57K 提交次
软件测试|Python科学计算神器numpy教程（六）
NumPy的广播机制 前言 NumPy是Python中最受欢迎的科学计算库之一，它提供了高性能的多维数组对象和丰富的数组操作功能。其中，广播机制是NumPy的重要特性之一，它允许不同形状的数组进行算术运算，提供了灵活而高效的数组操作能力。在本文中，我们将深入探讨NumPy的广播机制，以便更好地理解其工作原理和应用。 NumPy简介 NumPy（Numerical Python）是一个开源的Pyt
1378. 使用唯一标识码替换员工ID
1378. 使用唯一标识码替换员工ID 2023年8月14日10:50:22 1378. 使用唯一标识码替换员工ID 简单 39 相关企业 SQL Schema Pandas Schema Employees 表： EmployeeUNI 表： 展示每位用户的 唯一标识码（unique ID ）；如果某位员工没有唯一标识码，使用 null 填充即可。 你可以以 任意 顺序返回结果表。 返回
2356. 每位教师所教授的科目种类的数量
2356. 每位教师所教授的科目种类的数量 2023年8月14日07:54:45 2356. 每位教师所教授的科目种类的数量 简单 SQL Schema Pandas Schema 表: Teacher 查询每位老师在大学里教授的科目种类的数量。 以 任意顺序 返回结果表。 查询结果格式示例如下。 示例 1: 通过次数 7.3K 提交次数 9K 通过率 81.9% 答案
软件测试|Python科学计算神器numpy教程（八）
NumPy相关数组操作 前言 NumPy是Python中用于数值计算和数据处理的强大库。本文将介绍如何使用NumPy进行数组操作，包括变维、转置、修改数组维度、连接和分割数组等常用操作。 NumPy是Python中最重要的数值计算库之一，它提供了广泛的功能和工具来处理和操作多维数组。本文将向您介绍如何使用NumPy进行一些常见的数组操作，包括变维、转置、修改数组维度、连接和分割数组等。 变维操作
软件测试|Python科学计算神器numpy教程（七）
Numpy遍历数组 当处理大量数据时，Python中的NumPy（Numerical Python）库是一个非常强大和高效的工具。它提供了用于处理多维数组和执行数值计算的功能。在本文中，我们将探讨如何使用Python和NumPy库来遍历和操作NumPy数组。 环境与数据准备 首先，确保已经安装了NumPy库。可以使用以下命令在Python中安装NumPy： 安装完成后，我们可以开始编写代码。
软件测试|Python科学计算神器numpy教程（九）
NumPy实现数组元素的增删改查 前言 NumPy是Python中最常用的科学计算库之一，它提供了高性能的多维数组对象和各种用于操作数组的函数。在本文中，我们将探讨如何使用NumPy进行数组元素的增加、删除、修改和查询操作。这些操作是数据处理和分析中常用的操作，通过学习它们，您将能够更好地利用NumPy进行数据处理和分析。 增加元素 在NumPy中，可以通过几种方式增加数组元素： append
ddddocr报AttributeError: module ‘PIL.Image‘ has no attribute ‘ANTIALIAS‘
我用的python版本为3.11.2，运行ddddocr时，报错 原因是在pillow的10.0.0版本中，ANTIALIAS方法被删除 可以把pillow的版本修改为之前的版本
6.0 Python 使用函数装饰器
装饰器可以使函数执行前和执行后分别执行其他的附加功能，这种在代码运行期间动态增加功能的方式，称之为"装饰器"(Decorator)，装饰器的功能非常强大，装饰器一般接受一个函数对象作为参数，以对其进行增强，相当于C++中的构造函数，与析构函数。 装饰器本质上是一个python函数,它可以让其他函数在不需要做任何代码变动的前提下增加额外功能,装饰器的返回值也是一个函数对象.它经常用于有迫切需求的场景