测试数据select count(*) from system.columns where table='test_update';select count(*) from test_update;具体删除&更新实现语法 如下：ALTER TABLE <table_name> DELETE WHERE <filter>;ALTER TABLE <table_n

1 pandas介绍：pandas是基于NumPy的一种工具，它是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。常用数据结构有：Series：一维数组，与Numpy中的一维array类似。二者与Python基本的

补充：kafka manager 中lag的正数、0、负数的含义：正数：就是kafka数据积压了，消费速度小于生产速度；0:生产者和消费者速率基本相当，说明2者都工作正常；负数：说明kafka的消费者干活很快，分分钟就处理完消费的数据，供小于求。...

1 引言：在数据解析过程中，json格式的数据多用来做前后端数据交互、接口数据交互等，弄清楚Java语言中解析json嵌套数组对于数据交互有着重要意义，本文基于自己的代码编写和逻辑梳理，整理出本篇干货，亲测有效。2 理论：2-1 json字符串和json对象的区别：//格式区别://JSON字符串:var str='{"name":"xiaoming","age":24}';//JSON对象:va

给大家推荐一个在Windows下可以查看文件夹大小的工具TreeSize Free。下载链接：https://customers.jam-software.de/downloadTrial.php?language=EN&article_no=80参考资料：https://blog.csdn.net/qq_33204709/article/details/111661871...

1 基本概念：FP-growth，即 Frequent Pattern Growth，它通过构建 FP 树(即 Frequent Pattern Tree)这样的数据结构，巧妙得将数据存储在 FP 树中，只需要在构建 FP 树时扫描数据库两次，后续处理就不需要再访问数据库了。这种特性使得 FP-growth 算法比 Apriori 算法速度快。FP 树是一种前缀树，由频繁项的前缀构成。2 两个名词

1 原理1.1 随机森林算法：随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，每棵决策树都是一个分类器（假设现在针对的是分类问题），那么对于一个输入样本，N棵树会有N个分类结果。而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出，这就是一种最简单的 Bagging 思想。1.2 Matplotlib和SeabornMatplotlib：高度定制化绘

1 介绍DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一个出现得比较早（1996年），比较有代表性的基于密度的聚类算法。DBSCAN能够将足够高密度的区域划分成簇，并能在具有噪声的空间数据库中发现任意形状的簇。聚类的时候不需要预先指定簇的个数，最终簇的个数不确定。DBScan需要二个参数： 扫描半径 (Eps

小前言：一般对于办公软件的使用博客少之又少，而且关键词描述不太清楚，导致搜索的内容质量极低，又限于是软件版本的问题，有些教程根本行不通。于是将自己在工作和学习之中用到的软件技巧和公式功能记录下来，用来之后的总结提高。PS：对于之前办公软件使用频率不高的童鞋，我真真切切的感受到办公软件技能的提升真的可以提升自己的算力。本篇小博客为excel应用1：公式1：对于时间戳的转换以及计算时间戳早晚的公式在e

1 介绍DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一个出现得比较早（1996年），比较有代表性的基于密度的聚类算法。DBSCAN能够将足够高密度的区域划分成簇，并能在具有噪声的空间数据库中发现任意形状的簇。聚类的时候不需要预先指定簇的个数，最终簇的个数不确定。DBScan需要二个参数： 扫描半径 (Eps