logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

leetcode-22. 括号生成

leetcode 22 题,括号生成

#leetcode#算法
pandas 数据处理-Group by操作

使用“group by” 方式我们通常会有以下一个或几个步骤:Splitting:根据某一准则对数据分组Applying :对每一分组数据运用某个方法Combining :将结果组合为数据结构在上述步骤中,split 方法较直接,在 split 之后我们希望对分组数据做相关计算,在 apply 步骤中我们可能想对数据进行如下操作:Aggregation::聚合操作,对分组数据做汇总统计,如计算su

#python#pandas
pandas读取json文件,文件中包含多个json对象

可以使用 jsonlines 库,读取多个json对象的json文件。, 内容如下,里面包含多个 json 对象。直接使用 json 读取会报错。也可以使用 pandas 读取。

文章图片
#pandas#json
hive、impala求中位数

hive求中位数:select percentile(cast(p as int),0.5) from student2;impala求中位数:select APPX_MEDIAN(error_uv_all) from xxx;

#hive#hadoop#big data
org.apache.spark.sql.AnalysisException: Can not create the managed table.The associated location

org.apache.spark.sql.AnalysisException: Can not create the managed table('`tmp`.`tmp_iot`'). The associated location('hdfs://nameservice1/user/hive/warehouse/tmp.db/tmp_iot') already exists.;

#spark
深度学习(一)环境配置-CUDA安装

Anaconda3-5.2.0+Cuda10.0+cudnn10.0资源下载链接:https://pan.baidu.com/s/11GD3XiFXlfHeCzKmb72FnA提取码:8yn0CUDA安装步骤一、查看自己的显卡是否支持CUDA:查看网址https://developer.nvidia.com/cuda-gpus二、首先检查显卡驱动是否安装完整,检查方式:右击开...

colab 中 gpu 可用,但torch.cuda.is_available() 为 False

colab 中 gpu 可用,但torch.cuda.is_available() 为 False

#python#深度学习#pytorch
Linux 操作系统:进程数据结构(task_struct)

在 Linux 中,无论进程还是线程,到了内核里面,我们统一都叫作任务(Task), 由一个统一的结构 task_struct 进行管理。 Linux 将所有的 task_struct 用链表串起来进行管理。struct list_head tasks;task_struct 的结构如图所示:任务ID任务号用于操作系统进行排期,下发任务等。在内核中,虽然进程和线程都是任务,但是还是应该加以区分,因

#linux#操作系统
    共 26 条
  • 1
  • 2
  • 3
  • 请选择