Redis 大数据量下高效查找指定前缀 Key 的解决方案 本文针对 Redis 海量数据场景（如 1 亿 Key）中查找特定前缀 Key 的需求，提供了专业解决方案： 问题分析：直接使用KEYS命令会导致 Redis 阻塞，危害线上服务。 核心方案：采用SCAN命令增量迭代，配合MATCH模式安全遍历，避免服务中断。 实现示例：提供完整的 Python 脚本（支持连接参数、进度显示、结果保存），

1. 数据清洗示例代码：import pandas as pd#读取数据app = pd.read_csv('../data/excel_data/applestore.csv')app.info()#发现了unname 0这个奇怪的变量，需要进行清理app.drop('Unnamed: 0', axis=1, inplace=True)#drop默认是对行#inplace表示直接替换掉原有数据#

爬虫之requests模块发送带header的请求我们先写一个获取百度首页的代码import requestsurl = 'https://www.baidu.com'response = requests.get(url)print(response.content.decode())# 打印响应对应请求的请求头信息print(response.request.headers)1.1 思考对比浏

Python的N种性能测试工具（timeit、profile、cProfile、line_profiler、memory_profiler、objgraph、Pyinstrument、PyCharm）

云原生实战学习视频笔记2【尚硅谷】

Redis 大数据量下高效查找指定前缀 Key 的解决方案 本文针对 Redis 海量数据场景（如 1 亿 Key）中查找特定前缀 Key 的需求，提供了专业解决方案： 问题分析：直接使用KEYS命令会导致 Redis 阻塞，危害线上服务。 核心方案：采用SCAN命令增量迭代，配合MATCH模式安全遍历，避免服务中断。 实现示例：提供完整的 Python 脚本（支持连接参数、进度显示、结果保存），

自然语言处理(NLP)之依存句法分析的可视化及图分析依存句法分析的效果虽然没有像分词、NER的效果来的好，但也有其使用价值，在日常的工作中，我们免不了要和其打交道。如何分析依存句法分析的结果，一个重要的方面便是其可视化和它的图分析。我们使用的NLP工具为jieba和LTP，其中jieba用于分词，LTP用于词性标注和句法分析，需要事件下载pos.model和parser.model文件。本文使用的

自然语言处理(NLP)之TF-IDF原理及使用TF-IDF介绍TF-IDF是NLP中一种常用的统计方法，用以评估一个字词对于一个文件集或一个语料库中的其中一份文件的重要程度，通常用于提取文本的特征，即关键词。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。在NLP中，TF-IDF的计算公式如下：其中，tf是词频(Term Frequency)，idf为

自然语言处理(nlp)之词袋模型及句子相似度本博文将会介绍NLP中常见的词袋模型（Bag of Words）以及如何利用词袋模型来计算句子间的相似度（余弦相似度，cosine similarity）。  首先，让我们来看一下，什么是词袋模型。我们以下面两个简单句子为例：sent1 = "I love sky, I love sea."sent2 = "I like running, I love

机器学习算法分类根据数据集组成不同，可以把机器学习算法分为：监督学习无监督学习半监督学习强化学习1 监督学习定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归），或是输出是有限个离散值（称作分类）。1.1 回归问题例如：预测房价，根据样本集拟合出一条连续曲线。1.2 分类问题例如：根据肿瘤特征判断良性还是恶性，得到的是结果是“良性”或者“恶性”，是离散的。2 无监督