3. 清洗常用4板斧
引言 这是Python数据分析实战基础的第三篇内容，主要对前两篇进行补充，把实际数据清洗场景下常用但零散的方法，按增、删、查、分四板斧的逻辑进行归类，以减少记忆成本，提升学习和使用效率。 数据集 一级流量 流量级别 投放地区 访客数 支付转...
站长2. 灵活的Pandas索引
序言 学习了Pandas的同学，有超过60%仍然投向了Excel的怀抱，之所以做此下策，多半是因为刚开始用Python处理数据时，选择想要的行和列实在太痛苦，完全没有Excel想要哪里点哪里的快感。 初识Pandas 教程考虑到篇幅问题只讲...
JetBrains 全家桶，激活、破解、教程
获取 IDEA 激活码、PyCharm 激活码、WebStorm 激活码和 DataGrip 激活码，提供详细破解教程与永久激活方法。支持 IDEA 永久激活与破解，免费获取注册码与激活码，解决 2024/2025 版本激活问题，轻松实现所有 JetBrains 工具的激活。
1. 初识Pandas
1、 重要前言 这段时间和一些做数据分析的同学闲聊，我发现数据分析技能入门阶段存在一个普遍性的问题，很多凭着兴趣入坑的同学，都能够很快熟悉Python基础语法，然后不约而同的一头扎进《利用Python进行数据分析》这本经典之中，硬着头皮啃完...
一文搞定PageRank
PageRank是执行多次连接的一个迭代算法，因此它是RDD分区操作的很好demo，算法维护两个数据集 1、 (pageID,listList) 包含每个页面的相邻页面列表。 2、 (pageID,rank) 包含每个页面的当前排序值， p...
第一天：spark基础
Hadoop体系回顾 Hadoop 的概念可追溯到 2003，2004 Google2篇论文(老版三辆马车)，2011年发布1.0版本，2012年发布稳定版。 Hadoop 在2.0版本之前组件主要是 HDFS跟MapReduce。 1、0...
Hbase 概述
1、 什么是HBase HBase的原型是Google的BigTable论文，受到了该论文思想的启发，目前作为Hadoop的顶级项目来开发维护，用于支持结构化的数据存储。 HBase是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利...
Zookeeper实战
注册服务跟发现 定义：微服务时代，多个相同的jar包在不同的服务器上开启相同的服务，可以通过nginx在服务端进行负载均衡的配置。也可以通过ZooKeeper在客户端进行负载均衡配置。 1、 多个服务注册 2、 客户端获取中间件地址集合 3...
浅谈大数据中的 2PC、3PC、Paxos、ZAB
一致性 简述 一致性，是指对每个节点一个数据的更新，整个集群都知道更新，并且是一致的。假设一个具有N个节点的分布式系统，当其满足以下条件时，我们说这个系统满足一致性： 全认同: 所有N个节点都认同一个结果 值合法: 该结果必须由N个节点中的...
分布式系统浅谈
分布式系统基础知识 一个tomcat打天下的时代，不能说完全淘汰了，在一个管理系统，小型项目中还经常使用，这并不过分，出于成本的考虑，这反而值得提倡。但如果要延伸到高并发场景下就必然要了解分布式系统： 分布式系统特点 分布式系统：一个硬件或...
Git学习笔记（一）初遇
图像具备强大的威力 引言 那是我在做毕业设计的时候，使用IDEA作为开发工具，我对系统做了比较大的改动，然后系统又跑不起来了，当时在宿舍写代码的我只想扇我自己的脸，我就想到了能不能将系统回退到正常运行的版本呢，但是我又没有使用版本控制工具，...