02 2023 档案

摘要:SQL注入目录 阅读全文
posted @ 2023-02-23 03:02 青山新雨 阅读(9) 评论(0) 推荐(0) 编辑
摘要:决策树有以下优点: 可解释性和便于理解 决策树不支持缺失值,而且基本上不需要数据预处理 使用树的成本与用于训练树的数据数量乘对数关系 能够同时处理数字变量和字符串变量(分类变量) 即使其假设在某种程度上违反了产生数据的真实模型,也有很好的表现性 决策树的缺点: 决策树很敏感很容易过拟合,所以剪枝非常 阅读全文
posted @ 2023-02-18 21:57 青山新雨 阅读(85) 评论(0) 推荐(0) 编辑
摘要:划分选择 决策树中,最关键的是判断选择一个什么样的标准来划分样本来区分正负样本。也就是说我们希望划分后的样本尽量一致。下面将介绍如何描述一个样本集合中样本尽量一致的量化概念。 信息增益 信息熵:假设样本集合D中第k类元素所占比例为pk,则D的信息熵为: $$ Ent(D)=-\sum_{k=1 阅读全文
posted @ 2023-02-18 17:40 青山新雨 阅读(34) 评论(0) 推荐(0) 编辑
摘要:k匿名性 在上一篇文章差分隐私进阶-去标识和重标识攻击中使用重标识攻击来获取隐私数据,这篇文章就介绍了使用k-匿名性来解决这个问题。 属性定义:令B(A1,A2,..,An)是一个有限数据的元组(一行数据称为元组)表格,其中表格B的有限属性集为$Q_T={A_1, A_2, ...,A 阅读全文
posted @ 2023-02-18 10:42 青山新雨 阅读(516) 评论(0) 推荐(0) 编辑
摘要:去标识 去标识:是指从数据集中删除标识信息的过程。 标识信息的模糊定义:凡是能够根据信息序列精确定位到某个具体事物的信息序列。比如,每个人的身份证号,每个人的(家庭住址,姓名)的信息元组等等。 import pandas as pd import numpy as np import matplot 阅读全文
posted @ 2023-02-18 10:40 青山新雨 阅读(220) 评论(0) 推荐(0) 编辑
摘要:今天,想使用vscode的jupyter写写笔记,想latex是否可以自动补全,发现可以使用vscode的插件实现这个功能。但是需要下载taxlive文件。但是,清华的下载非常慢,于是找了阿里镜像。还是阿里镜像好! https://mirrors.aliyun.com/CTAN/systems/te 阅读全文
posted @ 2023-02-17 21:12 青山新雨 阅读(261) 评论(0) 推荐(0) 编辑
摘要:可信执行环境是从底层硬件和操作系统开始出发,提供一个隔离的运行环境,保护代码和数据不被攻击者攻击。 可信执行环境简介 可信执行环境:满足以下两个条件的一组支撑应用的软硬件组合: 可以避免软件层面的攻击 可以避免硬件层面的攻击 可信执行环境需要满足以下几个特征: 软硬件协同的安全机制:可信执行环境及其 阅读全文
posted @ 2023-02-17 18:00 青山新雨 阅读(671) 评论(0) 推荐(0) 编辑
摘要:基本形式 给定由d个属性描述的示例x=(x1,x2,...,xd)T,线性模型试图通过一个线性组合来进行预测的函数,既: $$ f(\vec{x})=w_1x_1+w_2x_2+...+w_dx_d+b\ \to f(\vec{x}) = \vec{w}^T\vec{x 阅读全文
posted @ 2023-02-17 16:19 青山新雨 阅读(42) 评论(0) 推荐(0) 编辑
摘要:实现方法与性质 离散值域:随机回答 在很多场合,回答是或者不是,本身就属于隐私数据。也就是说有些隐私是离散的数据。 随机回答的局部差分隐私:考虑任意一个被调查者i。由于数据只有一条xi,所以只需要考虑Pr[ARR(xi)=0]Pr[ARR(xi)=1]。 比如$A_{ 阅读全文
posted @ 2023-02-16 19:00 青山新雨 阅读(233) 评论(0) 推荐(0) 编辑
摘要:问题模型及定义 注意:密码学方法保证的是计算过程的隐私性,差分隐私保证的是计算结果的隐私性。 差分隐私的核心是保护个人数据的隐私,而不是保护群体数据的隐私。 差分隐私问题模型:一个受信任的数据监管方C拥有一组数据χ=X1,X2,..,Xn。该数据监管方的目标是给出一个随机算法$ 阅读全文
posted @ 2023-02-16 15:36 青山新雨 阅读(127) 评论(0) 推荐(0) 编辑
摘要:隐私计算学习目录 隐私计算基础 差分隐私-问题和定义+ 差分隐私-实现方法与性质+ 可信执行环境+ 隐私计算-进阶 差分隐私进阶-去标识和重标识攻击 差分隐私进阶-k匿名化+ 阅读全文
posted @ 2023-02-16 13:34 青山新雨 阅读(35) 评论(0) 推荐(0) 编辑
摘要:经验误差和过拟合 评价模型好坏的几个指标: 正确率:在m个样本中有a个样本正确,则精度为acc=am 错误率:在m个样本中有m-a个样本错误,则误差为err=1acc 训练误差: 在训练样本中的误差为训练误差。 泛化误差:在测试样本中的误差为泛化误差。 在一个全 阅读全文
posted @ 2023-02-15 10:08 青山新雨 阅读(39) 评论(0) 推荐(0) 编辑
摘要:复杂网络目录目录 阅读全文
posted @ 2023-02-14 18:10 青山新雨 阅读(11) 评论(0) 推荐(0) 编辑
摘要:Spark学习笔记 连接数据库 大数据中各种框架的连接器(Spark, Flink, MongoDB, Kafka, Hive, Hbase等) Spark-基础 spark DataFrame聚合操作 spark的DataFrame的schema模式:读时模式, 指定模式+ spark读写文件+ 阅读全文
posted @ 2023-02-13 22:41 青山新雨 阅读(36) 评论(0) 推荐(0) 编辑
摘要:可以使用select和selectExpr来操作DataFrame中的列 例如查询:DEST_COUNTRY,ORIGIN_COUNTRY val path="/Volumes/Data/BigData_code/data/flight-data/json/2015-summary.json" va 阅读全文
posted @ 2023-02-13 22:41 青山新雨 阅读(679) 评论(0) 推荐(0) 编辑
摘要:结构体 创建结构体 在字符串公式中就是一个”()“就表示一个结构体 //创建结构体 //方法1: df.selectExpr("(Description, InvoiceNo) as complex", "*").show(2) //方法2: df.selectExpr("struct(Descri 阅读全文
posted @ 2023-02-13 22:41 青山新雨 阅读(65) 评论(0) 推荐(0) 编辑
摘要:UDF可以将一个或者多个列作为输入,同时也可以返回一个或者多个列。在一般情况下,这些函数被注册为SparkSession或者Countext的临时函数。 注册成DataFrame的函数 案例:向UDF中注册一个3次幂函数的自定函数 函数: def pow3(number:Double)={ numb 阅读全文
posted @ 2023-02-13 22:41 青山新雨 阅读(56) 评论(0) 推荐(0) 编辑
摘要:参考博客之一:https://tech.meituan.com/2016/04/29/spark-tuning-basic.html 参考博客之一:https://tech.meituan.com/2016/05/12/spark-tuning-pro.html 上面是非常好的博客推荐查看 缓慢任务 阅读全文
posted @ 2023-02-13 22:41 青山新雨 阅读(26) 评论(0) 推荐(0) 编辑
摘要:快速开始 创建环境 Spark程序主要分为三个阶段: 创建环境 数据操作 关闭环境(在Streaming程序中为执行环境) 下面是批处理的Spark SQL API的创建环境的类:SparkSession,其目的是为了创建基本的Spark SQL的环境。 from pyspark.sql impor 阅读全文
posted @ 2023-02-13 22:41 青山新雨 阅读(180) 评论(0) 推荐(0) 编辑
摘要:Tensorflow运行模型——会话+ 框架学习目录 Tensorflow框架学习笔记 Tensorflow-基础 Tensorflow计算模型——计算图 Tensorflow笔记——张量+ Spark机器学习框架学习笔记 SparkMlib基础和基础统计 SparkMLlib的线性回归和逻辑回归+ 阅读全文
posted @ 2023-02-13 22:39 青山新雨 阅读(41) 评论(0) 推荐(0) 编辑
摘要:朴素贝叶斯是基于每个特征都是相互独立的这个假设而成立的。朴素贝叶斯算法常常用于多分类的任务中。在spark mllib中支持多项式朴素贝叶斯和伯努利朴素贝叶斯模型。这些模型常常用于文档分类。在文档分类的任务中,每一个样本就是一个文档,每一个特征就是一个单词,单词的数值为该词的评率。而输入特征为稀疏向 阅读全文
posted @ 2023-02-13 22:38 青山新雨 阅读(17) 评论(0) 推荐(0) 编辑
摘要:#概要 决策树及其集合是分类和回归的机器学习任务的流行方法。决策树被广泛使用,因为它们易于解释,可以处理分类特征,扩展到多类分类环境,不需要特征缩放,并且能够捕捉非线性和特征的相互作用。树的组合算法,如随机森林和提升算法,是分类和回归任务中表现最好的。 在这里就不过多介绍决策树的具体原理了,这篇文章 阅读全文
posted @ 2023-02-13 22:38 青山新雨 阅读(20) 评论(0) 推荐(0) 编辑
摘要:在机器学习中分为监督学习和无监督学习。其中聚类算法就是无监督学习。聚类算法就是根据某种相似性将相似的样本划分为一个类型。比如,最简单的k-mean算法的相似规则就是空间中的位置,两个样本点空间中位置越接近表示越相似。 K-means算法 在Spark mllib中实现了k-mean和k-mean++ 阅读全文
posted @ 2023-02-13 22:38 青山新雨 阅读(29) 评论(0) 推荐(0) 编辑
摘要:概述 降维是减少所考虑的变量的数量,它可以从原始和杂乱特征中提取潜在特征或者说价值更高的特征,能够在压缩数据的大小的时候尽量不影响算法的结果。 奇异分解(SVD) 给出一篇比较好的博客:https://www.cnblogs.com/pinard/p/6251584.html 在Spark mlli 阅读全文
posted @ 2023-02-13 22:38 青山新雨 阅读(11) 评论(0) 推荐(0) 编辑
摘要:TF-IDF TF-IDF的算法步骤: TF(词频)=\farc IDF(逆文档频率)=log(+1),分母加1是为了不让等于0. TF-IDF=TF*IDF 可以看出计算出的每个词的TF-IDF 阅读全文
posted @ 2023-02-13 22:38 青山新雨 阅读(9) 评论(0) 推荐(0) 编辑
摘要:FP-growth 可调参数: minSupport:被识别为频繁项集的最小支持度。例如,如果一个项目在 5 个事务中出现 3 个,则它的支持率为 3/5=0.6。 numPartitions: 用于分发工作的分区数。 阅读全文
posted @ 2023-02-13 22:38 青山新雨 阅读(9) 评论(0) 推荐(0) 编辑
摘要:分类与回归 | 问题类型 | 解决方法 | | | | | 二元分类 | 线性SVM,逻辑回归,决策树,随机森林,梯度提升树,朴素贝叶斯 | | 多元分类 | 逻辑回归,决策树,随机森林,朴素贝叶斯 | | 回归问题 | 线性最小二乘法,套索,岭回归,决策树,随机森林,梯度提升树,等渗回归 | 线性 阅读全文
posted @ 2023-02-13 22:35 青山新雨 阅读(74) 评论(0) 推荐(0) 编辑
摘要:概述 Spark MLlib分为基于RDD的API和基于**DataStream的API,**其中基于RDD的API是MLlib的主要API。数据类型 MLlib支持存储在一台机器上的本地向量和矩阵,以及由一个或多个 RDD 支持的分布式矩阵。本地向量和本地矩阵用于公共接口的简单数据。 本地矢量 M 阅读全文
posted @ 2023-02-13 22:35 青山新雨 阅读(100) 评论(0) 推荐(0) 编辑
摘要:将相同国家进行分组,然后将count相加sum(count), 对sum(count)进行排序,输出top5 val path="/Volumes/Data/BigData_code/data/flight-data/csv/2015-summary.csv" val data = spark.re 阅读全文
posted @ 2023-02-13 22:33 青山新雨 阅读(17) 评论(0) 推荐(0) 编辑
摘要:聚合操作 注意:任何的聚合操作都有默认的分组,聚合是在分组的基础上进行的。比如,对整体进行求和,那么分组就是整体。所以,在做聚合操作之前,一定要明确是在哪个分组上进行聚合操作 注意:聚合操作,本质上是一个多对一(一对一是多对一的特殊情况)的操作。特别注意的是这个’一‘,可以是一个值(mean, su 阅读全文
posted @ 2023-02-13 22:33 青山新雨 阅读(313) 评论(0) 推荐(0) 编辑
摘要:val path="/Volumes/Data/BigData_code/data/retail-data/by-day/2010-12-01.csv" spark.read.format("csv").option("header", "true").option("inferSchema", " 阅读全文
posted @ 2023-02-13 22:33 青山新雨 阅读(117) 评论(0) 推荐(0) 编辑
摘要:读时模式 val path="/Volumes/Data/BigData_code/data/" //读取json生成dataframe val df = spark.read.format("json").load(path + "flight-data/json/2015-summary.jso 阅读全文
posted @ 2023-02-13 22:33 青山新雨 阅读(271) 评论(0) 推荐(0) 编辑
摘要:在聚合操作中,需要指定键或分组方式,以及指定如何转换一列或多列数据的聚合函数。s 除了处理任意类型的值之外,Spark还可以创建以下分组类型: * 最简单的分组通过在select语句中执行聚合来汇总整个DataFrame * “group by”指定一个或者多个key也可以指定一个或者多个聚合函数, 阅读全文
posted @ 2023-02-13 22:33 青山新雨 阅读(302) 评论(0) 推荐(0) 编辑
摘要:1.计算图的概念: 计算图:输入和计算函数都以节点的形式出现,而节点的输出项之间的关系以有向线段表示所构成的计算图形。 如:向量a, b 相加: 2. 计算图的使用: 注意:Tensorflow程序一般分两步:定义计算图中所有计算;执行计算 在tensorflow代码执行的时候,tensorflow 阅读全文
posted @ 2023-02-13 22:30 青山新雨 阅读(243) 评论(0) 推荐(0) 编辑
摘要:会话拥有并管理tensorflow程序运行时的所有资源。所有计算完成后需要关闭会话来帮组系统回收资源。 使用会话模式有两种: 但是,第一种方法有缺陷,所以直接给出下面这种 with tf.Session() as sess: #使用创建好的会话来计算关心的结果 sess.run(...) 从会话中取 阅读全文
posted @ 2023-02-13 22:30 青山新雨 阅读(42) 评论(0) 推荐(0) 编辑
摘要:Flink DataStream API 学习笔记 连接数据库 大数据中各种框架的连接器(Spark, Flink, MongoDB, Kafka, Hive, Hbase等) 阅读全文
posted @ 2023-02-13 22:01 青山新雨 阅读(15) 评论(0) 推荐(0) 编辑
摘要:PyQt5快速上手笔记目录 PyQt5-快速上手笔记-01 PyQt5-快速上手笔记-02 PyQt5-快速上手笔记-03 常见问题 解决PyQtWebEngine安装缓慢的问题 阅读全文
posted @ 2023-02-13 21:58 青山新雨 阅读(16) 评论(0) 推荐(0) 编辑
摘要:ACM算法目录 数学基础 C - Cake HDU - 1722 (数学) 动态规划 最长公共子序列(模板 LCSL) P2430 严酷的训练 题解+ P2347 砝码称重 (01背包)+ P1802 5倍经验日(01背包问题,水题)+ Robberies HDU - 2955+ P1057 传球游 阅读全文
posted @ 2023-02-13 21:37 青山新雨 阅读(36) 评论(0) 推荐(0) 编辑
摘要:博客: https://www.cnblogs.com/sasuke-/p/5396843.html 模板 #include<iostream>#include<cstdio>#include<cstring>#define MAXN 1010using namespace std;int c[MA 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(21) 评论(0) 推荐(0) 编辑
摘要:题目背景 Lj的朋友WKY是一名神奇的少年,在同龄人之中有着极高的地位。。。 题目描述 他的老师老王对他的程序水平赞叹不已,于是下决心培养这名小子。 老王的训练方式很奇怪,他会一口气让WKY做很多道题, 要求他在规定的时间完成。 而老王为了让自己的威信提高,自己也会把这些题都做一遍。 WKY和老王都 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(21) 评论(0) 推荐(0) 编辑
摘要:题目描述 设有 1g1g1g 、 2g2g2g 、 3g3g3g 、 5g5g5g 、 10g10g10g 、 20g20g20g 的砝码各若干枚(其总重 ≤1000 \le 1000≤1000 ), 输入输出格式 输入格式: 输入方式: a1,a2,a3,a4,a5,a6a_1 , a_2 ,a_ 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(26) 评论(0) 推荐(0) 编辑
摘要:题目背景 现在乐斗有活动了!每打一个人可以获得5倍经验!absi2011却无奈的看着那一些比他等级高的好友,想着能否把他们干掉。干掉能拿不少经验的。 题目描述 现在absi2011拿出了x个迷你装药物(嗑药打人可耻….),准备开始与那些人打了 由于迷你装一个只能管一次,所以absi2011要谨慎的使 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(11) 评论(0) 推荐(0) 编辑
摘要:直接说题意吧。(什么网友bb了半天题都说不清楚) 给了 P 表示大于这个概率一定被抓住。则P表示被抓住的概率。N表示现在有的银行,pi表示被抓的概率嘛。 然后,就看数学了。肯定不能算被抓的概率啊。因为,如果你第一个就被抓了,后面的概率还用算吗,或则说,这样的计算不符合01 背包的特点,那么我们就想一 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(10) 评论(0) 推荐(0) 编辑
摘要:题目描述 上体育课的时候,小蛮的老师经常带着同学们一起做游戏。这次,老师带着同学们一起做传球游戏。 游戏规则是这样的: nnn 个同学站成一个圆圈,其中的一个同学手里拿着一个球,当老师吹哨子时开始传球,每个同学可以把球传给自己左右的两个同学中的一个(左右任意),当老师再次吹哨子时,传球停止,此时,拿 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(19) 评论(0) 推荐(0) 编辑
摘要:题目描述 母牛们不但创建了它们自己的政府而且选择了建立了自己的货币系统。由于它们特殊的思考方式,它们对货币的数值感到好奇。 传统地,一个货币系统是由1,5,10,20 或 25,50, 和 100的单位面值组成的。 母牛想知道有多少种不同的方法来用货币系统中的货币来构造一个确定的数值。 举例来说, 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(22) 评论(0) 推荐(0) 编辑
摘要:题目背景 盛况空前的足球赛即将举行。球赛门票售票处排起了球迷购票长龙。 按售票处规定,每位购票者限购一张门票,且每张票售价为50元。在排成长龙的球迷中有N个人手持面值50元的钱币,另有N个人手持面值100元的钱币。假设售票处在开始售票时没有零钱。试问这2N个球迷有多少种排队方式可使售票处不致出现找不 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(12) 评论(0) 推荐(0) 编辑
摘要:动态规划:最长上升子序列(LIS) 转载请注明原文地址:http://www.cnblogs.com/GodA/p/5180560.html 学习动态规划问题(DP问题)中,其中有一个知识点叫最长上升子序列(longest increasing subsequence),也可以叫最长非降序子序列,简 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(36) 评论(0) 推荐(0) 编辑
摘要:题意:有n名学生在成一排。然后为了站成中间高两边矮的合唱队列,问最少 不要几个人? 思路: 就是最长上升子序列裸用。当然是先把顺方向和逆方向的最长上升子序列找到。 然后再枚举从哪里分,顺方向和逆方向的最长上升子序列的长度之和最长。 其实蛮简单 代码如下: #include<iostream> #in 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(10) 评论(0) 推荐(0) 编辑
摘要:按题意推表达式 #include<cstdio> #include<cstring> #define max(a, b) (a)>(b)?(a):(b) int dp[105][105], num[105][105], a[105]; int main() { int t; scanf("%d", 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(8) 评论(0) 推荐(0) 编辑
摘要:就是问你,n这个数可以被多少种方案组成。 比如: 算是,方案+完全背包的模板题了。 #include<iostream> #include<cstring> using namespace std; int dp[150]; int main() { int n; while (~scanf("%d 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(17) 评论(0) 推荐(0) 编辑
摘要:这道题先用搜索写的,因为我需要先打表来寻找规律。 因为数据量小所以收搜也会过 #include<iostream> #include<cstdio> #include<cstring> using namespace std; int num[20]; int sum, ans; void dfs( 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(7) 评论(0) 推荐(0) 编辑
摘要:1092 回文字符串 基准时间限制:1 秒 空间限制:131072 KB 分值: 10 难度:2级算法题 收藏 关注 回文串是指aba、abba、cccbccc、aaaa这种左右对称的字符串。每个字符串都可以通过向中间添加一些字符,使之变为回文字符串。 例如:abbc 添加2个字符可以变为 acbb 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(25) 评论(0) 推荐(0) 编辑
摘要:链接:https://ac.nowcoder.com/acm/problem/16695来源:牛客网将整数n分成k份,且每份不能为空,任意两份不能相同(不考虑顺序)。 例如:n=7,k=3,下面三种分法被认为是相同的。 1,1,5; 1,5,1; 5,1,1; 问有多少种不同的分法。 输入:n,k 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(49) 评论(0) 推荐(0) 编辑
摘要:补一下dp的思路: dp[i][j]表示第 i 分钟转 j 次所得到的最大值。很容易得到这个dp的推导式。 图中¢()函数表示成立为1, 不成立为0的函数。 #include<cmath> #include<iostream> using namespace std; int dp[1010][40 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(17) 评论(0) 推荐(0) 编辑
摘要:思路: 设dp[ i ]为到达 i 点时的最多的地雷,这是一个经典的DAG最长路径问题。所以,起点为任意入度为0的点,终点为任意出度为0的点。 但是这道还是非常特殊的,特殊就在 1 点一定是个入度为0的点, n 点一定为出度为0的点。 那么就不用递归来求, dp[ i ]了。 这道题的推导就是 dp 阅读全文
posted @ 2023-02-13 20:11 青山新雨 阅读(79) 评论(0) 推荐(0) 编辑
摘要:题意:就是一个蛋糕,被分成n或者m份。问最少动几刀。 看一下这个图,就知道公式了,n+m-gcd(n, m); #include<cstdio> #include<iostream> using namespace std; #define ll long long ll gcd(ll a, ll 阅读全文
posted @ 2023-02-13 20:06 青山新雨 阅读(16) 评论(0) 推荐(0) 编辑
摘要:深度学习目录 阅读全文
posted @ 2023-02-12 20:52 青山新雨 阅读(19) 评论(0) 推荐(0) 编辑
摘要:在使用PyQtWebEngine时候,发现pyqt5由于版本高而没有PyQtWebEngine。于是安装 但是在使用清华源的时候,发现下载非常慢。我通过各种方式进行测试均需要9小时才能下载。原因未知。 但是发现豆瓣源却非常快,做个记录。 pip install PyQtWebEngine -i ht 阅读全文
posted @ 2023-02-09 22:13 青山新雨 阅读(212) 评论(0) 推荐(0) 编辑
摘要:盒布局 from PyQt5.QtWidgets import QWidget, QPushButton from PyQt5.QtWidgets import QHBoxLayout, QVBoxLayout class myWidget(QWidget): def __init__(self): 阅读全文
posted @ 2023-02-09 10:28 青山新雨 阅读(21) 评论(0) 推荐(0) 编辑
摘要:状态栏 状态栏是用来显示应用状态信息的组件 from PyQt5.QtWidgets import QMainWindow class myWidget(QMainWindow): def __init__(self): super().__init__() self.init_ui() def i 阅读全文
posted @ 2023-02-09 00:37 青山新雨 阅读(23) 评论(0) 推荐(0) 编辑
摘要:窗口 import sys from PyQt5.QtWidgets import QApplication, QWidget from PyQt5.QtGui import QIcon class Example(QWidget): def __init__(self): super().__in 阅读全文
posted @ 2023-02-08 23:48 青山新雨 阅读(17) 评论(0) 推荐(0) 编辑
摘要:cd ~/Library/Preferences/ rm -rf PyCharm* cd ~/Library/Logs rm -rf PyCharm* cd ~/Library/Application\ Support/ rm -rf PyCharm* cd ~/Library/Caches/ rm 阅读全文
posted @ 2023-02-08 22:19 青山新雨 阅读(127) 评论(0) 推荐(0) 编辑

more_horiz
keyboard_arrow_up light_mode palette
选择主题
点击右上角即可分享
微信分享提示