10 2018 档案
摘要：人脸检测 人脸特征点提取 人脸对比，等于两张人脸对比，识别 封装的所有识别函数，直接看下面调用就好了。 # coding:utf-8 ''' 本本次封装，我主要是做两张人脸对比。 就只人脸识别部分，简单应用。 # 调用注意事项，因为模型底层是外国人写的。所以路径图片名字千万别使用中文，这样它直接找不
阅读全文
摘要：第一配置文件 第一配置文件 链接数据库进行创建表
阅读全文
摘要：1.可传入参数： 2.反向生成URL： url_for endpoint("name") #别名，相当于django中的name
阅读全文
摘要：模板 要了解jinja2，那么需要先理解模板的概念。模板在Python的web开发中广泛使用，它能够有效的将业务逻辑和页面逻辑分开，使代码可读性增强、并且更加容易理解和维护。 模板简单来说就是一个其中包涵占位变量表示动态的部分的文件，模板文件在经过动态赋值后，返回给用户。 --> 可以理解为渲染 p
阅读全文
摘要：1.获取请求数据，及相应 2.flask中获取URL后面的参数(from urllib.parse import urlencode,quote,unquote) GET请求： URL为: http://127.0.0.1:5000/login?name=%27%E8%83%A1%E5%86%B2%
阅读全文
摘要：from flask import Flask,render_template,request,redirect,session app = Flask(__name__) app.secret_key = "sdsfdsgdfgdfgfh" # 设置session时，必须要加盐，否则报错 def wrapper(func): def inner(*args,**kwargs): ...
阅读全文
摘要：添加路由关系的本质：将url和视图函数封装成一个Rule对象，添加到Flask的url_map字段中
阅读全文
摘要：1.实例化Flask对象时，可选的参数 template_folder：模板所在文件夹的名字 root_path：可以不用填，会自动找到，当前执行文件，所在目录地址 在return render_template时会将上面两个进行拼接，找到对应的模板地址 static_folder：静态文件所在文件
阅读全文
摘要：关于解决使用numpy.ployfit进行多项式拟合的时候请注意数据类型，解决问题的思路就是统一把数据变成浮点型，就可以了。这是numpy里面的一个bug，非常low希望后面改善。
阅读全文
摘要：# coding:utf-8 import pandas as pd import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import interp1d data = pd.read_excel('指数.xlsx',header=None,index_col=None) # 数据信息 # pri...
阅读全文
摘要：1．索引作用 在索引列上，除了上面提到的有序查找之外，数据库利用各种各样的快速定位技术，能够大大提高查询效率。特别是当数据量非常大，查询涉及多个表时，使用索引往往能使查询速度加快成千上万倍。 例如，有3个未索引的表t1、t2、t3，分别只包含列c1、c2、c3，每个表分别含有1000行数据组成，指为
阅读全文
摘要：事务 当一个业务逻辑需要多个sql完成时，如果其中某条sql语句出错，则希望整个操作都退回 使用事务可以完成退回的功能，保证业务逻辑的正确性 事务四大特性(简称ACID) 要求：表的类型必须是innodb或bdb类型，才可以对此表使用事务 查看表的创建语句 修改表的类型 事务语句 示例1 步骤1：打
阅读全文
摘要：一、子查询定义 定义： 子查询的位置： 二、子查询分类 子查询分为如下几类： 1. 标量子查询：返回单一值的标量，最简单的形式。 2. 列子查询：返回的结果集是 N 行一列。 3. 行子查询：返回的结果集是一行 N 列。 4. 表子查询：返回的结果集是 N 行 N 列。 可以使用的操作符：= > <
阅读全文
摘要：视图 对于复杂的查询，在多次使用后，维护是一件非常麻烦的事情 解决：定义视图 视图本质就是对查询的一个封装 创建视图 查看视图 查看指定视图的创建名称 修改视图： 如果视图不存在，则创建视图，如果视图存在，则修改视图： 修改视图的数据 注意：修改视图的数据，将直接修改数据表（即原表）的真实数据。 通
阅读全文
摘要：自关联 设计省信息的表结构provinces id ptitle 设计市信息的表结构citys id ctitle proid citys表的proid表示城市所属的省，对应着provinces表的id值 问题：能不能将两个表合成一张表呢？ 思考：观察两张表发现，citys表比provinces表多
阅读全文
摘要：先看个问题 问：查询每个学生每个科目的分数 分析：学生姓名来源于students表，科目名称来源于subjects，分数来源于scores表，怎么将3个表放到一起查询，并将结果显示在同一个结果集中呢？ 答：当查询结果来源于多张表时，需要使用连接查询 关键：找到表间的关系，当前的关系是 student
阅读全文
摘要：关系 创建成绩表scores，结构如下 id 学生 科目 成绩 思考：学生列应该存什么信息呢？ 答：学生列的数据不是在这里新建的，而应该从学生表引用过来，关系也是一条数据；根据范式要求应该存储学生的编号，而不是学生的姓名等其它信息 同理，科目表也是关系列，引用科目表中的数据 创建表的语句如下 外键
阅读全文
摘要：获取部分行 当数据量过大时，在一页中查看数据是一件非常麻烦的事情 语法 从start开始，获取count条数据 start索引从0开始 示例：分页 已知：每页显示m条数据，当前显示第n页 求总页数：此段逻辑后面会在python中实现 求第n页的数据
阅读全文
摘要：排序 为了方便查看数据，可以对数据进行排序 语法： 将行数据按照列1进行排序，如果某些行列1的值相同时，则按照列2排序，以此类推 默认按照列值从小到大排列 asc从小到大排列，即升序 desc从大到小排序，即降序 查询未删除男生学生信息，按学号降序 查询未删除科目信息，按名称升序
阅读全文
摘要：分组 按照字段分组，表示此字段相同的数据会被放到一个组中 分组后，只能查询出相同的数据列，对于有差异的数据列无法出现在结果集中 可以对分组后的数据进行统计，做聚合运算 语法： 查询男女生总数 查询各城市人数 分组后的数据筛选 语法： having后面的条件运算符与where的相同 查询男生总人数 对
阅读全文
摘要：聚合 为了快速得到统计数据，提供了5个聚合函数 count(*)表示计算总行数，括号中写星与列名，结果是相同的 查询学生总数 max(列)表示求此列的最大值 查询女生的编号最大值 min(列)表示求此列的最小值 查询未删除的学生最小编号 sum(列)表示求此列的和 查询男生的编号之后 avg(列)表
阅读全文
摘要：条件 使用where子句对表中的数据筛选，结果为true的行会出现在结果集中 语法如下： 比较运算符 等于= 大于> 大于等于>= 小于< 小于等于<= 不等于!=或<> 查询编号大于3的学生 查询编号不大于4的科目 查询姓名不是“黄蓉”的学生 查询没被删除的学生 逻辑运算符 and or not
阅读全文
摘要：读取mysql数据 # -*- coding: utf-8 -*- # 导入必要模块 import pandas as pd from sqlalchemy import create_engine # 初始化数据库连接，使用pymysql模块 # MySQL的用户：root, 密码:147369,
阅读全文
摘要：1、整型 MySQL数据类型 含义（有符号） tinyint(m) 1个字节 范围(-128~127) smallint(m) 2个字节 范围(-32768~32767) mediumint(m) 3个字节 范围(-8388608~8388607) int(m) 4个字节 范围(-214748364
阅读全文
摘要：数据库操作 创建数据库 删除数据库 切换数据库 查看当前选择的数据库 表操作 查看当前数据库中所有表 创建表 auto_increment表示自动增长 修改表 删除表 查看表结构 更改表名称 查看表的创建语句 数据操作 查询 增加 主键列是自动增长，但是在全列插入时需要占位，通常使用0，插入成功后以
阅读全文
摘要：一： 修改表信息 1.修改表名 2.修改表注释 二：修改字段信息 1.修改字段类型和注释 2.修改字段类型 3.设置字段允许为空 4.增加一个字段，设好数据类型，且不为空，添加注释 5.增加主键 6.增加自增主键 7.修改为自增主键 8.修改字段名字(要重新指定该字段的类型) 9.删除字段 10.在
阅读全文
摘要：内网穿透只要六块钱，请点击连接注册：https://hsk.oray.com/
阅读全文
摘要：三、进程和线程、协程在python中的使用 1、多进程一般使用multiprocessing库，来利用多核CPU，主要是用在CPU密集型的程序上，当然生产者消费者这种也可以使用。多进程的优势就是一个子进程崩溃并不会影响其他子进程和主进程的运行，但缺点就是不能一次性启动太多进程，会严重影响系统的资源调
阅读全文
摘要：无论是进程还是线程我们都可以循环开启多条，对于什么时候使用进程什么时候使用线程这个问题上：答案就是，我们在遇到计算密集型问题时使用多进程，遇到io密集型问题时使用多线程。 计算密集型问题：计算密集型任务的特点是要进行大量的计算，消耗CPU资源，比如计算圆周率、对视频进行高清解码等等，全靠CPU的运算
阅读全文
摘要：numpy 对矩阵对角线、上三角、下三角以及它们所在位置索引的提取
阅读全文
