请问什么叫查询出错没有处理呢,关闭重新打开可以解决吗?还有怎么使用commit方法或者回滚rollback处理之前的错误呢?
wangxishi
2020-09-01
def calc_energy(m):
c = 300000000
E = m * c * c
return E
print(calc_energy(2))
print(calc_energy(3))
CDA助教老师
2020-08-31
之前有查询出错没有处理导致的。可以使用commit方法或者回滚rollback处理之前的错误。然后就可以正常使用了
wangxishi
2020-08-31
游标可以想象成一辆卡车,载着你的SQL命令去数据库取数据,然后返回。游标主要是用来装载数据的,我们使用某个游标来请求(查询)数据,那么数据也跟着这个游标对象一起返回。
wangxishi
2020-08-31
money = 1000
def work(z):
global money
money= money + z
print("赚了"+str(z)+"元还剩"+str(money)+"元")
def shop(h):
global money
money= money - h
print("花了"+str(h)+"元还剩"+str(money)+"元")
work(200)
shop(200)CDA助教老师
2020-08-28
这个用python是可以实现的呀。我做了个简单测试
我数据库表的情况如下:

代码如下:
import pymysql
MYSQL_CONFIG = {
'host': 'localhost', # IP地址
'port': 3306, # 端口
'user': 'root', # 用户名
'passwd': '1234', # 密码
'db': 'test', # 数据库
'charset': 'utf8', # 编码
}
conn = pymysql.connect(**MYSQL_CONFIG) # 数据库连接
cur = conn.cursor() # 游标对象
n = cur.execute("show tables;")
for i in range(n):
print(f'--这是第{i + 1}条数据--')
info = cur.fetchone()
print(info)
###########返回的打印结果###########
--这是第1条数据--
('dept',)
--这是第2条数据--
('emp',)
--这是第3条数据--
('emp1',)
--这是第4条数据--
('new',)
--这是第5条数据--
('orderd',)
--这是第6条数据--
('product',)
--这是第7条数据--
('salgrade',)
--这是第8条数据--
('store',)wangxishi
2020-08-28
map函数的介绍可以看下这个链接
https://www.pinggu.com/post/details/5f3d395049796226c2293cb5
wangxishi
2020-08-28
首先你需要了解有一种函数叫做匿名函数。链接如下
https://www.pinggu.com/post/details/5ed8d8f6414eae644545dd63
map(lambda x:x.split(";")[0])map的意思是将我们定义的匿名函数应用到变量"etc6mpercar"的每一行。因为你的实际数据不可能像演示数据这样只有一行
wangxishi
2020-08-28
import pandas as pd
data=pd.read_excel("D:\\360安全浏览器下载\\1598501711_565704.xlsx")
data["拆1"]=data["etc6mpercar"].map(lambda x:x.split(";")[0])
data["拆2"]=data["etc6mpercar"].map(lambda x:x.split(";")[1])
data["拆3"]=data["etc6mpercar"].map(lambda x:x.split(";")[2])
data.loc[:,["拆1","拆2","拆3"]]
for i in ["拆1","拆2","拆3"]:
data[i+"_日期"]=data[i].map(lambda x:x.split(":")[0])
data[i+"_数值"]=data[i].map(lambda x:x.split(":")[1])
data.loc[:,"拆1_日期":"拆3_数值"]
wangxishi
2020-08-27
简单而言,著名的隐马尔科夫模型是关于时序的概率模型,描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列,再由各个状态生成一个可观测的随机序列的过程,每个状态生成一个观测,而由此产生了观测随机序列,序列的每个位置又可以看作是一个时刻。隐马尔可夫模型由初始的概率分布、状态转移概率分布以及观测概率分布确定。
理解隐马尔可夫模型需要比较扎实的数学和统计基础,建议先阅读《随机过程》等教材。
网上也有很多相关的学习资料可以借鉴。
PanHero_龙宝宝
2020-08-27