小编use*_*632的帖子

我真的很想知道使用头文件的正确方法。
下面是使用头文件的两种方法，我认为它们中的任何一种都是好方法。

注意：Destroy.c 也使用 stdio.h、stdlib.h
1。

2.

请给我建议。谢谢

我在 Python 3.4 中使用 Selenium 成功登录网站登录过程如下：

browser = webdriver.PhantomJS()
browser.get('url')

emailElem = self.browser.find_element_by_name('user_id')
emailElem.send_keys(user_id)

passwordElem = self.browser.find_element_by_name('password') 
passwordElem.send_keys(user_pwd)

passwordElem.submit()

登录后，我试图访问需要登录会话的某些页面，

browser.get('login-session-required-page-url')

它丢失了会话并且不允许访问。

我认为这与会话和cookie有关，但我不知道如何处理。

我创建了User继承自AbstractUserin 的自定义模型Django：

class ChachaUser(AbstractUser):
    birth = models.DateField()
    gender = models.CharField(max_length=1, choices=GENDER_CHOICES)

和我的CustomUserCreationForm：

GENDER_CHOICES = (
    ('M', '?'),
    ('F', '?'),
)


class MyUserCreationForm(UserCreationForm):

    birth = forms.DateField(
        widget=forms.SelectDateWidget(
            years=range(1970, 2015)
        ),
        required=True,
    )
    gender = forms.ChoiceField(choices=GENDER_CHOICES, initial='M')

    class Meta(UserCreationForm.Meta):
        model = ChachaUser
        fields = UserCreationForm.Meta.fields + ('birth', 'gender')

但是我想使用 创建一个超级用户python manage.py createsuperuser，我也必须实现CustomUserManager。

有什么想法或例子吗？

我正在尝试在上传到我的django应用程序之前压缩图像文件。

我找到了不错的代码片段站点：https : //djangosnippets.org/snippets/10460/

但它在python3. 我认为问题是关于stror 的byte。

有人建议使用BytesIO而不是StringIO.

所以，我像这样编辑我的代码。

from django.db import models
from django.core.urlresolvers import reverse
from django.utils import timezone
from django.utils.text import slugify
from django.core.files.uploadedfile import InMemoryUploadedFile

from PIL import Image as Img
from io import StringIO, BytesIO

def upload_location(instance, file_name):
    return "{}/{}/{}/{}".format(
        "album",
        instance.day,
        instance.week,
        file_name
    )


class Album(models.Model):

    DAYS = (
        ('Sun', '???'),
        ('Mon', '???'),
    )
    name = models.CharField(max_length=50)
    description = models.CharField(max_length=100, blank=True) …

符号.py

class Symbol(BaseModel):
    name = models.CharField(max_length=30,)

    class Meta:
        abstract = True

class StockSymbol(Symbol):
    market = models.CharField(max_length=10,)
    my_daily_price = GenericRelation(MyDailyPrice)

每日价格.py

class DailyPrice(BaseModel):
    content_type = models.ForeignKey(ContentType)
    object_id = models.PositiveIntegerField()
    content_object = GenericForeignKey('content_type', 'object_id')

    class Meta:
        abstract = True

class MyDailyPrice(DailyPrice):
    open = models.DecimalField(
        max_digits=15,
        decimal_places=2,
    )

我想做的是，

symbol = StockSymbol.objects.first()
MyDailyPrice.objects.filter(content_object=symbol)

但它发生了错误：

FieldError: Field 'content_object' does not generate an automatic reverse relation and therefore cannot be used for reverse querying. If it is a GenericForeignKey, consider adding a GenericRelation.

StockSymbol已经有了 …

我认为所有可以使用的任务celery也可以通过multiprocessing库来完成。

尽管这样，不知道为什么一个应用celery，而不是multiprocessing在Python程序或Web框架，如django，flask等。

这是我的model：

class Tick(BaseModel):
    .
    .
    trade_coin_volume = models.DecimalField(
        max_digits=15,
        decimal_places=8,
    )
    trade_price = models.DecimalField(
        max_digits=15,
        decimal_places=8,
    )
    .
    .

我打印出trade_coin_volume所有Tick对象：

In [9]: for tick in Tick.objects.all():
   ...:     print(tick.trade_coin_volume)
   ...:
0.02120853
0.05000000
0.26628998
0.19354556
0.32299392
0.72599405
0.05955935
0.05354201
0.00767441
0.05101970
0.20967645
0.10000001
0.00500000
0.00899999
0.15274410
0.32104315
0.00300000
0.22695384
0.05000000
0.13894616
0.00631414
0.07967759
0.28592241
0.23765636
0.05777923
0.08883787
0.05000000
0.14535185

正如您在上面看到的，有一些0.05000000值。

但是当我Tick根据这个字段过滤对象时，

In [11]: Tick.objects.filter(trade_coin_volume=0.05)
Out[11]: <QuerySet []>

In [12]: Tick.objects.filter(trade_coin_volume=0.05000000)
Out[12]: <QuerySet …

在正常过程中git rebase -i会是这样的（=>意味着终端命令提示符）：

=> git logg
* 7bec976 (HEAD -> develop, origin/develop) Update JANDI task: add Bitcoin topic
* e03aecc Update production.txt:remove pandas and set celery-beat version
* baaaf4b Update JANDI task: Fix link bug
* bb422af Update Procfile: on flower
* 733ca41 Implement JANDI task

并且rebase -i：

=> git rebase -i 733ca41

它将.git/rebase-merge/git-rebase-todo通过编辑器打开：

1 pick bb422af Update Procfile: on flower
2 pick baaaf4b Update JANDI task: Fix link bug
3 pick …

假设我的数据存储在对象存储（例如 s3）中，日期时间分区如下：

s3://my-bucket/year=2021/month=01/day=03/SOME-HASH-VAL1.parquet
...
s3://my-bucket/year=2022/month=12/day=31/SOME-HASH-VAL1000.parquet

根据pandas 的 read_parquet api docs，我可以使用filtersarg 来检索数据的子集，如下所示：

pd.read_parquet(
    "s3://my-bucket/",
    filters=[("year", ">=",  2021)],
)

但是当我想检索特定日期（例如 2021-08-31）之后的数据时，就会出现问题：

pd.read_parquet(
    "s3://my-bucket/",
    filters=[("year", ">=",  2021), ("month", ">", 8)],
)

这里看起来没有任何问题，但它过滤掉了 2022-01 ~ 2022-07 的数据范围。

可能的解决方案是使用分区存储数据，如下所示：

s3://my-bucket/dt=2021-01-03/SOME-HASH-VAL.parquet
...
s3://my-bucket/dt=2022-12-31/SOME-HASH-VAL.parquet

但随着时间的推移，比如 10 年后，这可能会成为一个问题，因为存储桶将有 365x10 = 3650 个文件夹，这可能会导致读取数据时出现性能问题。

我怎样才能明智地解决这些问题？

我想做的事：

In [2]: b = pd.DataFrame({"a": [np.nan, 1, np.nan, 2, np.nan]})
Out[2]:
      a
0   nan
1 1.000
2   nan
3 2.000
4   nan

预期输出：

      a
0   nan
1 1.000
2   0
3 2.000
4   nan

正如您在此处看到的，只有被有效值包围的 nan 才会被替换为 0。

我怎样才能做到这一点？

• df.interpolate(limit_area='inside') 对我来说看起来不错，但它没有用 0 填充的参数......