小编Has*_*tax的帖子

使用if request.method=='POST':或启动每个视图函数是否有好处if request.method=='GET':？或者我只是添加不必要的代码行？

我已经按照一些例子说明了Ajax的视图都在检查HTTP是否是用GET创建的.

例如,它可以阻止DDOS锁定到POST方法并使用GET进行锤击吗？或者,更实际的是,防止API消费者在PUT或POST时错误地进行补丁？

def employee_delete(request, uid):
    if request.method == 'DELETE':

def employee_detail(request, uid):
    if request.method == 'GET':

def employee_create(request):
    if request.method == 'POST':

def employee_update(request, uid):
    if request.method == 'PUT':

刚刚读完 Nigel Poulton 的《Kubernetes 书》。我剩下的问题是 Deployment 是否可以指定多个 ReplicaSet。

当我想到部署时，我想到的是传统意义上的部署整个应用程序。或者每个微服务都有一个部署？

apiVersion: apps/v1beta2
kind: Deployment
metadata: 
  name: hello-deploy
spec:
  replicas: 10
  selector:
    matchLabels:
      app: hello-world
  minReadySeconds: 10
  strategy:
    type: RollingUpdate
    rollingUpdate:
      maxUnavailable: 1
      maxSurge: 1
  template:
    metadata:
      labels:
        app: hello-world
    spec:
      containers:
      - name: hello-pod
        image: nigelpoulton/k8sbook : latest
        ports:
        - containerPort: 8080

我已经为此工作了几天，但似乎没有我需要的答案。

由于担心此问题被标记为重复，我将解释为什么其他问题对我不起作用。

• 任何关于 Python 的 DIFFLIB 的答案都无助于我的需求。（我在下面描述更多）。它完全太慢了——除非有人为我提供了一个很好的优化技巧（unified_diff 模块），否则我将无法使用它。

• 我尝试研究如何将大字符串发送到需要文件的命令，但没有一个选项对我有用。如果我能让它工作的话我不介意使用这个选项（下面也有更多描述）。

• 我不介意被标记为重复，只要它是一个真正解决我的问题的问题 - 而且我已经抓取了一些网站，但还没有找到适合我的解决方案。

我想在Python中合并两个大字符串。每个字符串大约 1.5KB。假设有两个字符串，str1 和 str2，我只想返回合并后的字符串，即 str1 和str2 的添加信息。我不想删除任何东西。

在大多数情况下，这些字符串将相对相同。大多数时候，90% 是相同的。不同之处在于，第二个字符串中可能添加了新信息，我想将该信息捕获到原始字符串中。

因此。

str1 = "This is a very
        Long string and
        This is how it looks."

str2 = "This is a very
        This is my Example
        This is how it looks."

result = "This is a very
          Long string and
          This is my Example 
          This is how it looks." #Third line was added to …

尝试从 f 字符串打印字典：

import pprint as pp

my_dict = {
    "key_a": ["here", "are", "the", "things"]
    , "key_b": ["that", "i", "want"]
    , "key_b": ["to", "share", "with", "the", "worlddddddddddddddddddddd"]
}

pp.pprint(f"Let's talk about all of these things:\n\n{my_dict}")

输出（不漂亮）：

("Let's talk about all of these things:\n"
 '\n'
 "{'key_a': ['here', 'are', 'the', 'things'], 'key_b': ['to', 'share', 'with', "
 "'the', 'worlddddddddddddddddddddd']}")

有没有办法让这个在 f 字符串中工作，这样我就不必这样做pp.pprint(my_dict)？

我刚刚读到 HDF5 允许您访问数据查找，而无需将整个文件读入内存。

这种寻找行为在没有 Java 的 Parquet 文件中是否可能（非 pyspark 解决方案）？我使用 Parquet 是因为它有强大的 dtype 支持。

import h5py

f = h5py.File('my_file.hdf5', 'w')
dset = f.create_dataset('coords', data=my_ndarray)
f.close()

f = h5py.File('my_file.hdf5', 'r')
dset = f['coords']
my_array = dset[-2:]

https://arrow.apache.org/docs/python/parquet.html#inspecting-the-parquet-file-metadata

我在这里看到 Parquet 元数据具有num_row_groups: 1 (or more). 但我不确定这如何帮助我获取行 [23, 42, 117, 99293184]。

如何验证函数是否包含return关键字？我经常忘记返回行，所以我担心我的包的用户在提供基于函数的输入时也会忘记。

def appler():
    a = "apple"
    # `return` is missing

def bananer():
    b = "banana"
    return b

我可以为最后一行解析函数的实际代码字符串，其中包含"return"但不是很健壮（它可能由注释触发）。

def validate_funk(funk):
    if condition_to_check_that_it_contains_rtrn:
        pass
    else:
        raise ValueError(f"Yikes - The function you provided not contain a `return` statement:\n\n{funk}")

>>> validate_funk(appler)
#triggers ValueError

>>> validate_funk(bananer)
# passes

编辑：理想情况下不运行该功能。

如何添加缩进线，如上面 Jupyter Lab/Notebook 中所示？

我已经尝试了很多并进入了设置（没有太多，因为我是初学者，我不知道大部分内容），但在 Jupyter 中，我只能从“视图”按钮获取代码编号，但不能从这些漂亮的线条中获取帮助进行缩进时很多。

我想使用显示所有表及其关系的实体关系图对我们的 Rails 应用程序进行逆向工程。看起来这与 Rails-erd gem 很搭：

sudo apt-get install graphviz
# gem 'rails-erd'
bundle install
bundle exec rake erd

然而，graphviz 要求对于 mac 来说不是最新的 + Rails erd 工具的所有链接似乎粗略且过时。如何可视化我的数据库？

psql (PostgreSQL) 9.6.1 
Rails 5.0.1
ruby 2.3.0p0 (2015-12-25 revision 53290) [x86_64-darwin15]
macOS Sierra 10.12.4

我想删除从+到 的所有内容@，包括+，但不删除@

我所能得到的最接近的是在正则表达式之间使用它。

>>> email = "garry+filter@gmail.com"
>>> re.sub(r'\+[^)]*\@', '', email)

garrygmail.com

Float32与float32？

Pandas 中大写和小写 dtypes 的目的是什么？

大写似乎更容易出错：TypeError: object cannot be converted to a FloatingDtype.

dtype = {
    'doom_float64': 'Float64'
    , 'radiance_float32': 'Float32'
    , 'temperature_float': 'float'
    , 'moonday_int64': 'Int64'
    , 'month_int32': 'Int32'
    , 'color_uint8': 'UInt8'
    , 'shape_int': 'int'
    , 'weekday_object': 'object'
    , 'hour_object': 'string'
    , 'kingdom_category': 'category'
}

>>> df.dtypes

doom_float64          Float64
radiance_float32      Float32
temperature_float     float64
weekday_object         object
hour_object            string
moonday_int64           Int64
month_int32             Int32
color_uint8             UInt8
shape_int               int64
kingdom_category     category
dtype: object

Pandas v1.2.0