随着自动化测试需求的不断增长，Selenium作为广泛使用的自动化测试工具，虽然功能强大，但也存在一些限制和挑战。在2024年， 越来越多的替代工具涌现，它们提供了更高效、更易用的解决方案。那么，哪些替代品值得我们关注呢？ 在自动化测试领域，除了Selenium，还有哪些工具能够满足我们的需求，并且
在代数问题中，矩阵是必不可少的工具，manim中提供了一套展示矩阵（Matrix）的模块，专门用于在动画中显示矩阵格式的数据。关于矩阵的类主要有4个： Matrix：通用的矩阵 IntegerMatrix：元素是整数的矩阵 DecimalMatrix：元素包含小数的矩阵 MobjectMatrix：
前段时间写过一篇介绍神经网络的入门文章：神经网络极简入门。那篇文章介绍了神经网络中的基本概念和原理，并附加了一个示例演示如何实现一个简单的神经网络。 不过，在那篇文章中并没有详细介绍神经网络在训练时，是如何一步步找到每个神经元的最优权重的。本篇介绍神经网络训练时，常用的一种权重更新的方式--梯度下降
上一篇介绍的SingleStringMathTex主要用来显示只有一行的数学公式，对于复杂的数学公式，可以使用MathTex类。 MathTex类继承自SingleStringMathTex，在其基础之上增加了更多的功能。其实，MathTex是制作数学动画时常用的类，反而SingleStringMa
开发业务系统时，是绕不开RDBMS（关系型数据库）的。虽然现在诞生了各种NoSQL的数据库，RDBMS在业务系统中的严谨和优势依然无法取代。 近几年大大小小的项目中，常用的三种RDBMS（SQLite，MySQL，Postgres）都有多次接触过，一些使用心得记录如下，供大家参考。 1. SQLit
最近在记录一些简单的结构化日志信息时，用到了sqlite3数据库（保存的信息比较简单，用Mysql，SQL Server，Postgres这些数据库有点小题大做）。 以前开发系统时，用Mysql和Postgres比较多，sqlite3接触不多，这次使用，希望sqlite3也能提供几个基本的功能，比如
目录（1）前言（2）设计与分析第四次作业(答题判题程序-4)新增多选类新增填空类第五次作业(家居强电电路模拟程序-1)Element类控制设备开关#分档调速器#受控设备白炽灯#日光灯#吊扇#计算电压(家庭电路类)第六次作业(家居强电电路模拟程序-2)Element类Light类Fan类（3）采坑心得
在开发工作中，虽然CPU，内存和硬盘都是必不可少的硬件，不过，编程中，我们常常受到困扰的往往是内存相关的bug（编程中遇到CPU和硬盘相关的bug极少）。 这是因为我们的程序和数据虽然是存放在硬盘上的，但是运行时，CPU并不是直接从硬盘加载程序和数据的。直接从硬盘读取指令非常慢，会成为整个系统的严重
适用于linux的bilibiliB站直播间弹幕爬虫脚本,命令行运行之,输入到命令行,部分内容参考自网络,代码底部可见原始代码出处 BUFF:然而,经测试,每次爬只能读取10条弹幕记录,这就使得在(sleeptime*10)(每秒)<弹幕新增量(每秒)时出现弹幕丢失的情况,此时需要调短sleepti
Linux不像windows系统那样方便的图形界面，特别是作为服务器使用的时候，只有命令行可以使用。 我有个云服务器平时用来做一些数据分享用的，最近想看看磁盘和其中文件的占用情况，于是搜索并学习了一些查看磁盘空间信息的命令，命令虽然简单，但对我自己来说还是有些新的东西值得记录。 1. df 首先，登
我们在使用分类算法训练数据后，评价分类模型的优劣时，经常会遇到一个词，“基尼系数”。那么，什么是基尼系数呢？ 本文将尝试用最简单的方式介绍什么是“基尼系数”以及它的计算方法和意义。希望能让大家对基尼系数有个直观的印象，而不仅仅是记住它枯燥的计算公式。 1. 从分类模型开始 首先，先假设有一个分类案例
神经网络是深度学习的基础，正是深度学习的兴起，让停滞不前的人工智能再一次的取得飞速的发展。 其实神经网络的理论由来已久，灵感来自仿生智能计算，只是以前限于硬件的计算能力，没有突出的表现，直至谷歌的AlphaGO的出现，才让大家再次看到神经网络相较于传统机器学习的优异表现。 本文主要介绍神经网络中的重
1. 调试宏以及测试 在写代码时，不可避免需要打印提示、警告、错误等信息，且要灵活控制打印信息的级别。另外，还有可能需要使用宏来控制代码段（主要是调试代码段）是否执行。为此，本文提供一种调试宏定义方案，包括打印字符串信息LOG1宏和格式化打印LOG2宏，且能通过宏控制代码段执行。完整代码如下： #i
时间序列数据是数据分析中经常遇到的类型，为了更多的挖掘出数据内部的信息，我们常常依据原始数据中的时间周期，将其转换成不同跨度的周期，然后再看数据是否会在新的周期上产生新的特性。 下面以模拟的K线数据为例，演示如何使用pandas来进行周期转换。 1. 创建测试数据 首先创建测试数据，下面创建一天的K
theme: smartblue 最近在做交易数据的统计分析时，多次用到数据行之间的一些操作，对于其中的细节，简单做了个笔记。 1. shfit函数 shift函数在策略回测代码中经常出现，计算交易信号，持仓信号以及资金曲线时都有涉及。这个函数的主要作用是将某列的值上下移动。默认情况下，shift函
AI神秘且有趣，我们一个经典的游戏flappy bird集成AI，实现自训练成长的聪明的笨鸟。先上效果： 初始化的笨鸟拥有分身，每个分身都有自我学习功能，根据自己的移动轨迹和得分情况进行汇总，进行新一代的笨鸟的迭代，基本经过数十轮的训练和迭代，能完成高智慧的笨鸟，自我闯关能力强。 需要了解的AI知识
文章目录 1.模块介绍 2.模块加载机制 3.依赖注入 4.AutoMapper-- 待定 5.本地化--待定 6.模型验证--待定 7.异常处理--待定 8.缓存 9.动态代理和拦截 10.分布式锁 11.领域驱动设计 Abp vNext Pro Abp Vnext Pro Github地址 的
日期处理相关内容之前`pandas基础`系列中有一篇专门介绍过，本篇补充两个常用的技巧。 # 1. 多列合并为日期 当收集来的数据中，年月日等信息分散在多个列时，往往需要先合并成日期类型，然后才能做分析处理。合并多列转换为日期类型，可以直接用 `to_datetime`函数来处理： ```pytho
所谓**数据转置**，就是是将原始数据表格沿着对角线翻折，使原来的行变成新的列，原来的列变成新的行，从而更方便地进行数据分析和处理。 `pandas`中`DataFrame`的转置非常简单，每个`DataFrame`对象都有一个`T`属性，通过这个属性就能得到转置之后的`DataFrame`。下面介
这次介绍的小技巧不是统计，而是把统计结果作为**新列**和原来的数据放在一起。`pandas`的各种统计功能之前已经介绍了不少，但是每次都是统计结果归统计结果，原始数据归原始数据，没有把它们合并在一个数据集中来观察。 下面通过两个场景示例来演示如果把统计值作为新列的数据。 # 1. 成绩统计的场景
