- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-3 数据框的子集
> x <- data.frame(v1=1:5,v2=6:10,v3=11:15) > x v1 v2 v3 1 1 6 11 2 2 7 12 3 3 8 13 4 4 9 14 5 5 10 15 > x$v3[c(2,4)] <- NA > x v1 v2 v3 1 1 6 11 2 2 7 NA 3 3 8 13 4 4 9 NA 5 5 10 15 > #找出第2列 > x[,2] [1] 6 7 8 9 10 > x[,"v2"] [1] 6 7 8 9 10 > x[
78700发布于 2020-09-16 - 来自专栏python3
3-3 SQL Server 2005数
3-3 SQL Server 2005数据库优化 了解数据库引擎优化顾问基本内容 掌握数据库引擎优化顾问的使用 掌握通过命令行的方式进行索引的优化——DTA 一个数据库系统的性能依赖于组成这些系统的数据库中物理设计结构的有效配置
83120发布于 2020-01-07 - 来自专栏叽叽西
lagou 爪哇 3-3 dubbo 笔记
Apache Dubbo是一款高性能的 Java RPC 框架。其前身是阿里巴巴公司开源的一个高性能、轻量级的开源 Java RPC框架，可以和 Spring 框架无缝集成。
62210编辑于 2022-05-17 - 来自专栏悟道
3-3欧几里得求最大公因子
最大公因子，指两个或多个整数共有约数中最大的一个 private static int gc(int a, int b) { if(b==0){ return a; } if(a<b){ int temp=a; a=b; b=temp; } return gc(b,a%b); }
51520发布于 2021-03-16 - 来自专栏携程技术
干货 | 浅谈携程大住宿研发效能提升实践
这是大住宿在敏捷转型前遇到最频繁的问题。团队成员视角割裂导致各角色只关注于自己熟悉的领域，而忽略目标价值的交付，最终会产生非必要的浪费。 3. 如何透明化组织、团队的目标，暴露重复、多余、无价的任务，节省成本 面对挑战，大住宿正在持续不断的探索改进中： 1. 为了更好的达到上下和左右对齐目标，提高协作效率，大住宿从今年Q1开始试行部门级产研一体的季度规划和复盘活动。 大住宿从2014年开始推行敏捷转型，敏捷让团队实现价值驱动管理。传统开发模式除了瀑布接力开发外，还有一个是任务驱动管理。 大住宿在去年接入公司统一产品研发管理平台IDEV后，不仅提高了产品研发过程的透明性，也率先实现了需求数字化管理。
1.4K20编辑于 2022-12-14 - 来自专栏python3
34补3-3 rhcs集群基础应用
[root@node1 ~]# ansible ha -m shell -a 'service NetworkManager stop'
94200发布于 2020-01-15 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-3 NumPy数据基础
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍NumPy模块的一些基础知识。
90600发布于 2019-11-13 - 来自专栏机器学习AI算法工程
python数据挖掘：能不能找出吃货最佳住宿点？
这次我爬出了哈尔滨市TOP285家好吃的店，包括烧烤的TOP，饺子的TOP，酱骨的TOP等等等等，在地图上显示，规划热点，再用聚类算法计算下能不能找出吃货最佳的住宿点，能够距离吃的各个地方行程最近，吃货们 可能是住宿的最佳点把，因为离各个好吃的距离是比较近的，这本来就是kmeans的核心。 ---- ? 可以从图像自带缓冲区看重叠部分，看包子热点 所以综上所述，喜欢吃包子的吃货，可以选择以上的点当做中转点或者住宿点，到哪个包子铺都是比较近的，但是！！！谁会一天三餐加夜宵都吃包子？？ 总结 最终住哪，这不是我能决定的，主要还是靠交通，住宿环境和个人心情，推荐住在地铁附近，吃货可以选择在中央大街附近，最繁华，也里老道外很近，好吃的很多~诶，等等，我不是在做学术研究么。。
1.2K50发布于 2018-03-15 - 来自专栏携程技术
干货 | StarRocks在携程大住宿智能数据平台的应用
作者简介 Wenjun，携程资深软件工程师，负责大住宿数据智能平台的研发与维护，对于大数据领域技术有浓厚兴趣。 一、平台现状 大住宿数据智能平台（简称HData）是一个为携程大住宿业务提供数据可视化的平台。 在大住宿内部，每个部门关心的指标侧重点不同，权限控制不一样，所以数据展示的方式也是多样化。 HData每天有将近2200左右的UV，10w左右的PV访问，而节假日期间的访问量基本会翻2到3倍。
2.1K20发布于 2021-11-02 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-3)
代码清单3-3 for(answer[0] = 0; answer[0] < total[number[0]]; answer[0]++) for(answer[1] = 0; answer
21720编辑于 2022-11-30 - 来自专栏python3
3-3 File类的常用操作的静态方法练
文本文件是我们接触频繁的一类文件，记事本程序经常操作的文件就是文本文件，很多应用程序会保存一些记录到日志文件里，这种日志文件也可以是文本文件。通过本小节的学习，可以掌握对文本文件的简单读写方法。
82720发布于 2020-01-14 - 来自专栏WebJ2EE
React：Table 那些事（3-3）—— 列宽自适应、列宽拖动
《React：Table 那些事》系列文章，会逐渐给大家呈现一个基于 React 的 Table 组件的定义、设计、开发过程。每篇文章都会针对 Table 的某个具体功能展开分析：
10K41发布于 2019-07-19 重构大住宿业运营链路：绿云科技基于企点大模型落地高ROI场景
构建智能化业务闭环：底层引擎成功融合了结构化数据（如账务记录）与非结构化数据（如语音指令、文本对话），深度发挥算法优势，构建起涵盖“感知-分析-行动”的完整闭环，从根本上重塑了大住宿业的数字生态。
16310编辑于 2026-04-15- 来自专栏智能大数据分析
数据仓库的设计开发应用（二）
（1）最近几天或者一周，在指定派出所或公安分局辖区内宾馆住宿的旅客主要从哪些地区而来； （2）最近几天或者一周，在指定派出所或公安分局辖区内宾馆住宿的人中有没有犯罪前科人员，他们所犯前科类型是什么（大类 （3）最近几天或者一周，在指定派出所辖区宾馆住宿的人次，平均住宿天数等； （4）以上问题还可能是以小时为单位的查询，比如周六晚上11点至凌晨2点之间辖区内的宾馆入住人员数量等。 表3-1 旅馆和常住人口数据源 表3-2 旅馆入住和暂住人口数据源 表3-3 犯罪类型与所属辖区数据源 表3-4 派出所与人员前科数据源 （3） 例 3-3 请用例 3-2的概念设计结果，完成 “入住” 主题的逻辑设计。 T_CHour 变量，由它们派生出：DateKey = T_CYear+RIGHT(“0”+T_Month,2) + RIGHT(“0”+T_Day,2) + RIGHT(“0”+T_Hour,2) （3）设计住宿事实表
32110编辑于 2025-01-22 - 来自专栏愿天堂没有BUG（公众号同名）
字节跳动3-3大牛力荐！RabbitMQ实战指南：消息队列面试必刷手册
RabbitMQ是目前非常热门的一款消息中间件，不管是互联网大厂还是中小企业都在大量使用。作为一名合格的开发者，有必要对RabbitMQ有所了解。
67820编辑于 2022-10-28 - 来自专栏linux 自动化运维
自动统计出差费用-shell 脚本自动统计， 计算车费，餐补，住宿补。并且转换金额大写
# 60元/天 20 # 20 天 ) zslist=( # 住宿费标准 170 # 住宿 170元/天 19 # 19 天 ) zslist[1]} ; zssum=`echo "" | awk -v x="$x" -v y="$y" '{printf "%.2f", x*y}' ` zssumstr=`echo "住宿补为
59800编辑于 2023-06-09 绿云科技融合腾讯企点大模型：驱动3.5万家大住宿企业向“算法驱动”转型
应对长服务链路断点，驱动大住宿业向算法驱动转型 大住宿业（涵盖酒店、公寓、邮轮、文旅综合体等）的数字化进程正面临从“系统记录”向“自主决策”跨越的拐点。 绿云科技选择接入腾讯企点大模型及其大型机器人管理平台，构筑了高确定性的技术底座： 通过调用腾讯企点任务型/加模型选择（如餐饮iPOS、商务版机器人），绿云能够在封闭或半封闭的企业级环境中训练和调度AI，确保核心运营数据和会员隐私“不上公网”，满足大住宿业对数据安全的高度关注
14110编辑于 2026-04-08- 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题3-3 出租车计价
习题3-3 出租车计价 本题要求根据某城市普通出租车收费标准编写程序进行车费计算。
3.1K30发布于 2020-09-15 - 来自专栏深度学习之tensorflow实战篇
数据的标准化与中心化以及R语言中的scale详解
例如有数据集1, 2, 3, 6, 3，其均值为3,那么中心化之后的数据集为1-3,2-3,3-3,6-3,3-3,即：-2,-1,0,3,0 2.数据的标准化 所谓数据的标准化是指中心化之后的数据在除以数据集的标准差 例如有数据集1, 2, 3, 6, 3，其均值为3,其标准差为1.87，那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87
2.2K110发布于 2018-03-16 - 来自专栏区块链领域
像投资比特币一样投资旅游民宿
一、民宿通MST——全球旅游住宿产业的“币安” 民宿通MST是全球第一家旅游住宿产业区块链资产交易平台。 民宿通的先天优势在于它利用区块链技术直击了行业痛点，致力于解决交易所的多数token没有应用场景和使用价值、住宿类的token很难上线现有交易所、住宿产业急需金融创新的三大“痛点”。 正是看中了“全球旅游产业”的巨大价值和潜力以及住宿产业在旅游行业的龙头地位，民宿通MST应运而生。 ? 2018年4月28日 中国·上海 在第三届国际民宿博览会上探讨民宿通赋能全球旅游住宿产业 ? 近20天内MST住宿类区块链资产交易平台已协助近百家精品民宿酒店发行民宿通证，为平台储备了大量的优质项目。
73220发布于 2018-07-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号