三维可视化是一项在工业领域中非常重要的技术，而Python中最热门的可视化工具matplotlib和plotly，更加倾向于在数据领域的可视化，用于展现数据的结果。类似的还有百度的pyechart也相对美观，但是这些毕竟都是在数据层面的可视化，对于工业领域，比如一个地形，一个三维的期间等等，用这些工具来做可视化效果非常的不佳，因此我找到了pyvista这个工具，简单摸索了一下给大家做个引荐。
由于可视化代码过长隐藏，可点击运行Fork查看 🔜🔜若没有成功加载可视化图，点击运行可以查看 ps:隐藏代码在【代码已被隐藏】所在行，点击所在行，可以看到该行的最右角，会出现个三角形，点击查看即可
更新本地pip python -m pip install --upgrade pip C:\Users\allms>python -m pip install --upgrade pip Collecting pip Downloading https://files.pythonhosted.org/packages/f9/fb/863012b13912709c13cf5cfdbfb304fa6c727659d6290438e1a88df9d848/pip-19.1-py2.py3-none-any
利用 pyLDAvis.save_html(p, ‘lda.html’) 方法可以将可视化结果保存为单独的 HTML 文件。
数据处理是一个当下非常热门的研究方向，通过对于大型实际场景中的数据进行建模，可以用于预测下一阶段可能出现的情况。比如我们有过去的2002年-2018年的黄金价格的数据：
今天要在ananconda3 下安装Keras & TensorFlow 结果第一个很顺利，但是第二个的时候就报错了
该文章一方面从量子线路的打印着手，介绍了一个简单的python量子线路工程。同时基于这个简单的小工程，我们顺带的介绍了python的API文档自动化生成工具Sphinx的基本使用方法。
error: command 'gcc' failed with exit status 1
安装TensorFlow GPU版本 !pip install tensorflow-gpu Collecting tensorflow-gpu [?25l Downloading https://
https://docs.pytest.org/en/latest/index.html
降水数据是气象学中一个重要的指标，它对于了解和预测天气变化非常关键。在本期中，我们将使用 joypy 库来进行降水数据的可视化，展示降水的变化趋势和分布情况。
librosa是处理音频库里的opencv,使用python脚本研究音频，先安装三方库librosa。
详细内容可以参考官方文档：https://docs.qameta.io/allure-report/；
pip3 install sphinx sphinx-tabs -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com make html mingw32-make html windows查看文档效果： 未直接解决，切换到linux编译后使用。 编译后： linux查看文档效果： windows过程记录： *******************************************
该文章介绍了如何利用Python的Pandas库和Matplotlib库绘制数据可视化图形。首先介绍了数据可视化的重要性，然后详细讲解了如何利用Pandas和Matplotlib进行数据可视化。最后，提供了一些示例代码和详细的注释说明，方便读者理解和学习。
分子动力学模拟（Molecule Dynamics Simulation，MD），本质上是一门采样技术。通过配置力场参数、拓扑结构和积分器，对一个给定的体系不断的采样，最终得到一系列的轨迹。那么得到分子动力学模拟的轨迹之后，如何使用后分析工具进行轨迹分析，也是一项很重要的工作。目前来说，基于Python的开源工具MDAnalysis（简称mda）是一个比较常用的MD后分析工具。本文主要介绍基于MindSponge分子动力学模拟框架生成了相应的轨迹之后，如何使用MDAnalysis工具进行分析。
Librosa是一个 Python 模块，用于分析一般的音频信号，是一个非常强大的python语音信号处理的第三方库，根据网络资料以及官方教程，本文主要总结了一些重要且常用的功能。
本文中主要包含有三个领域的知识点：随机数的应用、量子计算模拟产生随机数与基于pytest框架的单元测试与覆盖率测试，这里先简单分别介绍一下背景知识。
在气象学的世界里，数据不仅仅是冰冷的数字，它们是自然界中风、云、雨、雪的直观反映。随着技术的发展，我们不仅能够收集到更加详尽的气象数据，而且还能以更加直观的方式分享这些信息。对于气象爱好者和博主来说，能够将复杂的气象模式转换成易于理解且吸引人的视觉内容，是一种既有趣又具挑战性的技能。
1 引入pytest使用assert进行断言，如果有多个断言，第一个失败了，那么后续的断言将不会执行；那么如果第一个断言失败了，还想继续保持执行后边的断言，那如何做？我们可以使用pytest-assume来解决这个问题，即使用多重断言插件。2 pytest-assume安装pip3 install pytest-assumeC:\Users\Administrator>pip3 install pytest-assumeLooking in indexes: https://pypi.tuna.tsingh
我们用python在本地电脑上开发完成一个python自动化项目用例，或者开发完成一个django项目。 需要部署到另外一台电脑或者服务器上的时候，需要导入python相关的依赖包，可以用freeze一键生成requirements.txt文件
1 简介 用例失败重跑可以使用插件pytest-rerunfailures来实现； pytest-rerunfailures有环境要求： Python 3.5-3.8, or PyPy3 pytest 5.0或更高版本 查看下自己的版本，如下： Python 3.7.0 (v3.7.0:1bf9cc5093, Jun 27 2018, 04:59:51) [MSC v.1914 64 bit (AMD64)] on win32 Type "help", "copyright", "credits" or "
问题：有时大家在安装上面几个机器学习的包时，会出现如下类似的错误 (oldgeek) C:\Users\oldgeek>pip install lightgbm Collecting lightgbm WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ReadTimeoutError("HTTPSConnectionPool
错误提示： Error fetching command 'build_solr_schema': The 'solr' backend requires the installation of 'pysolr'. Please refer to the documentation. Command 'build_solr_schema' skipped 解决方法： (joyoo) E:\yinzhuoqun\djangos\joyoo>pip install pysolr Collecting pysol
1 什么是分布式测试？在进行本文之前，先了解些基础知识，什么是分布式测试？分布式测试：是指通过局域网和Internet，把分布于不同地点、独立完成特定功能的测试计算机连接起来，以达到测试资源共享、分散操作、集中管理、协同工作、负载均衡、测试过程监控等目的的计算机网络测试。通俗的讲：分布式测试 就是活太多，一个人干费时间，那就让多个人一起干，节省了资源和时间。2 为什么要进行分布式测试？2.1 场景1：自动化测试场景自动化测试时，我们有很多用例，比如2000条用例，按照顺序执行，每条用例执行1分钟，那需要20
AssertionError: `coreapi` must be installed for schema support.
现在介绍一下Jupyter的使用方法: 如你所见,Jupyter有许多个cell组成,有代码块,和markdown块.代码块里面有In[]和Out[]
安装 paramiko 有个依赖 cryptography>=3.3，cryptography 需要大于 3.3 版本， python3.6 正常无法安装最新版 cryptography，故先安装 cryptography==3.4.8 版本再安装 paramiko。
蜻蜓安全工作台是一个安全工具集成平台，集成市面上主流的安全工具，并按照工作场景进行编排，目前主要预制了四个场景：信息收集、黑盒扫描、POC批量验证、代码审计； 最大特点就是集成的工具多、种类全，你可以将你想要的工具编排成任意一个场景，快速打造属于自己的安全工作台~
如下图，我们可以看到allure报告的总览，里边的一些特性是可以自定义设置的。图片1 Environment设置Environment可以理解为环境变量；默认为空；可以自己设置。1.1 设置方法在存放测试报目录下创建environment.properties或者environment.xml文件；而测试报告目录是使用--alluredir指定的目录，比如：--alluredir allure-results比如之前提到的用例：pytest -n auto --alluredir=allure-result
当我们在使用Python的时候，经常会使用pip来安装第三方包，那么我们会遇到这样两个问题：
之前在腾讯蓝鲸智云-单机离线部署测试中，遇到了几个安装问题，本文记录下3.2 app_mgr组件安装失败 的解决过程，因为这个问题卡了很久(可能也是因为笔者对python相关知识和蓝鲸产品不够熟悉)，虽然最终解决了，但过程本身更值得记录。
详细参考官网文档：https://github.com/pytest-dev/pytest-html
最近在GitHub看到一个新的开源安全工具，可以把工具都集成到一个平台里，觉得挺有意思，但是平台现有的工具不是太全，我想把自己的工具也集成进去，所以研究了一番
cdk8s 是 AWS Labs 发布的一个使用 TypeScript 编写的新框架，它允许我们使用一些面向对象的编程语言来定义 Kubernetes 的资源清单，cdk8s 最终也是生成原生的 Kubernetes YAML 文件，所以我们可以在任何地方使用 cdk8s 来定义运行的 Kubernetes 应用资源。
解决过程曲折，大致就是 scipy 版本与 statsmodels 的有些方法 不兼容，scipy==1.6.0后，问题解决了：
去 pypi（ opencv-python-headless · PyPI） 官网下载对应版本的 whl
chatgpt的这把火也把QQ机器人，WX机器人，WEB机器人各种智能问答类的应用带火了。
如果你已经尝试了100种错误方法，恭喜你，找到家了。这个是99.9%能保证成功的安装方式。如果你第一篇就看到这个，更加恭喜你，你少走了一万里弯路！
对于各行各业的研究人员来说，经常会面临这样的一个问题：有一篇不错的文章里面有很好的数据，但是这个数据在文章中仅以图片的形式出现。而假如我们希望可以从该图片中提取出数据，这样就可以用我们自己的形式重新来展现这些数据，还可以额外再附上自己优化后的数据。因此从论文图片中提取数据，是一个非常实际的需求。这里以前面写的量子退火的博客为例，博客中有这样的一张图片：
参考：https://blog.csdn.net/cxyj666/article/details/97617358
https://repo.maven.apache.org/maven2/io/qameta/allure/allure-commandline/
最近有项目要用mxnet，要从头开始配置mxnet，记录一下全过程，先说下在Windows 10下的安装GPU版本的问题。
By: Ali Ahmadalipour (LinkedIn, Twitter)
使用启科QuTrunk开发的量子应用可以通过QuSaaS 部署到启科QuPot云环境中对用户提供服务。本文将介绍如何使用QuTrunk进行AWS云上应用程序的开发和如何通过QuSaaS将量子应用部署到QuPot平台，并且QuTrunk计算后端调用AWS Braket服务。具体展示之前，先和大家简要介绍下启科的量子计算相关软件：QuPot和QuSaaS和Runtime。
本文介绍了XGBoost在Windows 10和Ubuntu系统上的安装方法，包括通过pip安装和通过编译安装。同时，还针对可能遇到的问题提供了解决方案。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
