流操作：
什么是流，通俗来说就是读一点写一点，而且这个一点，是可以控制的，我可以让他一次读取1M或者10M或者100M都可以。
控制读取文件大小 这个就是缓冲区，设置缓冲区不可以太小，当然也不可以太大，适当就好，太小了会频繁读写硬盘，对硬盘损害加大，太大了也会拖慢速度。设置适当就可以。...
分类：
Web程序 时间：
2014-05-26 04:35:15
阅读次数：
288
目前为止介绍的都是数据的重排。另一类重要操作则是过滤、清理以及其他的转换工作。...
分类：
编程语言 时间：
2014-05-26 04:02:14
阅读次数：
570
Python能够成为流行的数据处理语言，部分原因是其简单易用的字符串和文本处理功能。大部分文本运算都直接做成了字符串对象的内置方法。对于更为复杂的模式匹配和文本操作，则可能需要用到正则表达式。pandas对此进行了加强，它使你能够对数组数据应用字符串表达式和正则表达式，而且能处理烦人的缺失数据。...
分类：
编程语言 时间：
2014-05-26 03:42:44
阅读次数：
443
在数据分析和数据挖掘的过程中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如K最近邻（KNN）和K均值（K-Means）。当然衡量个体差异的方法有很多，最近查阅了相关的资料，这里整理罗列下。
为了方便下面的解释和举例，先设定我们要比较X个体和Y个体间的差异，它们都包含了N个维的特征，即X=（x1， x2， x3， ...
分类：
其他好文 时间：
2014-05-25 07:01:04
阅读次数：
317
作者：Vamei 出处：http://www.cnblogs.com/vamei
欢迎转载，也请保留这段声明。谢谢！在了解了Linux文件管理背景知识之后，
我们可以学习一些命令来管理我们的文件。文件操作相关有一些命令可以帮助我们"修剪"之前看到的文件树。$touch a.txt如果a.txt不存在...
分类：
系统相关 时间：
2014-05-25 02:12:25
阅读次数：
315
（一）搜索引擎的开发一般可分为以下三大部分
1、数据采集层：一般使用爬虫获取互联网的数据，重要的开源项目有Heritrxi
2、数据分析处理层：将从互联网上获取到的数据进行提取归类、分词、语义分析得出索引得内容，等待用户查询使用，重要的开源项目有Lucene
3、视图层：也用户的交互界面，如一个网站的首页
其基本架构可参考下图：...
分类：
其他好文 时间：
2014-05-24 22:20:16
阅读次数：
349
Linux(CentOS)目录操作命令、文件操作命令、压缩解压缩命令转自：（[曾恩]）http://www.cnblogs.com/zengen/archive/2011/09/01/2161728.html一、目录操作命令
ls命令 — 功能说明：显示文件和目录列表。 — 命令格式：...
分类：
系统相关 时间：
2014-05-24 11:42:06
阅读次数：
397
