最近在做文字的shingles時，遇到了乙個問題，希望把每個句子按照5個字元一組進行map，因此碰到了字串分割的問題，這裡羅列三種方法;
split;
substring;
stringtokenize
上網調查了一下，stringtokenize效能最優，substring其次，split最差。但是！請看其介紹
stringtokenizer 有三個構造方法
stringtokenizer(string str) ，stringtokenizer(string str, string delim) ，stringtokenizer(string str, string delim, booleareturndelims)
從其構造可以看出，其構造方法單一，這意味著我們只能指定特定的分隔符進行分割，而不能按照我本來的意願進行操作，
所以還是選擇substring方法。
Pandas字串資料處理
import pandas as pd df pd.read excel 成績表 統計 xls sheet name 寫入 新 df df 性別 astype str 字串切片 df 身高 num df 身高 str 0 3 去除 df 身高 num df 身高 str.strip cm df 身高...
大資料處理
大資料處理的流程主要包括以下四個環節 採集 匯入 預處理 統計 分析 挖掘，下面針對這四環節進行簡單闡述。大資料處理之一 採集 在大資料的採集過程中，其主要特點和挑戰是併發數高，因為同時有可能會有成千上萬的使用者來進行訪問和操作，比如火車票售票 和 它們併發的訪問量在峰值時達到上百萬，所以需要在採集...
大資料處理隨筆
1.mssql當資料庫資料超過1000萬的時候超時是正常的，所以當表資料到1000萬時候注意delete 2.今天遇到資料庫時間格式2014021000 當然是int型別哦 3.聯合索引使用 開始時間與結束時間這樣一起查詢的要建成索引 4.訂閱資料庫，只可以查詢操作，這樣的話可以在這個表上面建立索引...