标签:
__future__python兼容问题新功能杂谈 |
分类: Python |
标签:
hugepageubuntu内存大页 |
分类: 网络安全 |
#Hugepages
## Hugepage的作用
1. 程序中用的都是虚拟地址,CPU需要把虚拟地址转换为物理地址.
2. CPU将虚拟地址转换为物理地址需要进行两次查表(Tow-level translation), 先查页目录(Page Directory),再查页表(Page Table). 因此需要访问2次内存。
3. CPU为了增加转换速度,引入了TLB(Translation Lookaside Buffer). TLB是在CPU上的Cache,访问速度远块于内存,但是只能存储有限的映射关系.
4. 为了提高TLB的命中率(TLB hit), 引入Hugepage,通过提高内存页的大小,提高TLB hit.
5. 使用Hugepage,转换过程(page walk)只需一次查表过程,而且减少了页目录占用的内存空间.
## 设置Hugepage
Ubuntu 12.04 LTS
1. 打开/etc/sysctl.conf文件
```
sudo vim /etc/sysctl.conf
```
2. 把hugepage的数量配置写入/etc/sysctl.conf文件中
```
标签:
参数传递对象引用传值传址 |
分类: Python |
1. Python中的变量名是没有类型信息的,这样增加了python的灵活性。
a=[1,2,3]
a='Hello'
对象[1,2,3]是List类型的,对象'Hello'是String类型的,而变量a是没有类型的,变量a仅仅是一个对象的引用(一个指针),既可以指向List类型对象,也可以指向String类型的对象。
2.
Python的参数传递既不是传值(pass-by-value),也不是传引用(pass-by-reference),而是对象的引用(pass-by-object-reference),即传递的是一个对象的内存地址。
def
reassign(list):
def
append(list):
标签:
pandasapplymapapplymapit |
分类: Python |
将一个自定义的函数应用到Pandas的数据结构中可以使用map(), apply()或者applymap(),它们的区别在于应用的对象不同。
1. map() 是一个Series的函数,DataFrame结构中没有map()。map()将一个自定义函数应用于Series结构中的每个元素(elements)。
2. apply()和applymap()是DataFrame结构中的函数,Series中没有。它们的区别在于,apply()将一个函数作用于DataFrame中的每个行或者列,而applymap()是将函数做用于DataFrame中的所有元素(elements)。
标签:
pandaspythonto_sqlto_csvread |
分类: Python |
Pandas中的DataFrame数据既可以存储在SQL数据库中,也可以直接存储在CSV文件中。
1. dataframe.to_sql()函数将DataFrame数据存储到数据库中。
name
con
if_exists
: 如果SQL表已经存在的处理方式,{‘fail’, ‘replace’, ‘append’}, default ‘fail’
标签:
pandasdataframe标签it |
分类: Python |
DataFrame是Pandas的重要数据结构。DataFrame是一个有标签的2维异构数据结构。
dt = pandas.DataFrame(data, index=..., columns=...)
dt.index 是行的标签(row labels),获得有多少行可以用len(dt.index)
dt.columns是列的标签(column labels), 获得有多少列可以用len(dt.columns)
dt.values是一个2维的异构数组。
dt.T 是将2维数组进行转置,行标签和列标签互换。
标签:
纳秒微秒nsusit |
分类: Python |
ns是nanosecond的缩写,表示1/10^9秒
us是microsecond的缩写,表示1/10^6秒, 1 us=1000 ns
下面是英文单词中常用的数量单位前缀,缩写和表示的数量级别:
yotta
zetta
exa
peta
tera
标签:
行数列数numpypandasarray |
分类: Python |
numpy中的重要数据结构是ndarray,即多维同构数组(homogeneous multi-dimensional array),其中每个维度叫做轴axis。
ndarray.size是数组中所有elements的数量。
ndarray中,axis的数量也叫做rank,例如1维数组的rank是1, 2维数组的rank是2, ndim属性是数组中axis的数量,也就是rank值。
ndarray的shape属性是一个tuple,表示每个维度上数据的数量(size)。
pandas中重要的数据结构是DataFrame, 即有标签的异构数组(labelled heterogeneous two-dimensional tabular data structure),类似于数据库中的表格。
DataFrame也有shape属性,通过shape[0]和shape[1]可以读取行和列的数量。但是通过timeit测试,使用len(dataframe.index)比dataframe.shape[0]能更快的获得行数。
标签:
pythondist-packagessite-packages |
分类: Python |
标签:
importerrormodulerelativenon-package |
分类: Python |