Anaconda Navigator一直卡在加载页面，我来帮你解决
前言最近要学习数据分析与可视化，需要用到anaconda，我记得电脑上的anaconda还是三四年前想学习机器学习然后安装的，所以版本非常老旧，当我跟着视频教程走的时候，叫我打开anaconda图形界面？？？我迷茫了 我的anaconda老到图形界面都没有，所以我选择重新安装anaconda，版本是2025.06，具体怎么查看它的版本号我不太懂，我在官网下载的，地址为：Download Success | Anaconda，我选择的Distribution ，然后下载时，下载的文件上会写。 当我重新安装anaconda却遇到了一系列问题分别是： 1. 一直卡在那个加载页面，雷打不动 2. VS...
使用flask_mail创建发送邮件接口
flask_mail是一个轻量级的 Flask 扩展，用于在 Flask 应用中实现邮件发送功能。它集成了 Python 标准库中的 smtplib 和 email.mime 模块，使邮件发送更加简单高效。接下来我来介绍如何在代码中使用它。 以下适用于比较标准的项目格式，如果想要快速一点(看看效果)，直接跳到一个文件 用到项目里目录结构12345678910my_flask_api/├── App/│ ├── __init__.py # 应用初始化│ ├── routes/ # 放各种接口│ │ └── api.py # 业务逻辑│ ├── exts.py #这个文件存在的目的是为了解决循环引用│ ││ ├── func.py #自己定义的函数│ └── config.py # 配置文件└── app.py # 启动入口 init.py这个就不说了，前面flask接口搭建有说过 12345678910111213from flask import Flaskfrom .exts import...
多吉云api文件封装---python
目录结构 djy.py：Python主脚本 .env: 配置文件 djy.cmd：执行脚本文件 log/：日志存储文件夹 pem/：SSH密钥存储文件夹 hexo-d.cmd: 名字随便啦...
从龟速到光速：Hexo博客访问速度太慢怎么办(Github Pages)？
前言：当博客加载慢到能泡杯茶…… 最近终于把博客搭好了，满心欢喜地打开自己刚搭建的博客，结果页面像一只树懒在爬树——卡在“正在加载”的动画里，甚至趁机泡杯茶、刷个朋友圈，回来发现它还在转圈圈。 没错，这就是我最初用GitHub Pages搭建博客时的真实写照。 第一章：慢速之痛——当代码跑不过蜗牛最开始我并不知道CDN加速这个东西，我只当时因为Github Pages服务器在国外，可是看别人也是部署在上面，为什么别人那么快呢？于是我开始疯狂搜索解决方案，什么“优化图片”“压缩代码”“启用HTTPS”……试了个遍，结果速度提升微乎其微。 直到某天，我看到了一个关键字CDN加速。 第二章：CDN是什么？——给网站装上“涡轮增压”简单来说，CDN（内容分发网络）就像在全国各地建了无数个“快递分站”。当用户访问你的网站时，CDN会自动从离他最近的“分站”发货，而不是从遥远的服务器“跨国邮寄”。就相当于它可以把你部署在Github Pages上的博客缓存到它的分站上，用户访问时直接从它的服务器上下载，这样一来，速度自然快到飞起！...
用Flask快速搭建一个后端接口
👋 嘿，想快速搭个Flask后端？跟我来！Flask就像乐高积木一样——小巧灵活，特别适合新手快速拼出个能跑的API。今天手把手带你搭个从“Hello World”到生产部署的全流程 🛠️ 先备好工具箱 Python环境（3.8以上最佳） 虚拟环境 （给项目隔离开，别搞脏全局环境） 123python -m venv venv # 创建source venv/bin/activate # 激活（Mac/Linux）venv\Scripts\activate # 激活（Windows） 装依赖包 （这些够用一阵子了）： 1pip install flask gunicorn python-dotenv flask-cors 🏗️ 搭个最简单的架子1. 项目结构（推荐这样整）12345678my_flask_api/├── app/│ ├── __init__.py # 应用初始化│ ├── routes/ # 放各种接口│ │ └── api.py # 业务逻辑│ └── config.py #...
NumPy 的使用
Numpy一、核心概念：NumPy 数组（ndarray）NumPy 的核心是 ndarray（N 维数组），与 Python 原生列表相比，具有以下优势： 同类型数据：所有元素类型必须一致（如全为 int 或 float），避免类型检查开销。 高效内存：连续存储，支持向量化操作，速度远快于列表。 多维支持：轻松处理一维、二维甚至更高维数据（如矩阵、张量）。 示例：创建数组 12345678910111213import numpy as np # 一维数组arr1d = np.array([1, 2, 3]) # 二维数组（矩阵）arr2d = np.array([[1, 2], [3, 4]]) # 特殊数组zeros = np.zeros((2, 3)) # 2x3 全零矩阵ones = np.ones((3,)) # 长度为3的一维全1数组range_arr = np.arange(10) # 类似range(10)，但返回数组linspace = np.linspace(0, 1, 5) #...
带你白嫖图床，图片引入失败？一分钟搞定
引入外部图片方法无效的方法1<img src="https://wx2.sinaimg.cn/orj360/aafc85c3gy1i1uw30jp2oj20ku0ratfi.jpg" alt="直接引入"> 有效的方法方案一：使用百度图床1image.baidu.com 使用方法 1https://image.baidu.com/search/down?url=图片地址 示例 1<img src="https://image.baidu.com/search/down?url=https://wx2.sinaimg.cn/orj360/aafc85c3gy1i1uw30jp2oj20ku0ratfi.jpg" alt="OdYZ7v.png"...
Pandas的使用
Pandas使用 泰坦尼克号乘客数据集 理解 Pandas 的两大核心数据结构 Series：一维数据结构，类似于列表或数组12df = pd.Series([1,2,3,4])print(df) 输出结果: 123450 11 22 33 4dtype: int64 DataFrame：二维数据结构，类似于表格或电子表格。123456df = pd.DataFrame({ "Name":['kangkang','liubei','hangliu'], "Age":[12,23,25], "Sex":["男","男","女"]})print(df) 输出结果: 1234 Name Age Sex0 kangkang 12 男1 liubei 23 男2 hangliu 25 ...