cell函数

一直以来想总结下项目中用到的 itext ，无意中发现了这篇文章，总结的比较好，所以 一、前言 　　在企业的信息系统中，报表处理一直占比较重要的作用，本文将介绍一种生成 PDF 报表的 Java 组件 --iText 。通过在服务器端使用 Jsp 或 JavaBean 生成 PDF 报表，客户端采用超级连接显示或下载得到生成的报表，这样就很好的解决了 B/S 系统的报表处理问题。 　　二、 iText 简介 　　 iText 是著名的开放源码的站点 sourceforge 一个项目，是用于生成 PDF 文档的一个 java 类库。通过 iText 不仅可以生成 PDF 或 rtf 的文档，而且可以将 XML 、 Html 文件转化为 PDF 文件。 　　 iText 的安装非常方便，在 http://www.lowagie.com/iText/download.html - download 网站上下载 iText.jar 文件后，只需要在系统的 CLASSPATH 中加入 iText.jar 的路径，在程序中就可以使用 iText 类库了。 　　三、建立第一个 PDF 文档 　　用 iText 生成 PDF 文档需要 5 个步骤： 　　①建立 com.lowagie.text.Document 对象的实例。 Document document = new Document();

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 1. LongAdder 和AtomicLong类似的使用方式，但是性能比AtomicLong更好。 LongAdder与AtomicLong都是使用了原子操作来提高性能。但是LongAdder在AtomicLong的基础上进行了热点分离，热点分离类似于有锁操作中的 减小锁粒度 ，将一个锁分离成若干个锁来提高性能。在无锁中，也可以用类似的方式来增加CAS的成功率，从而提高性能。 LongAdder原理图： AtomicLong的实现方式是内部有个value 变量，当多线程并发自增，自减时，均通过CAS 指令从机器指令级别操作保证并发的原子性。唯一会制约AtomicLong高效的原因是高并发，高并发意味着CAS的失败几率更高， 重试次数更多，越多线程重试，CAS失败几率又越高，变成恶性循环，AtomicLong效率降低。 而LongAdder将把一个value拆分成若干cell，把所有cell加起来，就是value。所以对LongAdder进行加减操作，只需要对不同的cell来操作，不同的线程对不同的cell进行CAS操作，CAS的成功率当然高了（试想一下3+2+1=6，一个线程3+1，另一个线程2+1，最后是8，LongAdder没有乘法除法的API）。 可是在并发数不是很高的情况，拆分成若干的cell

这篇文章是基于一篇最初出现在Alex Rogozhnikov的博客上的文章 Jupyther notebook ,也就是一般说的 Ipython notebook，是一个可以把代码、图像、注释、公式和作图集于一处，从而实现可读性分析的一种灵活的工具。 Jupyter延伸性很好，支持多种编程语言，可以很轻松地安装在个人电脑或者任何服务器上——只要有ssh或者http接入就可以啦。最棒的一点是，它完全免费哦。 Jupyter 界面 默认情况下，Jupyter Notebook 使用Python内核，这就是为什么它原名 IPython Notebook。Jupyter notebook是Jupyter项目的产物——Jupyter这个名字是它要服务的三种语言的缩写：Julia，PYThon和R，这个名字与“木星（jupiter）”谐音。本文将介绍27个轻松使用Jupyter的小窍门和技巧。 ◆ ◆ ◆ 1.快捷键 高手们都知道，快捷键可以节省很多时间。Jupyter在顶部菜单提供了一个快捷键列表：Help > Keyboard Shortcuts 。每次更新Jupyter的时候，一定要看看这个列表，因为不断地有新的快捷键加进来。另外一个方法是使用Cmd + Shift + P ( Linux 和 Windows下 Ctrl + Shift + P亦可)调出命令面板

代码如下 import numpy as np import math class Neuron(object): def init (self): self.weights=np.array([1,2,3]) self.bias=0.0 def forward(self,inputs): cell_sum=math.fsum((inputs*self.weights)+self.bias) result=1.0/(math.exp(-cell_sum)+1.0) return result neuron=Neuron() output=neuron.forward(np.array([2.0,2.0,2.0])) print(output) 编写了一个简单的神经元输出节点，尤其注意fsum函数是最新语法，不能再用sum调用否则会报错 来源：博客园 作者： MorvalHe 链接：https://www.cnblogs.com/morvalhe/p/11508382.html

openpyxl openpyxl可以用来对excel进行操作，但只能操作xlsx文件而不能操作xls文件。 主要用到三个概念：Workbooks，Sheets，Cells。 Workbook就是一个excel工作薄； Sheet是工作表中的一张工作表； Cell就是简单的一个格。 openpyxl就是围绕着这三个概念进行的:打开Workbook，定位Sheet，操作Cell。 读取与创建 读取Workbooks 可以导入openpyxl.load_workbook()来打开一个已经存在的workbook： >>> from openpyxl import load_workbook >>> wb2 = load_workbook('test.xlsx') >>> print wb2.get_sheet_names() ['Sheet2', 'New Title', 'Sheet1'] 创建Workbooks与Sheets 在刚开始使用openpyxl的时候，不需要直接在文件系统中创建一个文件，仅仅需要导入Workbook类并开始使用它： >>> from openpyxl import Workbook >>> wb = Workbook() 一个workbook总是会创建至少一个worksheet（工作表），可以通过openpyxl.workbook.Workbook

现代生活中，我们很难不与excel表打交道，excel表有着易学易用的优点，只是当表中数据量很大，我们又需要从其他表册中复制粘贴一些数据（比如身份证号）的时候，我们会越来越倦怠，毕竟我们不是机器，没法长时间做某种重复性的枯燥操作。想象这样一个场景，我们有个几千行的表要填，需要根据姓名输入其对应的身份证号，但之前我们已经做过一个类似的表，同样的一些人的姓名跟身份证号是完整的，那么我们就需要通过一个个查找姓名，然后把身份证号码复制到我们当前要做的表里去。 当我日复一日重复着这些操作的时候，我都很想有一个自动化工具来完成这种操作，把做为人的我从这种非人的折磨里解脱出来，最后还是想到了python，因为这样我能很少的关注语言内部的一些细节，从而专注于解决这个问题。 其安装命令为 pip install openpyxl（在线安装）或者 easy_install openpyxl。 openpyxl的操作可以分四步，第一步载入现有workbook或者创建workbook到内存，分别使用 from openpyxl import load_workbook from openpyxl import Workbook #载入现有workbook中 wb1=load_workbook('lalala.xlsx') """ 在源表数据量很大的时候，这里我们可以使用openpyxl的read

openpyxl openpyxl可以用来对excel进行操作，但只能操作xlsx文件而不能操作xls文件。 主要用到三个概念：Workbooks，Sheets，Cells。 Workbook就是一个excel工作薄； Sheet是工作表中的一张工作表； Cell就是简单的一个格。 openpyxl就是围绕着这三个概念进行的:打开Workbook，定位Sheet，操作Cell。 读取与创建 读取Workbooks 可以导入openpyxl.load_workbook()来打开一个已经存在的workbook： >>> from openpyxl import load_workbook >>> wb2 = load_workbook('test.xlsx') >>> print wb2.get_sheet_names() ['Sheet2', 'New Title', 'Sheet1'] 创建Workbooks与Sheets 在刚开始使用openpyxl的时候，不需要直接在文件系统中创建一个文件，仅仅需要导入Workbook类并开始使用它： >>> from openpyxl import Workbook >>> wb = Workbook() 一个workbook总是会创建至少一个worksheet（工作表），可以通过openpyxl.workbook.Workbook

openpyxl模块介绍 openpyxl模块是一个读写Excel 2010文档的Python库，如果要处理更早格式的Excel文档，需要用到额外的库，openpyxl是一个比较综合的工具，能够同时读取和修改Excel文档。其他很多的与Excel相关的项目基本只支持读或者写Excel一种功能。 安装openpyxl模块 pip3 install openpyxl openpyxl基本用法 　想要操作Excel首先要了解Excel 基本概念，Excel中列以字幕命名，行以数字命名，比如左上角第一个单元格的坐标为A1，下面的为A2，右边的B1。 　　openpyxl中有三个不同层次的类，Workbook是对工作簿的抽象，Worksheet是对表格的抽象，Cell是对单元格的抽象，每一个类都包含了许多属性和方法。 操作Excel的一般场景: 打开或者创建一个Excel需要创建一个Workbook对象 获取一个表则需要先创建一个Workbook对象，然后使用该对象的方法来得到一个Worksheet对象 如果要获取表中的数据，那么得到Worksheet对象以后再从中获取代表单元格的Cell对象 Workbook对象 一个Workbook对象代表一个Excel文档，因此在操作Excel之前，都应该先创建一个Workbook对象。对于创建一个新的Excel文档

1 在vant weapp开发文档上选择要使用的组件 https://youzan.github.io/vant-weapp/#/intro 2 从vant weapp上复制代码，由于是用npm安装的所以路径可以简略 { "usingComponents": { "van-field": "vant-weapp/field" } } <!--引入vant组件库--> <van-cell-group> <van-field value="{{ value }}" placeholder="请写评价" border="{{ false }}" bind:change="onCommentChange" /> </van-cell-group> /** * 页面的初始数据 */ data: { detail: {}, comment:''//评价的内容 }, //事件处理函数，当评价改变时调用 onCommentChange: function (event){ }, 3 得到页面 4 来源： https://www.cnblogs.com/polax/p/11543646.html

访问单个单元格 c = ws['A4'] #返回单元格A4，如果单元格不存在，则会自动创建 ws['A4'] = 4 #为单元格A4赋值为4 d = ws.cell(row=4, column=2, value=10) #给单元格B4赋值为10 　　当一个worksheet在内存中创建时，是不包含任何单元格的，只有当第一次访问时才会被创建 　　当通过cell()函数访问大批量单元格时，这些单元格虽然没有被赋值，但这些单元格却已在内存中创建 for x in range(1,101): for y in range(1,101): ws.cell(row=x, column=y) #会在内存中创建100*100个单元格 访问多个单元格 cell_range = ws['A1':'C2'] #访问从A1到C2的所有单元格 colC = ws['C'] #访问C列的所有单元格 col_range = ws['C:D'] #访问C列和D列的所有单元格 row10 = ws[10] #访问第10行的所有单元格 row_range = ws[5:10] #访问第5行到第10行的所有单元格 #使用Worksheet.iter_rows()方法以行为单位,遍历多个单元格 for row in ws.iter_rows(min_row=1, max_col=3, max_row=2): for