《零起点,python大数据与量化交易》,这应该是国内第一部,关于python量化交易的书籍。
有出版社约稿,写本量化交易与大数据的书籍,因为好几年没写书了,再加上近期“前海智库·zw大数据”项目,刚刚启动。
因为时间紧,只花了半天时间,整理框架和目录。
说是v0.1版,但核心框架已经ok;从项目角度而言,完成度,已经超过70%,剩下的只是体力活。
完成全本书,需要半年以上连续时间,本人没空,大家不要再问:“什么时间可以完成。”
配合zwPython,这个已经是套完整的:大数据分析、量化交易学习教材;质素方面,相信比市面上90%的同类作品强。
有兴趣的网友,可以自己百度,编写脚本,另外可以加入Q群:124134140(zwPython大数据量化交易).
进群后,请大家多多发言,有时间,我也会和大家互动。

zw量化实盘·魔鬼训练营 金融行业的:生存训练,Win
or Home(要么全赢,要么滚蛋)
ps,10.21,
刚才百度 没想到zwPython成了关键词: python 量化交易的第一品牌,完全没做任何seo优化 



 
关于关于大数据、高频交易和AI人工智能,字王的观点一向是:
凡是无法通过“足彩数据”实盘测试的大数据方案、算法,都是在耍流氓

http://blog.sina.com.cn/s/blog_7100d4220102vkwb.html

  
关于足彩的几个误区
  • 足彩虽然容易与赌球混淆,但却是最好的大数据研究对象,没有之一
  • 微软、百度、谷歌,目前都有专业团队,在做足彩大数据,并定期发布
  • 说白了,足彩相当于十倍配资的股票
  • 国内足彩的确很黑,比欧平低10%左右,
  • 彩票的发明人和股票,据说都是同一个英国爵士
  • 必胜足彩交易所,成立当年,获得了英国MBA商业创新大奖
  • 高盛n年前,就开始足彩套利业务,维基百科有介绍
  • 黑天鹅(红牛吧)足彩,是首家公开进行、实盘测试的足彩大数据模型
  • 黑天鹅,是业内率先以:盈利率,而不是:胜率(百度目前还是),测试足彩大数据算法模型
  • 黑天鹅算法盈利率90-95%,是目前业内最高的,比百度高约20-30%
  •  

--------

黑天鹅(红牛吧)足彩·实盘测试·近期数据统计(2015.8-10)
  • 8月,单选,胜率:59.41%(101/170),盈利率,121%,二串一(2x1),胜率:46.34%(19/41),盈利率,143.02%,
  • 9月,单选,胜率:48.75%(39/80),盈利率,101%,二串一(2x1),胜率:35.%(7/20),盈利率,94.74%
  • 10月,单选,胜率:64.71%(11/17),盈利率,135%,二串一(2x1),胜率:33.33%(1/3),盈利率,130%

    目前已经比较稳定,盈利率应该是行业最高的,比百度强,再测试一段就OK了。



 

(python大数据·思维导图)

大数据,量化交易,属于目前比较前沿的IT技术,相关用户,绝大部分是非IT行业的市场管理人员和金融工作者,没有任何编程基础。
同时,更多的普通民众,在日常工作、生活、投资时,例如,购买股票、基金、足彩,也迫切需要一些专业的数据分析知识和软件,作为更加专业的投资工具。

目前,量化投资、高频交易领域,一线操盘手自己编程,将投资策略直接程序化,已经成为国际大投行的标配。
在数据处理领域,特别在量化交易方面,python已成为“统治级”编程语言。
伴随中国政府金融领域的扩张战略,以及与国际金融接轨,大量海龟派金融人员回归,有专家称,“未来五年(2020),专业投资人,不懂python编程,就像不懂英语,不会电脑操作,面临下岗的可能。”
因此,便有了这本:《零起点,python大数据与量化交易》

零起点
  • IT零起点,无需任何电脑编程基础,会打字、会word,就能看懂本书,利用本书配套的Python软件包,轻松学会如何利用python,对股票、足彩数据,进行专业分析,量化投资分析
  • 投资零起点,无需购买任何专业软件,本书配套的zwPython软件包,采用开源模式,提供100%全功能、全免费的工业级数据分析平台。
  • 配置零起点,所有软件、数据,全部采用苹果“开箱即用”模式,绿色版本,无需安装,解压即可,直接运行系统。
  • 理财零起点,无需任何专业金融背景,采用通俗易懂的语言,配合大量专业图表,实盘操作案例,轻松掌握各种量化投资策略。
  • 数学零起点,全书没有任何复杂数学公式,只有最基本的加减乘除,初中以上文化,即可看懂

根据作者多年一线实践经验,本书在大数据分析领域,首次提出了许多原创的、缘自一线实战的观点和理论,例如:暗数据、“小数据”理论,黑天鹅算法,大部分还附有python源码,方便读者直接使用。
此外,本书还介绍了,采用黑天鹅算法实现的,国内首个通过足彩实盘测试的大数据方案:zw足彩数据分析平台。
【补充说明】

本书内容偏重于数据分析,特别是量化交易方面的数据分析,是因为
  • 实践工作中,除了移动、百度、阿里等超大型,数据密集型企业外,99%以上的企业,包括上市公司,并不具备,也不需要真正的TB级大数据分析软件、硬件环境,计算集群和cuda都很少
  • 金融领域,国内A股市场,数千股票,历年裸数据合集,不超数据10G,千万级规模
  • 目前大数据领域,尚处于萌芽阶段,算法、模型每年变化都很大,因此这方面的内容,以定性为主
  • 大数据分析的核心,是数据分析算法,书中介绍的都是经典算法,通用性很强

字王 回复 :目前忙“黑天鹅”算法的实盘测试,暂时没时间写书。

急的话 自己下个zwPython 带pandas数据分析、demo演示代码,有中文教材,绿色版,解压即可,

配合目录作为大纲,自己边看边学,码码python脚本,效果更好

blog首页“置顶”有百度网盘的下载地址(6月8日 15:36)

《零起点,python大数据与量化交易》目录


第1章、大数据简介
  • 大数据思维导图
    • 数据挖掘
    • 计算统计学
    • 语义分析
    • 人工智能
    • 并行运算框架
    • GPU超算平台
  • 发展简史
    • 大数据史前模式
    • 从3V到4V
    • 云计算时代
  • 大数据主要应用领域
  • 大数据技术流派
    • Hadoop生态圈
    • MapReduce
    • NoSQL数据库
    • Storm流处理分布式计算框架
    • SPark内存计算与通用并行计算框架
    • IBM数据流Stream体系
    • Oracle
  • Python与大数据
    • Python,统治级数据编程语言
    • Pandas数据分析
    • Nltk文本语义分析
    • Scikit人工智能和机器学习
    • Numpy/scipy矢量数据和科学计算
    • sympy符号计算
    • Gpu并行超速运算
    • Opencv图像视频处理
    • TVTK/mayavi可视化计算
第2章、量化交易简介
  • 套利交易
  • 金融工程学
  • 计量金融学
  • 技术分析
  • 高频交易
  • 足彩,被误解的投资模式
    • 年收益269%的神奇投资术
第3章、小数据更酷
  • 失败的经典:啤酒与尿布
  • 小数剧理论
    • 龙格现象
    • 孤子分布
    • 哥白尼原则
    • 零膨胀
    • 极值理论
      • 任何程序化交易系统都有“半衰期”
    • 0与1:计算的本质
      • 阴阳八卦易经
    • 暗数据与全数据
    • 二八定理
      • 帕累托分析法
      • 齐夫定律
      • 分析模型比数据规模更重要
      • 实战案例:百万社区数据库
      • 实战案例:神奇的魔鬼英语:500单词看懂原著
    • 大数原则
      • 平庸原理
      • 实战案例:史上最强网络推广案例:惠普笔记本数码混搭
    • 每次只解决一个问题
    • 量化投资第一季:单一指数模型
第4章、神一般的黑天鹅算法
  • 黑天鹅是新常态
  • 主要特点
    • 运算速度快一个数量级
    • 数据规模小一个数量级
    • 全数据建模小数据匹配
    • 黑天鹅算法PK现代与传统
      • 与传统抽样数据库算法比较
      • 与其他大数据方案算法比较
  • 黑天鹅算法基本流程
    • 从4V到1V
    • 数据预处理
      • 衍生数据扩充
      • 指数压缩
      • 数据归一化
        • 标准分数
        • T-统计量
        • 学生化残差
        • 标准化矩
        • 变异系数
        • 离差指数
    • 建立参数v知识库
    • 建立黑天鹅判别模型库
    • 寻找黑天鹅
第5章、Python,“统治级”数据处理语言
  • Hello,zw
  • 基础语句
  • Basic模式
  • Python一卡通
  • Python常用模块
    • numPy数据分析
    • Matplotlib可视化计算
  • Pandas数据分析平台
    • 内置数据分析函数
    • 数据存读
    • 数据聚合
    • 时间序列分析
    • 股票数据分析
    • 足彩数据分析
  • 大数据与Python十倍速性能优化
    • 软加速:矢量优先
    • 软加速:cpython
    • SSD加速大法
    • KBD全内存数据库
    • Gpu终极加速方案
第6章、大数据十大经典算法Python版
  • AdaBoost机器学习迭代分析算法
  • Apriori关联分析算法
  • C4.5分类决策树算法
  • CART分类回归树算法
  • decision tree
    决策树数据分类算法
  • EM最大期望关联分析算法
  • kNN 机器学习最近邻分类算法
  • k-means聚类分析算法
  • Na?ve
    Bayes朴素贝叶斯数据分类算法
  • PageRank引用分析算法
  • SVM向量机数据分类算法
  • 其他经典算法
    • Apriori框架的图挖掘算法
      • AGM图论节点图数据挖掘算法
      • FSG图论边框数据挖掘算法
    • Pattern-growth框架图挖掘算法
      • gSpan右路径扩展算法
    • 闭合子图挖掘算法
      • CLOSEGRAPH图挖掘算法
    • 闭合完全连通子图挖掘算法
      • CLAN图挖掘算法
      • Cocain图挖掘算法
    • FP-Growth模式树分类算法
    • logistic回归算法
    • Affinity
      propagation聚类算法
    • LDA模型
    • HMM隐性马可夫模型
    • SOA模型
第7章、数据源与在线数据采集
  • 案例:搜索引擎链接数
  • 案例:百度TOP100指数
  • 案例:行业关键词与衍生关键词
  • 案例:企业竞争情报搜集
  • 常用在线数据API接口
第8章、从故事开始学统计
  • 趣味统计学
    • 尔斯伯格悖论
    • 生日问题
    • 蒙特卡罗方法
    • 德国坦克问题
    • 无限猴子定理
    • 墨菲定律
  • 常用统计数值编程
    • 极值:极大值,极小值,极差/全距
    • 均值:算术平均数,几何平均数,调和平均数,希罗平均数,加权平均数,幂平均/赫尔德平均,毕达哥拉斯平均,平均数不等式
    • 方差等:均方差,平均差,偏度,峰度
    • 其他统计值:累积和、总数,众数,中位数,四分位数
  • 常用统计图表
    • 四种基本图表:直方图Histogram,长条图Bar Chart,圆饼图/比例图Pie Chart,折线图/趋势图Line chart
    • 金融类图表:K线图Candlestick chart,均线图Moving Average chart,布林带图Bollinger Bands,BBands
    • 统计类图表:箱形图,双标图,标准九分图,概率图,半对数线图,散点图,茎叶统计图,统计地图
    • 其他图表:时间轴图表,流程图,山形图Area_chart,瀑布图Waterfall chart,量化波形图Streamgraph,落差图GapChart,泡泡图Bubble chart,极区图,雷达图Radar_chart,示意地图Cartogram
第9章、从故事开始学量化交易
  • 趣味理财学
    • 一月效应
    • DCA懒人理财术
    • 兴登堡凶兆
    • 死猫反弹
    • 布拉普预测
    • 祖鲁法则
    • Gordon高登模型
    • 奥卡姆剃刀与KISS法则
    • 神奇公式
    • MM定理
  • 混沌理论
  • 三种基础模型:资产配置模型,行业模型,股票模型。
  • 四大特点:纪律性,系统性,套利思想,概率取胜
  • 量化投资策略
    • 量化选股:估值法,趋势法,资金法
  • 量化择时
  • 股指期货套利:现货构建,套利定价,保证金管理,冲击成本,成分股调整
  • 商品期货套利
  • 统计套利:
    • β中性策略
    • 协整策略
    • 期权套利:水平套利,垂直套利,转换套利,反向转换套利,跨式套利,蝶式套利,飞鹰式套利
  • 算法交易:被动型算法交易,主动型算法交易,综合型算法交易
  • 组合投资与资产配置
  • 其他策略
    • 股票价差套利
    • 博彩套利
    • ETF套利
    • 衍生品套利
    • 公司并购套利
    • 市政债券套利
  • 宽客兵器谱
    • KDB内存数据库
    • Quant交易数据分析平台
    • Q语言
    • Matlab
    • Python
  • HFT高频交易常用策略和技术
    • 造市交易
    • 收报机交易
    • 事件套利
    • 统计套利
    • 新闻交易
    • 低延迟策略
    • 订单属性策略
    • 夺取优先权
    • 算法监听
    • 监听大买卖盘
    • 黑池交易平台
    • 信号触发
    • 触发补偿
第10章、统计学与数据分析基础
  • 概率分布
    • 离散分布:均匀分布,二项分布,正态分布,几何分布,超几何分布,超几何分布和二项分布的关系,泊松分布,泊松分布近似,泊松试验,复合泊松分布
    • 连续分布:均匀分布,指数分布,对数分布,伽马分布,高斯/正态分布,肥尾分布,重尾分布,正态分布和二项分布,帕斯卡分布,韦伯分布,伯努利分布
    • 其他统计分布模式:Gamma伽玛分布,卡方分布,F分布,Β分布,β-二项式分布,稳定分布,三角形分布,联合分布,条件概率分布,柯西分布,
  • 统计检验
    • 皮尔森卡方检定,学生t检验
    • 假设检验
    • 交叉验证
    • 零假设检验
    • F检验
    • Jarque-Bera检验
    • 柯尔莫诺夫-斯米尔诺夫检验
    • 迪基-福勒检验,扩张的Dickey-Fuller检定
    • 核密度估计
    • 邹检验
  • 其他统计分析方法
    • 抽样
    • 置信区间
    • 贝叶斯概率
    • 最大似然估计
    • 赤池信息量准则
  • 回归分析
    • 线性回归:简单线性回归,最小二乘法,复回归分析,对数线性回归
    • 非线性回归:逻辑回归,偏回归,自回归,ARMA自回归滑动平均模型,ARIMA差分自回归滑动平均模型,格兰杰因果关系,向量自回归模型,曲线拟合分析,分量回归,泊松回归
  • 零膨胀
  • 过拟合
  • 方差分析
    • 方差:协方差,自协方差,互协方差,均方差,异方差,偏差,SD标准差,CV标准离差率,最小方差无偏估计,最小均方差估计
    • 方差和:SST总平方和,SSM模型平方和
    • R2回归系数
    • 变异量(数)
    • 期望值
  • 时间序列分析
    • RATS模型
    • ARCH模型
  • 数据关联分析
    • 常用关联参数:耦合,显著性差异,净相关,Gamma相关系数,Spearman等级相关系数,Kappa一致性系数,Kendall等级相关系数,Kendall和谐系数,Pearson相关系数,Phi相关系数,列联相关系数,四分相关系数,点二系列相关系数,二系列相关系数,皮尔逊积差系数,斯皮尔曼等级相关系数
    • 关联分析模型:杜宾-瓦特森统计量,邻里成分分析,朴素贝叶斯分类器,PCC皮尔逊积矩相关系数,自相关函数,关联式规则,ROC曲线
  • 数据关联度分析
    • 三大主流方法:最小平方误差,MLE极大似然,贝叶斯相关
    • 其他方法:MME矩关联度,Cramér-Rao不等式,MMSE最小均方差,MAP最大后验概率,MVUE最小方差非偏关联度,BLUE最佳线性非偏关联度,非偏关联度,Particle filter,MCMC,卡尔曼滤波,维纳滤波
  • 聚类分析
    • 核心关联度函数:欧式距离,曼哈顿距离,infinity norm,马氏距离,余弦相似性,汉明距离
    • QT聚类算法
    • 图论聚类算法
    • 线性判别分析
    • PCA主成分分析
  • 常用统计分析模型
    • 维纳过程
    • 布莱克-舒尔斯模型
    • 赫尔怀特模型
    • 马尔可夫过程
    • 陈琳模型
第11章、现代投资组合理论
第12章、趋势为王
  • 趋势判断型量化投资策略
  • 波动率判断型量化投资策略

第13章、三大基本建模策略

  • 顺势系统
  • 逆势系统
  • 形态操作

第14章、三大量化投资模型

  • 单元交易模型
  • 双元交易模型:长短线模型
  • 三元及多元模型

第15章、组合交易策略

  • 价值策略组合
  • 动量策略组合
  • 融合策略组合
  • 混合策略组合
第16章、无风险套利交易策略
  • ETF套利交易策略
  • 股指期货期现套利交易策略
  • 国债期货套利交易策略
第17章、风险套利交易策略
  • 阿尔法套利
  • 统计套利
第18章、交易模型主要考核指标
  • 利润率V
  • 胜率/盈亏比率k
  • 最大单次盈利
  • 最大单次亏损
  • 最大连续盈利次数
  • 最大连续亏损次数
第19章、足彩数据分析
  • 凯利指数
  • 同注分彩法
第20章、量化投资常用实盘操作策略
第21章、日内交易
  • GFTD日内程序化交易策略
第22章、常用量化投资策略
  • 阿尔法回报策略
  • Beta贝塔系数策略
    • smart beta策略
  • CAPM资产定价模型
  • crb指数模型
  • Dynamic Breakout 策略
  • EMH效率市场模型
  • EPS每股盈余模型
  • IFATS交易策略
  • GARCH交易模型
  • TWAP时间加权平均策略
  • Pivot Points策略
  • R-Breaker交易策略
  • VWAP成交量加权平均策略
第23章、分析图表类
  • K线图交易策略
    • 美国线交易策略
    • 开盘区间突破策略
  • 一目均衡表交易策略
  • 趋势线交易策略
    • CMI趋势性交易策略
    • 趋势追踪选股模型
    • MA移动平均线策略
    • 支撑线和压力线交易策略
    • n日突破交易策略
    • 移动止赢交易策略
    • 移动止损交易策略
    • 牛熊线择时模型
  • BBands布林带交易策略
    • 夹板交易模型
  • 点线图交易策略
  • 艾略特波浪理论
  • 型态学交易策略
  • 道氏理论
  • 轴点分析策略
    • 0轴交易策略
    • 中点交易策略
  • 半衰交易策略
  • 夏普比率策略
第24章、投资指数类
  • BIAS乖离率交易策略
  • EP盈利收益率策略
  • Kdj交易策略
  • rsi 交易策略
  • 波动率交易策略
  • Kurtosis峰值交易策略
  • Skewing偏度交易策略
  • Macd交易策略
  • PBR市净率
  • PER市盈率
  • PEG收益率
  • WACC加权平均资本成本
  • ROA资产收益率
  • ROE股本回报率
  • NPV净现值
  • 真实波动幅度均值
  • 累积/分布指数
第25章、其他交易策略
  • 蝶式套利策略
  • 三角套利策略
  • 机会点策略
  • 海龟交易法则
  • 多因子选股模型
  • 盈利预期模型
  • 戴尔指数
    • 基尼系数
    • 劳伦茨曲线
  • 黄金分割点
  • 斐波那契回调
  • 赫斯特指数
  • 费雪方程式
  • 三因子模型
  • 詹森指数
  • 凯斯-席勒指数
  • 抛物线指标
  • 商品通道指数
  • 金钱流
  • OBV平衡成交量/能量潮
  • OMAV交易策略
  • Trix指标
  • 威廉指标
  • 振荡指标
  • 价值型策略
  • 收益型策略
  • m2行业轮动策略
  • 市场情绪轮动策略
  • 资金流选股策略
  • 动量选股策略和反转选股策略
  • 一致预期模型
  • 筹码选股模型
  • 情绪指标择时策略
  • 有效资金择时模型
  • svm择时模型
  • swarch模型
第26章、人工智能量化交易算法
  • 模式识别短线择时算法
  • rbf神经网络股价预测
  • 基于遗传算法的新股预测
  • 金融时序数据预测
  • 趋势拐点预测
  • 灰色马尔可夫链股市预测
第27章、、黑天鹅算法2.0实战
  • 数据预处理
    • 衍生数据扩充
    • 指数压缩
    • 数据归一化
      • 标准分数
      • T-统计量
      • 学生化残差
      • 标准化矩
      • 变异系数
      • 离差指数
  • 建立参数v知识库
  • 建立黑天鹅判别模型库
  • 寻找黑天鹅
  • 数据回溯与验证
附录,zwPython用户手册

《零起点,python大数据与量化交易》的更多相关文章

  1. 简单物联网:外网访问内网路由器下树莓派Flask服务器

    最近做一个小东西,大概过程就是想在教室,宿舍控制实验室的一些设备. 已经在树莓上搭了一个轻量的flask服务器,在实验室的路由器下,任何设备都是可以访问的:但是有一些限制条件,比如我想在宿舍控制我种花 ...

  2. 利用ssh反向代理以及autossh实现从外网连接内网服务器

    前言 最近遇到这样一个问题,我在实验室架设了一台服务器,给师弟或者小伙伴练习Linux用,然后平时在实验室这边直接连接是没有问题的,都是内网嘛.但是回到宿舍问题出来了,使用校园网的童鞋还是能连接上,使 ...

  3. 外网访问内网Docker容器

    外网访问内网Docker容器 本地安装了Docker容器,只能在局域网内访问,怎样从外网也能访问本地Docker容器? 本文将介绍具体的实现步骤. 1. 准备工作 1.1 安装并启动Docker容器 ...

  4. 外网访问内网SpringBoot

    外网访问内网SpringBoot 本地安装了SpringBoot,只能在局域网内访问,怎样从外网也能访问本地SpringBoot? 本文将介绍具体的实现步骤. 1. 准备工作 1.1 安装Java 1 ...

  5. 外网访问内网Elasticsearch WEB

    外网访问内网Elasticsearch WEB 本地安装了Elasticsearch,只能在局域网内访问其WEB,怎样从外网也能访问本地Elasticsearch? 本文将介绍具体的实现步骤. 1. ...

  6. 怎样从外网访问内网Rails

    外网访问内网Rails 本地安装了Rails,只能在局域网内访问,怎样从外网也能访问本地Rails? 本文将介绍具体的实现步骤. 1. 准备工作 1.1 安装并启动Rails 默认安装的Rails端口 ...

  7. 怎样从外网访问内网Memcached数据库

    外网访问内网Memcached数据库 本地安装了Memcached数据库,只能在局域网内访问,怎样从外网也能访问本地Memcached数据库? 本文将介绍具体的实现步骤. 1. 准备工作 1.1 安装 ...

  8. 怎样从外网访问内网CouchDB数据库

    外网访问内网CouchDB数据库 本地安装了CouchDB数据库,只能在局域网内访问,怎样从外网也能访问本地CouchDB数据库? 本文将介绍具体的实现步骤. 1. 准备工作 1.1 安装并启动Cou ...

  9. 怎样从外网访问内网DB2数据库

    外网访问内网DB2数据库 本地安装了DB2数据库,只能在局域网内访问,怎样从外网也能访问本地DB2数据库? 本文将介绍具体的实现步骤. 1. 准备工作 1.1 安装并启动DB2数据库 默认安装的DB2 ...

  10. 怎样从外网访问内网OpenLDAP数据库

    外网访问内网OpenLDAP数据库 本地安装了OpenLDAP数据库,只能在局域网内访问,怎样从外网也能访问本地OpenLDAP数据库? 本文将介绍具体的实现步骤. 1. 准备工作 1.1 安装并启动 ...

随机推荐

  1. C# string.Format("{0:C3}", 2)

  2. linux制作RPM包

    制作rpm包 1.制作流程1.1 前期工作 1)创建打包用的目录rpmbuild/{BUILD,SPECS,RPMS, SOURCES,SRPMS} 建议使用普通用户,在用户家目录中创建 2)确定好制 ...

  3. MYSQL系列之(一)

      mysql简介 1.什么是数据库 ? 数据库(Database)是按照数据结构来组织.存储和管理数据的仓库,它产生于距今六十多年前,随着信息技术和市场的发展,特别是二十世纪九十年代以后,数据管理不 ...

  4. win8.1rtm专业版无法安装net3.5还有iis

    win8.1rtm专业版无法安装net3.5还有iis错误代码:0x800F0906 已解决:dism.exe /online /enable-feature /featurename:NetFX3 ...

  5. IT English Collection(20) of Object modeling

    1 前言 本节简单的介绍了对象建模,以及需要注意的事项. 2 详述 2.1 原文 Objectmodeling is the process of designing the objects or c ...

  6. python小项目练习之转换像素图片为字符图

    实例来源实验楼网站,没事可以多逛逛,在此多谢实验楼的无私分享 from PIL import Image import argparse """ description: ...

  7. Windows Phone 上拉刷新、下拉刷新

    ScrollViewer scrollViewer = new ScrollViewer(); // 构造函数 public MainPage() { InitializeComponent(); ; ...

  8. 在CentOS中使用 yum 安装MongoDB及服务器端配置

    转自 http://blog.csdn.net/zhangfeng19880710/article/details/20166853 一.准备工作: 运行yum命令查看MongoDB的包信息 [roo ...

  9. mysql如何查询日期的列表?

    转自:http://blog.csdn.net/liufei198613/article/details/72643345 select @num:=@num+1,date_format(adddat ...

  10. SpringMVC XXX-servlet.xml ApplicationContext.xml

    因为直接使用了SpringMVC,所以之前一直不明白xxx-servlet.xml和applicationContext.xml是如何区别的,其实如果直接使用SpringMVC是可以不添加applic ...