使用教程
pandas使用教程pandas怎么使用呢？不知道的小伙伴来看看小编今天的pandas教程分享吧😔😰--🧶！
1😧🪆|_🦃、pandas简介🐗——*🦝：
pandas是python+data+analysis的组合缩写🤿🤮——🤐🦉，是python中基于numpy和matplotlib的第三方数据分析库🐐||🦋，与后两者共同构成了python数据分析的基础工具包🪀🦚————🐈⬛，享有数分三剑客之名🐏🌍-⛅️。
2🐱🥏||🦇、pandas数据结构💮——🥈🦜：
pandas核心数据结构有两种🐗——🐟，即一维的series和二维的dataframe🎋💐_🐵，二者可以分别看做是在numpy一维数组和二维数组的基础上增加了相应的标签信息🦝|😜😍。正因如此🎴——🦌🦌，可以从两个角度理解series和dataframe🌻|-🤢：
series和dataframe分别是一维和二维数组😗_😉，因为是数组*_🌾，所以numpy中关于数组的用法基本可以直接应用到这两个数据结构🦖🏓_🦃🎐，包括数据创建😤🐉-💐、切片访问*——🐈、通函数🐓——👹🐘、广播机制等
series是带标签的一维数组🦨-🪁🧿，所以还可以看做是类字典结构🎰🐷-🤔🐪：标签是key🌑🐲——🐒🦋，取值是value🐋_🍀；而dataframe则可以看做是嵌套字典结构🌪-🎯🀄，其中列名是key*_🌜🪳，每一列的series是value🦁_🐅🙂。所以从这个角度讲🦂|-🥇🐦，pandas数据创建的一种灵活方式就是通过字典或者嵌套字典🍂🌝|_🎁☘️，同时也自然衍生出了适用于series和dataframe的类似字典访问的接口🐘💥_🎖，即通过loc索引访问🐸-🎟。
3🐙_*、 数据读写🌨——🐜🐪：
pandas支持大部分的主流文件格式进行数据读写😕——🤒🐚，常用格式及接口为🧨-😝🐪：
文本文件🪶_🐾，主要包括csv和txt两种等😵-|🍄🤑，相应接口为read_csv()和to_csv()🐹🦍--🦖，分别用于读写数据
Excel文件🦛💐||😬😒，包括xls和xlsx两种格式均得到支持🕸😚——_🎍，底层是调用了xlwt和xlrd进行excel文件操作🪡__🦇🐲，相应接口为read_excel()和to_excel()
SQL文件🏈🦛——🤔，支持大部分主流关系型数据库🐿-☺️🐉，例如MySQL🦎——🐺，需要相应的数据库模块支持🙊——🎁，相应接口为read_sql()和to_sql()
此外🦭_🎖🏑，pandas还支持html🎫*-——⛸🐳、json等文件格式的读写操作🦗——🐌。
4☹️__🦏😠、数据访问⛳-🥊♣：
series和dataframe兼具numpy数组和字典的结构特性🦠🧨__*，所以数据访问都是从这两方面入手🦈-🐰。同时🐰|🤑🐐，也支持bool索引进行数据访问和筛选😡-🎱🦄。
[ ]😰|🪄，这是一个非常便捷的访问方式🐙🕷-|🧶，不过需区分series和dataframe两种数据结构理解🐦——🙀😐：
series*🎆--🐤🦠：既可以用标签也可以用数字索引访问单个元素🌝😏-😅，还可以用相应的切片访问多个值🐔|🥀🌎，因为只有一维信息😶-🌏*，自然毫无悬念
dataframe😾🦫——🍃🐚：无法访问单个元素🤓——🐪🌴，只能返回一列🐂——🤿、多列或多行*💥|🌛🌼：单值或多值（多个列名组成的列表）访问时按列进行查询🦕——🦜🦩，单值访问不存在列名歧义时还可直接用属性符号" . "访问🐄😮-🏆。切片形式访问时按行进行查询🦈|_😴🎗，又区分数字切片和标签切片两种情况🐬🥋-🦝🧶：当输入数字索引切片时🎍😢_🌲，类似于普通列表切片🐸🐄-🦉*；当输入标签切片时🥏————🌎，执行范围查询（即无需切片首末值存在于标签列中）😤_-😋，包含两端标签结果🦟🤑|-🤫😣，无匹配行时返回为空🐔🌚_🪁，但要求标签切片类型与索引类型一致*🐩|🌼🏆。例如🦕_🧿，当标签列类型（可通过df.index.dtype查看）为时间类型时🕸🌹-_🪲，若使用无法隐式转换为时间的字符串作为索引切片😻_|🦬*，则引发报错🐃_🐬😉。
5🏅😊-_🐕、数据处理🌳🦥|🥉🤠：
pandas最为强大的功能当然是数据处理和分析🦕-🐋，可独立完成数据分析前的绝大部分数据预处理需求🪡😙——-🐞🌎。简单归纳来看🐉——😑☘，主要可分为以下几个方面🎲🦟|-🦠：
数据清洗
数据处理中的清洗工作主要包括对空值😍😊-🎣🏆、重复值和异常值的处理🐕🦺——*🐨：
空值
判断空值🌼_🎍🦙，isna或isnull💮🎍-🪁💮，二者等价🍀-——🤥🦄，用于判断一个series或dataframe各元素值是否为空的bool结果*🦙_|😝。需注意对空值的界定🦚——_🦇：即None或numpy.nan才算空值🐙🦅|-🌳🐙，而空字符串🐪|——🙈、空列表等则不属于空值🦆🧸|🤮；类似地🦅🤫|🌵，notna和notnull则用于判断是否非空
填充空值😖🦕——🌳*，fillna😱|🤮🐳，按一定策略对空值进行填充*————🏓⛸，如常数填充🐵🦭_🌘😺、向前/向后填充等🐐|🎟，也可通过inplace参数确定是否本地更改
删除空值🏆——-🐭，dropna🐰🍀——_🃏，删除存在空值的整行或整列🙄🦌-🐃，可通过axis设置🐃🐍_🦏，也包括inplace参数
重复值
检测重复值🏏-🌓🐉，duplicated🐁-🐖，检测各行是否重复🪢🏉-🌍，返回一个行索引的bool结果⛅️🦠||🐫，可通过keep参数设置保留第一行/最后一行/无保留🌴⛸-_🐬🦈，例如keep=first意味着在存在重复的多行时*🐑——_🐬，首行被认为是合法的而可以保留
删除重复值🎮🦕————😋🤣，drop_duplicates😳_🐌🦘，按行检测并删除重复的记录🐞☘|——🎭⛳，也可通过keep参数设置保留项*🐼——-🏅🕊。由于该方法默认是按行进行检测🏅🏑——-🐒😋，如果存在某个需要需要按列删除🎨_-🦂🙂，则可以先转置再执行该方法
异常值🦛——|⚡️，判断异常值的标准依赖具体分析数据🐝☘️--😎😎，所以这里仅给出两种处理异常值的可选方法
删除🐪🦃-🎋*，drop🤕🙊_——🦗🪢，接受参数在特定轴线执行删除一条或多条记录🐂|——🦬😛，可通过axis参数设置是按行删除还是按列删除
替换🐪|🍂，replace🦍-🙉，非常强大的功能🐑|_🦭🌴，对series或dataframe中每个元素执行按条件替换操作🐁————🐯🦡，还可开启正则表达式功能
数值计算
由于pandas是在numpy的基础上实现的😣-😄🐜，所以numpy的常用数值计算操作在pandas中也适用🌲🐍——|🤕😇：
通函数ufunc🥉🦂_⛈♦，即可以像操作标量一样对series或dataframe中的所有元素执行同一操作*_|🏏🎯，这与numpy的特性是一致的*🦥-——🤢🦆，例如前文提到的replace函数🎣_🐕🦺😐，本质上可算作是通函数😈🦥-*🐁。如下实现对数据表中逐元素求平方
广播机制🌓♥_🎟，即当维度或形状不匹配时🏸_🕸，会按一定条件广播后计算*🐒_|*。由于pandas是带标签的数组*🌘-_🧵🐍，所以在广播过程中会自动按标签匹配进行广播🪳_——*，而非类似numpy那种纯粹按顺序进行广播😩🐪——🌼。例如🐚😉||🐅🐆，如下示例中执行一个dataframe和series相乘🎯🍁|🐞☀️，虽然二者维度不等🌏——-🐣🌦、大小不等🌩-🦙、标签顺序也不一致⛅️__🌒🐗，但仍能按标签匹配得到预期结果
字符串向量化🐃*_🌍🦔，即对于数据类型为字符串格式的一列执行向量化的字符串操作🦄|_🦊🤨，本质上是调用series.str属性的系列接口🐑__😷，完成相应的字符串操作☄️🦈_😛。尤为强大的是😿🎍_-🙄，除了常用的字符串操作方法🎨🦡_|🐗🦏，str属性接口中还集成了正则表达式的大部分功能😻🐳-_😃🐙，这使得pandas在处理字符串列时🐊🐺|_🦙😹，兼具高效和强力🎉-🌹。例如如下代码可用于统计每个句子中单词的个数
时间类型向量化操作🎀🌞-😞，如字符串一样🦄🐉_🐿，在pandas中另一个得到"优待"的数据类型是时间类型😥🍀--🦫🦗，正如字符串列可用str属性调用字符串接口一样🐤——_😄🌈，时间类型列可用dt属性调用相应接口🦗--🪄，这在处理时间类型时会十分有效☄️🦥——🌵。
数据转换
pandas还提供了更为强大的数据转换方法
apply😿-——🐈⬛，既适用于series对象也适用于dataframe对象🐇🦄_-🎎，但对二者处理的粒度是不一样的🤔🌿-_🐏🎱：apply应用于series时是逐元素执行函数操作🍃-——😄；apply应用于dataframe时是逐行或者逐列执行函数操作（通过axis参数设置对行还是对列🤤🎀||🦧🌟，默认是行）🦎-🐷🐀，仅接收函数作为参数
applymap🐓🐟--*，仅适用于dataframe对象🌟-🌩*，且是对dataframe中的每个元素执行函数操作🎑_🎲，从这个角度讲🦔🌧_🀄😛，与replace类似🐈——⛳，applymap可看作是dataframe对象的通函数🍃——|🐞🦠。
合并与拼接
pandas中又一个重量级数据处理功能是对多个dataframe进行合并与拼接🕊_😼，对应SQL中两个非常重要的操作🎍|——*🌸：union和join🌷🐆————*。pandas完成这两个功能主要依赖以下函数✨|🦙🧵：
concat🎆😕_🥌，与numpy中的concatenate类似😰🐍——😅😛，但功能更为强大🌛⚾_🐨🪅，可通过一个axis参数设置是横向或者拼接🎿-*🐼，要求非拼接轴向标签唯一（例如沿着行进行拼接时🐫_|😹🐥，要求每个df内部列名是唯一的🙀🦃-🌈，但两个df间可以重复🌤-|🐁🐆，毕竟有相同列才有拼接的实际意义）
merge🐔*|🪀👽，完全类似于SQL中的join语法🐬-_🌑，仅支持横向拼接🐑——🦂，通过设置连接字段😒__*🃏，实现对同一记录的不同列信息连接🦔🐭|🕸，支持inner⛈🦮-——*🌿、left😆-🦓😵、right和outer4种连接方式🧸🌒|-🥇🖼，但只能实现SQL中的等值连接
join💀🪀_🐝，语法和功能与merge一致🕹-🌥🌜，不同的是merge既可以用pandas接口调用😲🎈|🦎，也可以用dataframe对象接口调用🦃🤢——🌻🐺，而join则只适用于dataframe对象接口
append🧐😊-😿🦓，concat执行axis=0时的一个简化接口🎲-🦋🐈，类似列表的append函数一样
实际上💐--🦔🌾，concat通过设置axis=1也可实现与merge类似的效果🐁_-😽🌕，二者的区别在于😡🦛_|🌒：merge允许连接字段重复🎄|-🐓🪲，类似一对多或者多对一连接*☄️——🐟⛅️，此时将产生笛卡尔积结果🦝🎗————🤮🤪；而concat则不允许重复🤕🍀——🐞，仅能一对一拼接😘——🦍😙。
以上就是小编今天的分享了🐾🐝--🙊，希望可以帮助到大家🐓_🌳。
1😧🪆|_🦃、pandas简介🐗——*🦝：
pandas是python+data+analysis的组合缩写🤿🤮——🤐🦉，是python中基于numpy和matplotlib的第三方数据分析库🐐||🦋，与后两者共同构成了python数据分析的基础工具包🪀🦚————🐈⬛，享有数分三剑客之名🐏🌍-⛅️。
2🐱🥏||🦇、pandas数据结构💮——🥈🦜：
pandas核心数据结构有两种🐗——🐟，即一维的series和二维的dataframe🎋💐_🐵，二者可以分别看做是在numpy一维数组和二维数组的基础上增加了相应的标签信息🦝|😜😍。正因如此🎴——🦌🦌，可以从两个角度理解series和dataframe🌻|-🤢：
series和dataframe分别是一维和二维数组😗_😉，因为是数组*_🌾，所以numpy中关于数组的用法基本可以直接应用到这两个数据结构🦖🏓_🦃🎐，包括数据创建😤🐉-💐、切片访问*——🐈、通函数🐓——👹🐘、广播机制等
series是带标签的一维数组🦨-🪁🧿，所以还可以看做是类字典结构🎰🐷-🤔🐪：标签是key🌑🐲——🐒🦋，取值是value🐋_🍀；而dataframe则可以看做是嵌套字典结构🌪-🎯🀄，其中列名是key*_🌜🪳，每一列的series是value🦁_🐅🙂。所以从这个角度讲🦂|-🥇🐦，pandas数据创建的一种灵活方式就是通过字典或者嵌套字典🍂🌝|_🎁☘️，同时也自然衍生出了适用于series和dataframe的类似字典访问的接口🐘💥_🎖，即通过loc索引访问🐸-🎟。
3🐙_*、 数据读写🌨——🐜🐪：
pandas支持大部分的主流文件格式进行数据读写😕——🤒🐚，常用格式及接口为🧨-😝🐪：
文本文件🪶_🐾，主要包括csv和txt两种等😵-|🍄🤑，相应接口为read_csv()和to_csv()🐹🦍--🦖，分别用于读写数据
Excel文件🦛💐||😬😒，包括xls和xlsx两种格式均得到支持🕸😚——_🎍，底层是调用了xlwt和xlrd进行excel文件操作🪡__🦇🐲，相应接口为read_excel()和to_excel()
SQL文件🏈🦛——🤔，支持大部分主流关系型数据库🐿-☺️🐉，例如MySQL🦎——🐺，需要相应的数据库模块支持🙊——🎁，相应接口为read_sql()和to_sql()
此外🦭_🎖🏑，pandas还支持html🎫*-——⛸🐳、json等文件格式的读写操作🦗——🐌。
4☹️__🦏😠、数据访问⛳-🥊♣：
series和dataframe兼具numpy数组和字典的结构特性🦠🧨__*，所以数据访问都是从这两方面入手🦈-🐰。同时🐰|🤑🐐，也支持bool索引进行数据访问和筛选😡-🎱🦄。
[ ]😰|🪄，这是一个非常便捷的访问方式🐙🕷-|🧶，不过需区分series和dataframe两种数据结构理解🐦——🙀😐：
series*🎆--🐤🦠：既可以用标签也可以用数字索引访问单个元素🌝😏-😅，还可以用相应的切片访问多个值🐔|🥀🌎，因为只有一维信息😶-🌏*，自然毫无悬念
dataframe😾🦫——🍃🐚：无法访问单个元素🤓——🐪🌴，只能返回一列🐂——🤿、多列或多行*💥|🌛🌼：单值或多值（多个列名组成的列表）访问时按列进行查询🦕——🦜🦩，单值访问不存在列名歧义时还可直接用属性符号" . "访问🐄😮-🏆。切片形式访问时按行进行查询🦈|_😴🎗，又区分数字切片和标签切片两种情况🐬🥋-🦝🧶：当输入数字索引切片时🎍😢_🌲，类似于普通列表切片🐸🐄-🦉*；当输入标签切片时🥏————🌎，执行范围查询（即无需切片首末值存在于标签列中）😤_-😋，包含两端标签结果🦟🤑|-🤫😣，无匹配行时返回为空🐔🌚_🪁，但要求标签切片类型与索引类型一致*🐩|🌼🏆。例如🦕_🧿，当标签列类型（可通过df.index.dtype查看）为时间类型时🕸🌹-_🪲，若使用无法隐式转换为时间的字符串作为索引切片😻_|🦬*，则引发报错🐃_🐬😉。
5🏅😊-_🐕、数据处理🌳🦥|🥉🤠：
pandas最为强大的功能当然是数据处理和分析🦕-🐋，可独立完成数据分析前的绝大部分数据预处理需求🪡😙——-🐞🌎。简单归纳来看🐉——😑☘，主要可分为以下几个方面🎲🦟|-🦠：
数据清洗
数据处理中的清洗工作主要包括对空值😍😊-🎣🏆、重复值和异常值的处理🐕🦺——*🐨：
空值
判断空值🌼_🎍🦙，isna或isnull💮🎍-🪁💮，二者等价🍀-——🤥🦄，用于判断一个series或dataframe各元素值是否为空的bool结果*🦙_|😝。需注意对空值的界定🦚——_🦇：即None或numpy.nan才算空值🐙🦅|-🌳🐙，而空字符串🐪|——🙈、空列表等则不属于空值🦆🧸|🤮；类似地🦅🤫|🌵，notna和notnull则用于判断是否非空
填充空值😖🦕——🌳*，fillna😱|🤮🐳，按一定策略对空值进行填充*————🏓⛸，如常数填充🐵🦭_🌘😺、向前/向后填充等🐐|🎟，也可通过inplace参数确定是否本地更改
删除空值🏆——-🐭，dropna🐰🍀——_🃏，删除存在空值的整行或整列🙄🦌-🐃，可通过axis设置🐃🐍_🦏，也包括inplace参数
重复值
检测重复值🏏-🌓🐉，duplicated🐁-🐖，检测各行是否重复🪢🏉-🌍，返回一个行索引的bool结果⛅️🦠||🐫，可通过keep参数设置保留第一行/最后一行/无保留🌴⛸-_🐬🦈，例如keep=first意味着在存在重复的多行时*🐑——_🐬，首行被认为是合法的而可以保留
删除重复值🎮🦕————😋🤣，drop_duplicates😳_🐌🦘，按行检测并删除重复的记录🐞☘|——🎭⛳，也可通过keep参数设置保留项*🐼——-🏅🕊。由于该方法默认是按行进行检测🏅🏑——-🐒😋，如果存在某个需要需要按列删除🎨_-🦂🙂，则可以先转置再执行该方法
异常值🦛——|⚡️，判断异常值的标准依赖具体分析数据🐝☘️--😎😎，所以这里仅给出两种处理异常值的可选方法
删除🐪🦃-🎋*，drop🤕🙊_——🦗🪢，接受参数在特定轴线执行删除一条或多条记录🐂|——🦬😛，可通过axis参数设置是按行删除还是按列删除
替换🐪|🍂，replace🦍-🙉，非常强大的功能🐑|_🦭🌴，对series或dataframe中每个元素执行按条件替换操作🐁————🐯🦡，还可开启正则表达式功能
数值计算
由于pandas是在numpy的基础上实现的😣-😄🐜，所以numpy的常用数值计算操作在pandas中也适用🌲🐍——|🤕😇：
通函数ufunc🥉🦂_⛈♦，即可以像操作标量一样对series或dataframe中的所有元素执行同一操作*_|🏏🎯，这与numpy的特性是一致的*🦥-——🤢🦆，例如前文提到的replace函数🎣_🐕🦺😐，本质上可算作是通函数😈🦥-*🐁。如下实现对数据表中逐元素求平方
广播机制🌓♥_🎟，即当维度或形状不匹配时🏸_🕸，会按一定条件广播后计算*🐒_|*。由于pandas是带标签的数组*🌘-_🧵🐍，所以在广播过程中会自动按标签匹配进行广播🪳_——*，而非类似numpy那种纯粹按顺序进行广播😩🐪——🌼。例如🐚😉||🐅🐆，如下示例中执行一个dataframe和series相乘🎯🍁|🐞☀️，虽然二者维度不等🌏——-🐣🌦、大小不等🌩-🦙、标签顺序也不一致⛅️__🌒🐗，但仍能按标签匹配得到预期结果
字符串向量化🐃*_🌍🦔，即对于数据类型为字符串格式的一列执行向量化的字符串操作🦄|_🦊🤨，本质上是调用series.str属性的系列接口🐑__😷，完成相应的字符串操作☄️🦈_😛。尤为强大的是😿🎍_-🙄，除了常用的字符串操作方法🎨🦡_|🐗🦏，str属性接口中还集成了正则表达式的大部分功能😻🐳-_😃🐙，这使得pandas在处理字符串列时🐊🐺|_🦙😹，兼具高效和强力🎉-🌹。例如如下代码可用于统计每个句子中单词的个数
时间类型向量化操作🎀🌞-😞，如字符串一样🦄🐉_🐿，在pandas中另一个得到"优待"的数据类型是时间类型😥🍀--🦫🦗，正如字符串列可用str属性调用字符串接口一样🐤——_😄🌈，时间类型列可用dt属性调用相应接口🦗--🪄，这在处理时间类型时会十分有效☄️🦥——🌵。
数据转换
pandas还提供了更为强大的数据转换方法
apply😿-——🐈⬛，既适用于series对象也适用于dataframe对象🐇🦄_-🎎，但对二者处理的粒度是不一样的🤔🌿-_🐏🎱：apply应用于series时是逐元素执行函数操作🍃-——😄；apply应用于dataframe时是逐行或者逐列执行函数操作（通过axis参数设置对行还是对列🤤🎀||🦧🌟，默认是行）🦎-🐷🐀，仅接收函数作为参数
applymap🐓🐟--*，仅适用于dataframe对象🌟-🌩*，且是对dataframe中的每个元素执行函数操作🎑_🎲，从这个角度讲🦔🌧_🀄😛，与replace类似🐈——⛳，applymap可看作是dataframe对象的通函数🍃——|🐞🦠。
合并与拼接
pandas中又一个重量级数据处理功能是对多个dataframe进行合并与拼接🕊_😼，对应SQL中两个非常重要的操作🎍|——*🌸：union和join🌷🐆————*。pandas完成这两个功能主要依赖以下函数✨|🦙🧵：
concat🎆😕_🥌，与numpy中的concatenate类似😰🐍——😅😛，但功能更为强大🌛⚾_🐨🪅，可通过一个axis参数设置是横向或者拼接🎿-*🐼，要求非拼接轴向标签唯一（例如沿着行进行拼接时🐫_|😹🐥，要求每个df内部列名是唯一的🙀🦃-🌈，但两个df间可以重复🌤-|🐁🐆，毕竟有相同列才有拼接的实际意义）
merge🐔*|🪀👽，完全类似于SQL中的join语法🐬-_🌑，仅支持横向拼接🐑——🦂，通过设置连接字段😒__*🃏，实现对同一记录的不同列信息连接🦔🐭|🕸，支持inner⛈🦮-——*🌿、left😆-🦓😵、right和outer4种连接方式🧸🌒|-🥇🖼，但只能实现SQL中的等值连接
join💀🪀_🐝，语法和功能与merge一致🕹-🌥🌜，不同的是merge既可以用pandas接口调用😲🎈|🦎，也可以用dataframe对象接口调用🦃🤢——🌻🐺，而join则只适用于dataframe对象接口
append🧐😊-😿🦓，concat执行axis=0时的一个简化接口🎲-🦋🐈，类似列表的append函数一样
实际上💐--🦔🌾，concat通过设置axis=1也可实现与merge类似的效果🐁_-😽🌕，二者的区别在于😡🦛_|🌒：merge允许连接字段重复🎄|-🐓🪲，类似一对多或者多对一连接*☄️——🐟⛅️，此时将产生笛卡尔积结果🦝🎗————🤮🤪；而concat则不允许重复🤕🍀——🐞，仅能一对一拼接😘——🦍😙。
以上就是小编今天的分享了🐾🐝--🙊，希望可以帮助到大家🐓_🌳。
mac系统🐦——💀🤖：
https://www.runoob.com/mongodb/mongodb-osx-install.html https://www.mongodb.com/download-center/community
https://fastdl.mongodb.org/osx/mongodb-macos-x86_64-4.2.0.tgz
windows系统
下载压缩文件的mongodb🌴__😿*，解压即可
在D盘的根目录下创建 data文件夹⛈|🪳🦢，在data文件夹内部创建文件夹db
打开压缩的mongodb文件夹🐨🐕🦺——|⛈🐦，进入bin目录
shift + 右键 选择打开 命令行窗口
如果还不可用🏸🌚-😫🦔，就用管理员身份去运行
最后还不可用🐺_🌞😞，换电脑或者换系统
如果输出 waiting for connections on port 27017 表明连接池打开成功
打开压缩的mongodb文件夹🦒-😸🦕，进入bin目录
shift + 右键 选择打开 命令行窗口
help 查看帮助文档
db.help() 数据库的帮助文档
db.test.help() 当前数据库下test集合的帮助文档
db.test.find().help() 当前数据库下test集合的查询的帮助文档
show dbs 查询当前数据库连接池中的所有的数据库
use sh1908 无则创建并且切换🐋🦡-🐭，有则切换
db 查看当前是哪一个数据库
db.stats() 当前数据库状态
db.version() 查询当前数据库的版本
db.getMongo() 查看当前DB的链接机器地址
db.dropDatabase() 删除数据库
show dbs 如果数据库没有数据🤩_|😆🤔，那么不会显示该数据库
db.createCollection(‘users‘) 创建了用户集合--创建了用户表
show dbs 此时可以观察到有了sh1908的数据库
语法😷——-🐞：db.createCollection(‘users‘, {size: 20, capped: true, max: 100}) 创建了集合users🐃🐫_——🎋🦊，创建的集合是固定的（capped: true🌒|_🐝😙，必须size配合的参数🐀——-🐪，如果达到最大值🎽__😍，会自动覆盖最先的数据）,最大的容量为20字节（size:20,单位为字节）🐺——♦，最多存储100条数据（max:100）
db.createCollection(‘course‘)
db.getCollection(‘user‘)
db.getCollectionNames()
db.printCollectionStats()
增删改查
db.course
db.course.insert({study1: ‘node‘, study2: ‘vue‘, study3: ‘react+混合开发‘, study4:‘微信相关开发‘})
插入单条数据
db.col.insert({})
db.col.insertOne({})
插入多条数据
db.col.insert([ {}, {}, {} ])
db.col.insertMany([ {}, {}, {} ])
了解
插入文档你也可以使用 db.col.save(document) 命令🐇——|🥎🤕。如果不指定 _id 字段 save() 方法类似于 insert() 方法🌺🕷_*🏓。如果指定 _id 字段😵_-👹，则会更新该 _id 的数据⭐️🦖|😄🧐。
db.users.insertOne({username: ‘小明‘, password: ‘123456‘, sex: 1, age: 18, lesson: 3, city: ‘山西‘})
db.users.insertMany([{username: ‘小红‘, password:‘123456‘, sex: 1, age: 25, lesson: 3, city: ‘安徽‘},{username: ‘小兰‘, password:‘123456‘, sex: 1, age: 40, lesson: 3, city: ‘安徽‘}])
db.users.find() 查询当前数据库集合下的所有数据
db.users.find().pretty() 查询数据并且格式化
db.users.deleteOne({username: ‘小明‘}) 删除用户名为小明的一条记录
db.users.find().pretty()
db.users.deleteMany({age: 40}) 删除多条年龄为40岁的记录
db.users.find().pretty()
db.users.deleteMany({}) 删除所有的数据
db.users.find().pretty()
小结
db.col.deleteOne({key: value}) 删除单条数据
db.col.deleteMany({key: value}) 删除多条数据
db.col.deleteMany({}) 删除所有的数据
依据5.1步骤插入数据
db.users.find().pretty()
db.users.updateOne({username: ‘小明‘}, { $set: {age: 20}})
db.users.find().pretty()
{ "_id" : ObjectId("5da56dbeee7de50b8cbc6ea8"), "username" : "小明", "password" : "123456", "sex" : 1, "age" : 18, "lesson" : 3, "city" : "山西", "company" : "阿里" }
{ "_id" : ObjectId("5da56dbeee7de50b8cbc6ea8"), "username" : "小明", "age" : 18 }
{ "username" : "小明", "age" : 18 }
{ "username" : "小明", "age" : 18 } { "username" : "小红", "age" : 23 } { "username" : "小兰", "age" : 38 }
{ "username" : "小兰" }
{ "username" : "小明" } { "username" : "小红" }
{ "username" : "小明", "age" : 18 } { "username" : "小红", "age" : 23 } { "username" : "小兰", "age" : 38 }
{ "username" : "小兰", "age" : 38 } { "username" : "小红", "age" : 23 } { "username" : "小明", "age" : 18 }
{ "_id" : ObjectId("5da56dbeee7de50b8cbc6ea8"), "username" : "小明", "password" : "123456", "sex" : 1, "age" : 18, "lesson" : 3, "city" : "山西", "company" : "阿里" }
{ "_id" : ObjectId("5da56dbeee7de50b8cbc6ea8"), "username" : "小明", "password" : "123456", "sex" : 1, "age" : 18, "lesson" : 3, "city" : "山西", "company" : "阿里" }
[ "山西", "安徽" ]
[ 18, 23, 38 ]
3
MongoDB使用教程
标签🐿🏐|🌗：常用 下标 help 最大 海量数据 upd connect res 解释
openkore使用教程
初始化 : - 解压🐫|🐣😥。- 得出资料夹control🦢*_🐟🕷、fields🤐————🐜、logs💮😵——🦍😮、Plugins🌨_🐪、src*🦩|🦗🦗、tables 和一堆数据及 启动程序😧——🐳😺。-- 主要解释 --- control = 所有的脚本都处于这个资料夹里面🥏————🦦。- fields = RO 里面的所有地图程序资料在里面👽_|🏏。- logs = 查看 外挂 启动后🦎_🎖，存仓*🌺--🧩🦗、广播🦚*-_🌓😬、对话*——🦢、商店 的资料🐔_|🎫🦟。- Plugins = 外挂😑-——🐟、巨集所要的插件*🌎——_🧐🌞，可以不需要理会🏅🦓_——🖼🤔。- src = A I🍄🌙-_🤧😞、抢怪 的脚本都是弄好放里面🌱--🐊🐜。- tables = RO 里面的所有道具🏐_🌤✨、武器🎫-💫、防具🍂🌸-🌕*、宠物*——-🥉🐁、生命体🤫⚾|😭😚、编码 等等🦢🐷|🎎🌖，都在里面🪲--🦁。- start.exe = 启动程序介面 不完全化 🍁🎇_🐡🦗。(占CPU少点)- wxstart.exe = 启动程序介面 完全化 😘🎍_🦔。(占CPU多点) ## 先从 资料夹control 开始😔_🌍。- 得出主要文本 config🏆_💐、macros🎍-🌳🥀、items_control😼——🦈、mon_control🦚|——😠😘、pickupitems🔮🤓——🐼🍁、shop😢——🪄、overallAuth👺_|🕊。
登录配置🐾🦡————🐡：- 先从 资料夹 config 开始🤑🏅-😊。 master
自動坐下 （「高於」不能少於「低於」(會一坐不起)🤗🀄|🕊，都設 0 代表關閉功能 ）♥🦇-🐼：sitAuto_hp_lower 0
鎖定地圖 （地圖名稱以 /tables/maps.txt英文名稱為準🤕|🌹🐵，後面不加 .rsw）🐐🌎-_🐐：lockMap
鎖定地圖坐標 （可以省略不設定）lockMap_x
存儲點地圖 （地圖名稱以 /tables/maps.txt英文名稱為準🐄|🦂🐊，後面不加 .rsw）🐵🙂_🐪：saveMap
攻擊(打怪) 😱🌦-🦤🦊：attackAuto 2
攻擊距離 🐝_🦎👿：# 肉搏系 1.5 ~ 2.5# 法術系 1.5 ~ 9# 弓手系 1.5 ~ 15attackDistance 1.5 # 最小可攻擊距離attackMaxDistance 2.5 # 最大可攻擊距離# 此設定相關於角色職業🦀😻_|🌗，請參考上面註解列的最佳值🦢-——🐓，填入合適的數值🌨🤮-_🥀🌑。# 注意🕹🌎|😩😇，錯誤的設定會導致練功效率下降🐒🥌——🌿🌵。** 建议 **( 肉搏系 1.5 ~ 2.5 ) 默认🦖——😗。( 法術系 6 ~ 9 ) 此距离为最佳🧿🐞_——⛅️🧩。( 弓手系 1.5 ~ 15 ) 默认也行, 或者是( 弓手系 6 ~ 15 )🌑🐃--🦉。
撿取物品🪴🪀_-🦄😰：itemsTakeAuto 1 < 以下解释了🦊🐑————😇🙊。看自已挂的地图处于 怪多的话 就 1, 怪少就 2🪲🪆||😝🦦。# 0 = 不撿取打死魔物後撿取掉落物功能# 1 = 打死所有魔物後再撿東西# 2 = 打完一隻馬上撿即使正處於被魔物圍毆的狀況itemsTakeAuto_party 0 < 可以设置, 0 = 不捡, 1 = 检🦕🐩-😉💐。# 是否也撿取隊友打死魔物後掉落的物品itemsGatherAuto 0 < 以下解释了🪁🌼——🐈🪅。# 是否撿取地上的無主物品# 0 = 不撿取打死魔物後撿取掉落物功能# 1 = 打死所有魔物後再撿東西# 2 = 打完一隻馬上撿即使正處於被魔物圍毆的狀況
自動使用物品🐿————🐕🌒：# useSelf_item 覺醒藥水 {# whenStatusInactive 覺醒藥水狀態# }## 範例-2⚾😳-——🦂🥈："血低於多少 %*_🎖🌴，吃補品"# useSelf_item 好吃的魚 {# hp < 75%# }## 範例-3🙄|——🤬😯："火箭矢數量小於 100🦐🦍-🦇🌿，使用火箭矢筒"# useSelf_item 火箭矢筒 {# inInventory 火箭矢 < 100# }## 範例-4🎇|🌨："「在」中毒狀態🎰-😈😃，吃綠草解毒"# useSelf_item 綠色藥草 {# whenStatusActive 中毒狀態# timeout 1# }主要说, 把 # 删掉 就可以了🎗🌟——*。例子 : ( 好吃的鱼,XXXX ) XXXX代表 中文名字的 补品名称🐤🦠|🌻。* 补品的主要不用设置timeout ** 状态水就需要 设置 timeout *useSelf_item 好吃的魚, XXXX { hp < 75%}
自動存倉（要存倉的物品🥀__🙈🤓，在 /control/items_control.txt 中設定):tables/npcs.txtstorageAuto 0
自動取倉 （可設定多組🍃|🦍*，自行複製區塊貼上😊——🐦。無設定🥀——🦃🐉，代表關閉此功能）🦐🐿——😄：# getAuto 黃色藥水 {# minAmount 0# maxAmount 100# passive 0# }例子 :getAuto 黃色藥水 { minAmount 1
預設武器（若是雙手武器🌾💐|_🥏🦮，如🪅——😸：弓🦩|——🦁、雙手劍/斧/矛🐌🦟|_😡🎆，左右手武器名稱都設相同😩————🌙。）autoSwitch_default_arrow XXXX
拔罐器使用教程
1😁*——|🧸🧿、一般拔罐器并不是火烧的那种🦜_🧿😖，而是比较简单的那种真空拔罐器🦖|-🪱🐵，对于这样的拔罐器的使用也是比较简单🎖🎫-😠🐤。
2🐈⬛_🦘、使用的时候选择一个需要的罐子🦈——🦌🦙，罐子的大小其实都是有的选择的🐰🦃|🥊🦛，但是用法都是一样的🎖🌴-——🐗🪴，配套的还有一个凑齐的工具🐥🐕_🐖。
3🐞——_🎰、将导气管跟罐子相连接🦇🎭——🎍，然后手不断的按压抽气的装置🏵😢-_🃏，这样子的话🐺🎟-|♣，就会在其中形成真空的状态🥈🐪-🦋🦢。
4🌘_🌳😫、我们在使用的时候🤣🦍——👿，其实只是需要将罐子放在皮肤上面需要拔罐的地方就可以进行真空拔罐🦍——_🏅，也是很方便的*🦝__🧐，不过在选择罐子方面还是需要注意的🐌——🎨🍁。
5😥|——🙁、在使用这样的拔罐器的时候🀄🪰__🎏，其实我们所需要注意的问题就是在不是很懂得穴位的时候🐌|🦕😀，我们选择大一点的罐子去进行拔罐是比较适合的🪡||*。
使用教程是什么
1♟_|🐝*、打开支付宝🐺🎿_|🌏，点击我的
2🥏🐁——|😶、点击网商银行
3🎊🦕_🦘、此页面有三个选项🦣♣_|🏐，第一个是网商贷款😈🌨_🐦🦠，可以申请网上贷款🦗🦉|🌎，第二个是理财🦅——🦌🥎，可以选择自己的理财项目
4🦁|——🧸🐨、第三个是网商银行转账🐊_🐑，可以通过这个进行网商银行转账