Posts on 进击的骑士

Linux 基本操作指南

Fri, 01 May 2026 10:00:00 +0800

linux基本操作

linux下的基本操作能力，介绍基本概念和简单操作

关键词

cd ls top who less vim df du mv rm scp su

世界观

文件

linux下的一切资源以文件形式存在，整个系统由文件组成。文件是一段可读写的存储空间，其中存放了数据。
- 普通文件。二进制文件文本文件
- 特殊文件。目录文件链接文件设备文件
- 命令是程序，程序是可执行文件。
文件系统。linux下的所有文件都在一个以根节点(/)出发的树上。
- 以/开始的路径为绝对路径
- 以当前路径为起点的文件路径为相对路径

行

行的概念非常重要，是linux世界的基本功能单位。

定义。一段字符序列加上一个换行符组成一个行

Windows的换行符是 windows下换行符是\r\n \r回车,\n换行
linux 下的换行符是 \n

差异。n 的意思是next，也就是下一行，但是在机械打字机中，下一行打字指针在行尾，所以启用新行还有一个将指针拨向行首的动作。猜测windows可能继承自dos时代的机械打字机操作，而更晚的linux不再考虑打字机的操作习惯了。

命令

linux中的命令也是一个可执行文件

命令结构。

$ ls -l /home/test

一个完整的命令占用一行，由换行键触发执行。
命令前的字符为命令输入提示符。

命令由命令和参数组成。由空白进行分隔。

通常由空格来分隔一行中的内容，这样一行中的各个部分具有不同的含义。
第一部分为命令名
第二到n部分为参数

参数为命令要作用的对象，或者命令起作用的一些控制项。参数分为命名参数和匿名参数

命名参数由参数名和参数值组成，如果是开关参数则没有参数值
以 - 开始的部分为参数名，其后面跟的部分为参数值

命令的输出。

每个命令默认会打开2个数据输出通道，分别为标准输出和标准错误输出（stdout stderr)，这两个通道绑定的输出设备默认为屏幕。

两个数据流通道是系统默认打开的文件对象，编号分别为1和2。系统每打开一个文件，就分配一个这样的文件对象编号。(编号0 是标准输入：键盘)
程序正常输出的信息走1 ，错误的信息走2。至于什么是错误信息，大部分是操作系统定义，也可以由程序自身定义

重定位数据通道到指定文件。

1>log.o 2>log.e
其中 >log.o 是 1>log.o的简写

重定位数据通道到其他通道上去
```
2>&1 
```

重定位数据通道到其他指令上去

ll|wc -l
|称为管道连接符，上一个命令的输出是下一个命令的输入

生存

linux世界基本生存操作

个人技术栈整合：从爬虫到可视化全流程

Mon, 20 May 2024 15:00:00 +0800

最近完成了一个小项目：利用 Python 爬虫抓取天气数据，存入 MySQL，然后用 Pandas 进行分析，最后通过前端 Echarts 展示趋势图。这个项目串联了我目前学习的几个核心模块，非常有成就感。下一步计划引入机器学习模型对天气进行预测。

二叉树遍历：递归与迭代的博弈

Sun, 19 May 2024 13:00:00 +0800

二叉树的遍历是基础中的基础。

前序遍历：根 -> 左 -> 右
中序遍历：左 -> 根 -> 右
后序遍历：左 -> 右 -> 根

递归写法虽然简洁，但在面试中往往会被要求用迭代（栈）来实现，需要多加练习。

使用 Docker 容器化部署 Hugo 静态网站

Sat, 18 May 2024 09:30:00 +0800

虽然 Hugo 是静态网站，但有时候为了统一环境，也可以用 Nginx 镜像配合 Docker 来部署。这样可以确保在任何机器上都能一键跑起来，避免了“在我机器上能跑”的尴尬。

SQL 查询优化：EXPLAIN 命令的妙用

Fri, 17 May 2024 16:00:00 +0800

当数据量达到百万级时，一条慢查询足以拖垮整个服务。学会使用 EXPLAIN 来分析 SQL 执行计划是必备技能。主要关注 type 列，如果是 ALL 表示全表扫描，需要优化索引。

技术人的五一假期复盘

Thu, 16 May 2024 08:00:00 +0800

五一假期没有出去人挤人，而是宅在家里把《动手学深度学习》的前三章刷完了。感觉数学基础还是有点薄弱，尤其是矩阵微积分的部分。接下来的计划是每天坚持 LeetCode 刷题，保持手感。

PyTorch 基础：张量（Tensor）操作详解

Wed, 15 May 2024 11:00:00 +0800

PyTorch 是当前最流行的深度学习框架之一。一切的基础都是 Tensor（张量）。

创建张量

python

import torch

创建一个 2x3 的随机张量

x = torch.rand(2, 3)

print(x)

查看形状

print(x.shape)

前端可视化：Echarts 与 D3.js 的选型思考

Tue, 14 May 2024 14:00:00 +0800

最近在做个人项目的数据展示模块，纠结于使用 Echarts 还是 D3.js。

Echarts 的优势

开箱即用：配置项清晰，文档友好（中文支持好）。
图表丰富：涵盖了几乎所有常见的商业图表。

D3.js 的优势

灵活性极高：基于 SVG，可以做到像素级的定制。
数据驱动：真正理解了数据与 DOM 元素绑定。

结论

对于快速交付和常规报表，选 Echarts；对于高度定制化的数据艺术展示，选 D3.js。

使用 Pandas 进行数据清洗实战

Sun, 12 May 2024 10:30:00 +0800

在数据分析的工作中，80% 的时间都在做数据清洗。今天记录一下使用 Pandas 处理缺失值和异常值的常用技巧。

处理缺失值

dropna()：直接丢弃含有缺失值的行。
fillna()：用均值、中位数或特定值填充。

数据透视表

Pandas 的 pivot_table 类似于 Excel 的数据透视表，非常强大。 python

import pandas as pd

df = pd.read_csv(‘data.csv’)

table = pd.pivot_table(df, values=‘sales’, index=‘region’, columns=‘year’, aggfunc=‘sum’)

print(table)

机器学习入门：从零开始的炼丹之路

Fri, 10 May 2024 09:00:00 +0800

什么是机器学习？

机器学习是人工智能的一个分支，它使计算机能够在没有明确编程的情况下学习。简单来说，就是让机器从数据中寻找规律。

我的学习路径

基础理论：吴恩达老师的课程是必看的。
工具库：熟练使用 NumPy 和 Pandas 处理数据。
实战：从 Kaggle 的经典赛题开始，比如 Titanic 生存预测。

代码示例

python

from sklearn.linear_model import LogisticRegression

model = LogisticRegression()

模拟训练数据

X = [[0], [1], [2]]

y = [0, 1, 1]

model.fit(X, y)

print(f"预测结果: {model.predict([[1.5]])}")

我的技术探索之旅：从数据分析到前端可视化

Mon, 15 Jan 2024 10:00:00 +0800

这里是你的文章内容。你可以愉快地使用 Markdown 语法。

我的第一个数据可视化项目

比如，你可以直接把你在 Jupyter Notebook 里生成的前端可视化代码（HTML/JS）直接粘贴在这里：