index 订阅
动漫作品《魔法禁书目录》中女主角。有着银色的长发、绿色的眼瞳、雪白的肌肤,年龄约十四五岁,却有着可爱的幼儿体型。英国清教所属修女,拥有完全记忆能力,是记忆了十万三千本魔法书的魔道书图书馆。身穿被称作“移动教会”的修道服。虽然语言学习能力优秀,不过对科学领域特别是关于机械的适应能力几乎等于零。 展开全文
动漫作品《魔法禁书目录》中女主角。有着银色的长发、绿色的眼瞳、雪白的肌肤,年龄约十四五岁,却有着可爱的幼儿体型。英国清教所属修女,拥有完全记忆能力,是记忆了十万三千本魔法书的魔道书图书馆。身穿被称作“移动教会”的修道服。虽然语言学习能力优秀,不过对科学领域特别是关于机械的适应能力几乎等于零。
信息
国    籍
英国
隶    属
第零圣堂区·必要之恶教会
配    音
井口裕香、杨凯凯(中国台湾) [1]
职    业
修女
职    位
魔道书图书馆
魔法名
Dedicatus545
出身地
伦敦
别    名
Index-Librorum-Prohibitorum(全名)
中文名
茵蒂克丝
宗    派
英国清教
身    高
148 cm
性    别
外文名
インデックス Index
年    龄
14、15岁
登场作品
《魔法禁书目录》 《科学超电磁炮》
茵蒂克丝人物形象
自幼在英国的圣乔治大圣堂里长大,隶属于英国清教第零圣堂区必要之恶教会的魔道书图书馆,正式名称为“Index-Librorum-Prohibitorum(禁书目录)”,“Index”是省略版。魔法名为“Dedicatus545(拉丁文原意:献身)”,寄托的意义为“献身的羔羊守护强者的知识”。因为拥有完全记忆能力,所以被课以沉重的使命,记忆里存放了十万三千本魔道书的内容,是“成为魔神之前的领域”的专家 [2]  ,教会则以确保大脑容量为理由,每年都要删除一次记忆。不过,在上条当麻为她解除了这道枷锁之后,就寄宿在学园都市的学生宿舍,成为了上条家的食客,还拥有学园都市的来宾临时ID。 少女有着一头及腰的银色长发,绿色的眼瞳和雪白的肌肤。年龄大约14、5岁 [3-4]  ,但和相同年纪的平均身高相较之下,她的个子略微娇小,所以会给人一种较为年幼的印象 [5]  。虽然个子娇小,体重也很轻,但是体温似乎要比正常人高一点。明明什么都没擦,肌肤却散发出淡淡的香甜 [4]  。茵蒂克丝所穿的、纯白丝质金线刺绣超豪华的修道服名曰“移动教会”。看起来就像是一件长度到达脚踝的连身洋装,但是头上的帽子却有别于一般,是用一块布包起来的。但是一般修道服应该是黑色的,茵蒂克丝的修道服却是纯白色的,并且每个角落都有金色的刺绣,让人联想到高级茶杯。本性和她的稚嫩外表相符,是一个毫无心机、天真烂漫的女孩,有着孩子般的言行 [6]  。虽然看起来温吞悠哉,但却实是拥有虔诚之心的修女 [6]  ,会竭尽所能照顾弱者。讨厌有人受伤,即使自己的生命有危险依然会担心他人,是个“为了他人而受伤,却依然能够带着笑容的少女” [7]  。能够微笑着接受“禁书目录”这个凄绝宿命,这也展现出了她刚强的一面。但是,博爱主义的茵蒂克丝,唯独讨厌科学家 [8]  。
收起全文
精华内容
参与话题
问答
  • Python中 index() 方法详解

    万次阅读 多人点赞 2019-01-15 16:39:27
    这时候就需要使用到index()方法了。 2. index()方法 2.1 描述 index() 函数用于从列表中找出某个值第一个匹配项的索引位置。 2.2 用法 list.index(obj) 注释: obj —— 查找的对象。 返回值: 该方法返回查找对象的...
    1. 概述

    很多时候我们需要在列表中查找某个元素并输出对应的索引值;这时候就需要使用到index()方法了。

    2. index()方法
    2.1 描述

    index() 函数用于从列表中找出某个值第一个匹配项的索引位置。

    2.2 用法

    list.index(obj)
    注释:
    obj —— 查找的对象。

    返回值:
    该方法返回查找对象的索引位置,如果没有找到对象则抛出异常。

    2.3 示例
    # -*- coding: utf-8 -*-
    # @Time    : 2019/1/15 15:55
    # @Author  : Arrow and Bullet
    # @FileName: index.py
    # @Software: PyCharm
    # @Blog    :https://blog.csdn.net/qq_41800366
    
    A = [123, 'xyz', 'zara', 'abc']
    
    print(A.index('xyz'))  # 结果 1
    print(A.index('zzz'))  # 报错 :ValueError: 'zzz' is not in list
    

    希望能够帮助到大家,有什么问题可以 直接评论即可,喜欢有用的话可以点个赞让更多的人看到,如果不够详细的话也可以说,我会及时回复的。

    展开全文
  • js中index()的四种经典用法

    万次阅读 2016-06-21 14:03:51
    Document 朕知道了 萌萌哒 不行你来咬我呀 你是猴子请来的逗逼吗 $("#nav a").click...var index1 = $("#nav a").index(this); var index2 = $("#nav a").index($(this)); var index3 = $(thi
    <!doctype html>
    <html lang="en">
     <head>
      <meta charset="UTF-8">
      <meta name="Generator" content="EditPlus®">
      <meta name="Author" content="">
      <meta name="Keywords" content="">
      <meta name="Description" content="">
      <title>Document</title>
      <script type="text/javascript" src="js/jquery-1.4.2.min.js"></script>
     </head>
     <body>
      
    <div id="nav"> 
    <a href="">朕知道了</a> 
    <a href="">萌萌哒</a> 
    <a href="">不行你来咬我呀</a> 
    <a href="">你是猴子请来的逗逼吗</a> 
    </div> 
    
    <ul id="u"> 
    <li id="foo">foo</li> 
    <li id="bar">bar</li> 
    <li id="baz">baz</li> 
    </ul> 
    
    <script>
    $("#u li").click(function(){
    var a = $('li').index(document.getElementById('bar')); //1,传递一个DOM对象,返回这个对象在原先集合中的索引位置 
    var b = $('li').index($('#bar')); //1,传递一个jQuery对象 
    var c = $('li').index($('li:gt(0)')); //1,传递一组jQuery对象,返回这个对象中第一个元素在原先集合中的索引位置 
    var d = $('#bar').index('li'); //1,传递一个选择器,返回#bar在所有li中的索引位置 
    var e = $('#bar').index(); //1,不传递参数,返回这个元素在同辈中的索引位置。 
    alert(e);
    });
    
    $("#nav a").click(function(){ 
    //四个经典的用法 
    var index1 = $("#nav a").index(this); 
    var index2 = $("#nav a").index($(this)); 
    var index3 = $(this).index() 
    var index4 = $(this).index("a") 
    alert(index4); 
    return false; 
    }); 
    </script>
     </body>
    </html>
    
    
    

    把以上代码直接复制,建立html文件,在同目录下建立js文件夹,再次文件夹下放入jquery-1.4.2.min.js文件,用浏览器打开html文件即可测试

    展开全文
  • index函数的使用方法

    千次阅读 2015-11-13 14:06:26
    在Excel中index函数是用来引用我们所需的信息,主要分连续区域和非连续区域内的引用两种,下面我就通过实例来分享一下index函数的使用方法。 连续区域的引用 连续区域中index函数的公式格式是=index(array...

    在Excel中index函数是用来引用我们所需的信息,主要分连续区域和非连续区域内的引用两种,下面我就通过实例来分享一下index函数的使用方法。

    连续区域的引用


    连续区域中index函数的公式格式是=index(array,row_num,column_num) ,其中array表示我们要引用的区域,row_num表示要引用的行数,column_num表示要引用的列数,最终的结果就是引用出区域内行列交叉处的内容。

    非连续区域的引用


    非连续区域中index函数的公式格式是=index((array_1,array_2,array_3....array_n),row_num,column_num,array_num) ,其中array表示我们要引用的非连续区域,其必须用小括号括起来,row_num表示要引用的行数,column_num表示要引用的列数,array_num表示第几个区域。


    • 函数中的逗号都是在英文状态下输入

    • index引用函数经常需要与match,offset函数等组合起来使用,可以关注我经验中其他函数的使用方法。


    展开全文
  • 数据库 - 索引(index

    千次阅读 2018-08-10 11:38:57
    微软的SQL SERVER提供了两种索引:聚集索引(clustered index,也称聚类索引、簇集索引)和非聚集索引(nonclustered index,也称非聚类索引、非簇集索引)。下面,我们举例来说明一下聚集索引和非聚集索引的区别: ...

    )深入浅出理解索引结构

    实际上,您可以把索引理解为一种特殊的目录。微软的SQL SERVER提供了两种索引:聚集索引(clustered index,也称聚类索引、簇集索引)和非聚集索引(nonclustered index,也称非聚类索引、非簇集索引)。下面,我们举例来说明一下聚集索引和非聚集索引的区别:

    其实,我们的汉语字典的正文本身就是一个聚集索引。比如,我们要查“安”字,就会很自然地翻开字典的前几页,因为“安”的拼音是“an”,而按照拼音排序汉字的字典是以英文字母“a”开头并以“z”结尾的,那么“安”字就自然地排在字典的前部。如果您翻完了所有以“a”开头的部分仍然找不到这个字,那么就说明您的字典中没有这个字;同样的,如果查“张”字,那您也会将您的字典翻到最后部分,因为“张”的拼音是“zhang”。也就是说,字典的正文部分本身就是一个目录,您不需要再去查其他目录来找到您需要找的内容。我们把这种正文内容本身就是一种按照一定规则排列的目录称为“聚集索引”。

    如果您认识某个字,您可以快速地从自动中查到这个字。但您也可能会遇到您不认识的字,不知道它的发音,这时候,您就不能按照刚才的方法找到您要查的字,而需要去根据“偏旁部首”查到您要找的字,然后根据这个字后的页码直接翻到某页来找到您要找的字。但您结合“部首目录”和“检字表”而查到的字的排序并不是真正的正文的排序方法,比如您查“张”字,我们可以看到在查部首之后的检字表中“张”的页码是672页,检字表中“张”的上面是“驰”字,但页码却是63页,“张”的下面是“弩”字,页面是390页。很显然,这些字并不是真正的分别位于“张”字的上下方,现在您看到的连续的“驰、张、弩”三字实际上就是他们在非聚集索引中的排序,是字典正文中的字在非聚集索引中的映射。我们可以通过这种方式来找到您所需要的字,但它需要两个过程,先找到目录中的结果,然后再翻到您所需要的页码。我们把这种目录纯粹是目录,正文纯粹是正文的排序方式称为“非聚集索引”。

    通过以上例子,我们可以理解到什么是“聚集索引”和“非聚集索引”。进一步引申一下,我们可以很容易的理解:每个表只能有一个聚集索引,因为目录只能按照一种方法进行排序。

    二、何时使用聚集索引或非聚集索引

    下面的表总结了何时使用聚集索引或非聚集索引(很重要):

    动作描述

    使用聚集索引

    使用非聚集索引

    列经常被分组排序

    返回某范围内的数据

    不应

    一个或极少不同值

    不应

    不应

    小数目的不同值

    不应

    大数目的不同值

    不应

    频繁更新的列

    不应

    外键列

    主键列

    频繁修改索引列

    不应

    事实上,我们可以通过前面聚集索引和非聚集索引的定义的例子来理解上表。如:返回某范围内的数据一项。比如您的某个表有一个时间列,恰好您把聚合索引建立在了该列,这时您查询2004年1月1日至2004年10月1日之间的全部数据时,这个速度就将是很快的,因为您的这本字典正文是按日期进行排序的,聚类索引只需要找到要检索的所有数据中的开头和结尾数据即可;而不像非聚集索引,必须先查到目录中查到每一项数据对应的页码,然后再根据页码查到具体内容。

    三、结合实际,谈索引使用的误区

    理论的目的是应用。虽然我们刚才列出了何时应使用聚集索引或非聚集索引,但在实践中以上规则却很容易被忽视或不能根据实际情况进行综合分析。下面我们将根据在实践中遇到的实际问题来谈一下索引使用的误区,以便于大家掌握索引建立的方法。

    1、主键就是聚集索引

    这种想法笔者认为是极端错误的,是对聚集索引的一种浪费。虽然SQL SERVER默认是在主键上建立聚集索引的。

    通常,我们会在每个表中都建立一个ID列,以区分每条数据,并且这个ID列是自动增大的,步长一般为1。我们的这个办公自动化的实例中的列Gid就是如此。此时,如果我们将这个列设为主键,SQL SERVER会将此列默认为聚集索引。这样做有好处,就是可以让您的数据在数据库中按照ID进行物理排序,但笔者认为这样做意义不大。

    显而易见,聚集索引的优势是很明显的,而每个表中只能有一个聚集索引的规则,这使得聚集索引变得更加珍贵。

    从我们前面谈到的聚集索引的定义我们可以看出,使用聚集索引的最大好处就是能够根据查询要求,迅速缩小查询范围,避免全表扫描。在实际应用中,因为ID号是自动生成的,我们并不知道每条记录的ID号,所以我们很难在实践中用ID号来进行查询。这就使让ID号这个主键作为聚集索引成为一种资源浪费。其次,让每个ID号都不同的字段作为聚集索引也不符合“大数目的不同值情况下不应建立聚合索引”规则;当然,这种情况只是针对用户经常修改记录内容,特别是索引项的时候会负作用,但对于查询速度并没有影响。

    在办公自动化系统中,无论是系统首页显示的需要用户签收的文件、会议还是用户进行文件查询等任何情况下进行数据查询都离不开字段的是“日期”还有用户本身的“用户名”。

    通常,办公自动化的首页会显示每个用户尚未签收的文件或会议。虽然我们的where语句可以仅仅限制当前用户尚未签收的情况,但如果您的系统已建立了很长时间,并且数据量很大,那么,每次每个用户打开首页的时候都进行一次全表扫描,这样做意义是不大的,绝大多数的用户1个月前的文件都已经浏览过了,这样做只能徒增数据库的开销而已。事实上,我们完全可以让用户打开系统首页时,数据库仅仅查询这个用户近3个月来未阅览的文件,通过“日期”这个字段来限制表扫描,提高查询速度。如果您的办公自动化系统已经建立的2年,那么您的首页显示速度理论上将是原来速度8倍,甚至更快。

    在这里之所以提到“理论上”三字,是因为如果您的聚集索引还是盲目地建在ID这个主键上时,您的查询速度是没有这么高的,即使您在“日期”这个字段上建立的索引(非聚合索引)。下面我们就来看一下在1000万条数据量的情况下各种查询的速度表现(3个月内的数据为25万条):

    (1)仅在主键上建立聚集索引,并且不划分时间段:

    1.Select gid,fariqi,neibuyonghu,title from tgongwen

    用时:128470毫秒(即:128秒)

    (2)在主键上建立聚集索引,在fariq上建立非聚集索引:

    1.select gid,fariqi,neibuyonghu,title from Tgongwen

    2.where fariqi> dateadd(day,-90,getdate())

    用时:53763毫秒(54秒)

    (3)将聚合索引建立在日期列(fariqi)上:

    1.select gid,fariqi,neibuyonghu,title from Tgongwen

    2.where fariqi> dateadd(day,-90,getdate())

    用时:2423毫秒(2秒)

    虽然每条语句提取出来的都是25万条数据,各种情况的差异却是巨大的,特别是将聚集索引建立在日期列时的差异。事实上,如果您的数据库真的有1000万容量的话,把主键建立在ID列上,就像以上的第1、2种情况,在网页上的表现就是超时,根本就无法显示。这也是我摒弃ID列作为聚集索引的一个最重要的因素。得出以上速度的方法是:在各个select语句前加:

    1.declare @d datetime

    2.set @d=getdate()

    并在select语句后加:

    1.select [语句执行花费时间(毫秒)]=datediff(ms,@d,getdate())

    2、只要建立索引就能显著提高查询速度

    事实上,我们可以发现上面的例子中,第2、3条语句完全相同,且建立索引的字段也相同;不同的仅是前者在fariqi字段上建立的是非聚合索引,后者在此字段上建立的是聚合索引,但查询速度却有着天壤之别。所以,并非是在任何字段上简单地建立索引就能提高查询速度。

    从建表的语句中,我们可以看到这个有着1000万数据的表中fariqi字段有5003个不同记录。在此字段上建立聚合索引是再合适不过了。在现实中,我们每天都会发几个文件,这几个文件的发文日期就相同,这完全符合建立聚集索引要求的:“既不能绝大多数都相同,又不能只有极少数相同”的规则。由此看来,我们建立“适当”的聚合索引对于我们提高查询速度是非常重要的。

    3、把所有需要提高查询速度的字段都加进聚集索引,以提高查询速度

    上面已经谈到:在进行数据查询时都离不开字段的是“日期”还有用户本身的“用户名”。既然这两个字段都是如此的重要,我们可以把他们合并起来,建立一个复合索引(compound index)。

    很多人认为只要把任何字段加进聚集索引,就能提高查询速度,也有人感到迷惑:如果把复合的聚集索引字段分开查询,那么查询速度会减慢吗?带着这个问题,我们来看一下以下的查询速度(结果集都是25万条数据):(日期列fariqi首先排在复合聚集索引的起始列,用户名neibuyonghu排在后列):

    1.(1)select gid,fariqi,neibuyonghu,title from Tgongwen where fariqi>''2004-5-5''

    查询速度:2513毫秒

    1.(2)select gid,fariqi,neibuyonghu,title from Tgongwen where fariqi>''2004-5-5'' and neibuyonghu=''办公室''

    查询速度:2516毫秒

    1.(3)select gid,fariqi,neibuyonghu,title from Tgongwen where neibuyonghu=''办公室''

    查询速度:60280毫秒

    从以上试验中,我们可以看到如果仅用聚集索引的起始列作为查询条件和同时用到复合聚集索引的全部列的查询速度是几乎一样的,甚至比用上全部的复合索引列还要略快(在查询结果集数目一样的情况下);而如果仅用复合聚集索引的非起始列作为查询条件的话,这个索引是不起任何作用的。当然,语句1、2的查询速度一样是因为查询的条目数一样,如果复合索引的所有列都用上,而且查询结果少的话,这样就会形成“索引覆盖”,因而性能可以达到最优。同时,请记住:无论您是否经常使用聚合索引的其他列,但其前导列一定要是使用最频繁的列。

    四、其他书上没有的索引使用经验总结

    1、用聚合索引比用不是聚合索引的主键速度快

    下面是实例语句:(都是提取25万条数据)

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=''2004-9-16''

    使用时间:3326毫秒

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where gid<=250000

    使用时间:4470毫秒

    这里,用聚合索引比用不是聚合索引的主键速度快了近1/4。

    2、用聚合索引比用一般的主键作order by时速度快,特别是在小数据量情况下

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen order by fariqi

    用时:12936

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen order by gid

    用时:18843

    这里,用聚合索引比用一般的主键作order by时,速度快了3/10。事实上,如果数据量很小的话,用聚集索引作为排序列要比使用非聚集索引速度快得明显的多;而数据量如果很大的话,如10万以上,则二者的速度差别不明显。

    3、使用聚合索引内的时间段,搜索时间会按数据占整个数据表的百分比成比例减少,而无论聚合索引使用了多少个:

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi>''2004-1-1''

    用时:6343毫秒(提取100万条)

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi>''2004-6-6''

    用时:3170毫秒(提取50万条)

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=''2004-9-16''

    用时:3326毫秒(和上句的结果一模一样。如果采集的数量一样,那么用大于号和等于号是一样的)

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi>''2004-1-1'' and fariqi<''2004-6-6''

    用时:3280毫秒

    4、日期列不会因为有分秒的输入而减慢查询速度

    下面的例子中,共有100万条数据,2004年1月1日以后的数据有50万条,但只有两个不同的日期,日期精确到日;之前有数据50万条,有5000个不同的日期,日期精确到秒。

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi>''2004-1-1'' order by fariqi

    用时:6390毫秒

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi<''2004-1-1'' order by fariqi

    用时:6453毫秒

    五、其他注意事项

    “水可载舟,亦可覆舟”,索引也一样。索引有助于提高检索性能,但过多或不当的索引也会导致系统低效。因为用户在表中每加进一个索引,数据库就要做更多的工作。过多的索引甚至会导致索引碎片。

    所以说,我们要建立一个“适当”的索引体系,特别是对聚合索引的创建,更应精益求精,以使您的数据库能得到高性能的发挥。

    当然,在实践中,作为一个尽职的数据库管理员,您还要多测试一些方案,找出哪种方案效率最高、最为有效。

    (二)改善SQL语句

    很多人不知道SQL语句在SQL SERVER中是如何执行的,他们担心自己所写的SQL语句会被SQL SERVER误解。比如:

    1.select * from table1 where name=''zhangsan'' and tID > 10000和执行select * from table1 where tID > 10000 and name=''zhangsan''

    一些人不知道以上两条语句的执行效率是否一样,因为如果简单的从语句先后上看,这两个语句的确是不一样,如果tID是一个聚合索引,那么后一句仅仅从表的10000条以后的记录中查找就行了;而前一句则要先从全表中查找看有几个name=''zhangsan''的,而后再根据限制条件条件tID>10000来提出查询结果。

    事实上,这样的担心是不必要的。SQL SERVER中有一个“查询分析优化器”,它可以计算出where子句中的搜索条件并确定哪个索引能缩小表扫描的搜索空间,也就是说,它能实现自动优化。

    虽然查询优化器可以根据where子句自动的进行查询优化,但大家仍然有必要了解一下“查询优化器”的工作原理,如非这样,有时查询优化器就会不按照您的本意进行快速查询。

    在查询分析阶段,查询优化器查看查询的每个阶段并决定限制需要扫描的数据量是否有用。如果一个阶段可以被用作一个扫描参数(SARG),那么就称之为可优化的,并且可以利用索引快速获得所需数据。

    SARG的定义:用于限制搜索的一个操作,因为它通常是指一个特定的匹配,一个值得范围内的匹配或者两个以上条件的AND连接。形式如下:

    列名 操作符 <常数 或 变量>或<常数 或 变量> 操作符列名

    列名可以出现在操作符的一边,而常数或变量出现在操作符的另一边。如:

    Name=’张三’

    价格>5000

    5000<价格

    Name=’张三’ and 价格>5000

    如果一个表达式不能满足SARG的形式,那它就无法限制搜索的范围了,也就是SQL SERVER必须对每一行都判断它是否满足WHERE子句中的所有条件。所以一个索引对于不满足SARG形式的表达式来说是无用的。

    介绍完SARG后,我们来总结一下使用SARG以及在实践中遇到的和某些资料上结论不同的经验:

    1、Like语句是否属于SARG取决于所使用的通配符的类型

    如:name like ‘张%’ ,这就属于SARG

    而:name like ‘%张’ ,就不属于SARG。

    原因是通配符%在字符串的开通使得索引无法使用。

    2、or 会引起全表扫描

    Name=’张三’ and 价格>5000 符号SARG,而:Name=’张三’ or 价格>5000 则不符合SARG。使用or会引起全表扫描。

    3、非操作符、函数引起的不满足SARG形式的语句

    不满足SARG形式的语句最典型的情况就是包括非操作符的语句,如:NOT、!=、<>、!<、!>、NOT EXISTS、NOT IN、NOT LIKE等,另外还有函数。下面就是几个不满足SARG形式的例子:

    ABS(价格)<5000

    Name like ‘%三’

    有些表达式,如:

    WHERE 价格*2>5000

    SQL SERVER也会认为是SARG,SQL SERVER会将此式转化为:

    WHERE 价格>2500/2

    但我们不推荐这样使用,因为有时SQL SERVER不能保证这种转化与原始表达式是完全等价的。

    4、IN 的作用相当与OR

    语句:

    Select * from table1 where tid in (2,3)和Select * from table1 where tid=2 or tid=3

    是一样的,都会引起全表扫描,如果tid上有索引,其索引也会失效。

    5、尽量少用NOT

    6、exists 和 in 的执行效率是一样的

    很多资料上都显示说,exists要比in的执行效率要高,同时应尽可能的用not exists来代替not in。但事实上,我试验了一下,发现二者无论是前面带不带not,二者之间的执行效率都是一样的。因为涉及子查询,我们试验这次用SQL SERVER自带的pubs数据库。运行前我们可以把SQL SERVER的statistics I/O状态打开:

    1.(1)select title,price from titles where title_id in (select title_id from sales where qty>30)

    该句的执行结果为:

    表 ''sales''。扫描计数 18,逻辑读 56 次,物理读 0 次,预读 0 次。

    表 ''titles''。扫描计数 1,逻辑读 2 次,物理读 0 次,预读 0 次。

    1.(2)select title,price from titles where exists (select * from sales where sales.title_id=titles.title_id and qty>30)

    第二句的执行结果为:

    表 ''sales''。扫描计数 18,逻辑读 56 次,物理读 0 次,预读 0 次。

    表 ''titles''。扫描计数 1,逻辑读 2 次,物理读 0 次,预读 0 次。

    我们从此可以看到用exists和用in的执行效率是一样的。

    7、用函数charindex()和前面加通配符%的LIKE执行效率一样

    前面,我们谈到,如果在LIKE前面加上通配符%,那么将会引起全表扫描,所以其执行效率是低下的。但有的资料介绍说,用函数charindex()来代替LIKE速度会有大的提升,经我试验,发现这种说明也是错误的: 

    1.select gid,title,fariqi,reader from tgongwen where charindex(''刑侦支队'',reader)>0 and fariqi>''2004-5-5''

    用时:7秒,另外:扫描计数 4,逻辑读 7155 次,物理读 0 次,预读 0 次。

    1.select gid,title,fariqi,reader from tgongwen where reader like ''%'' + ''刑侦支队'' + ''%'' and fariqi>''2004-5-5''

    用时:7秒,另外:扫描计数 4,逻辑读 7155 次,物理读 0 次,预读 0 次。

    8、union并不绝对比or的执行效率高

    我们前面已经谈到了在where子句中使用or会引起全表扫描,一般的,我所见过的资料都是推荐这里用union来代替or。事实证明,这种说法对于大部分都是适用的。

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=''2004-9-16'' or gid>9990000

    用时:68秒。扫描计数 1,逻辑读 404008 次,物理读 283 次,预读 392163 次。

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=''2004-9-16''

    2.union

    3.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where gid>9990000

    用时:9秒。扫描计数 8,逻辑读 67489 次,物理读 216 次,预读 7499 次。

    看来,用union在通常情况下比用or的效率要高的多。

    但经过试验,笔者发现如果or两边的查询列是一样的话,那么用union则反倒和用or的执行速度差很多,虽然这里union扫描的是索引,而or扫描的是全表。 

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=''2004-9-16'' or fariqi=''2004-2-5''

    用时:6423毫秒。扫描计数 2,逻辑读 14726 次,物理读 1 次,预读 7176 次。

    1.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=''2004-9-16''

    2.union

    3.select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=''2004-2-5''

    用时:11640毫秒。扫描计数 8,逻辑读 14806 次,物理读 108 次,预读 1144 次。

    9、字段提取要按照“需多少、提多少”的原则,避免“select *”

    我们来做一个试验:

    1.select top 10000 gid,fariqi,reader,title from tgongwen order by gid desc

    用时:4673毫秒

    1.select top 10000 gid,fariqi,title from tgongwen order by gid desc

    用时:1376毫秒

    1.select top 10000 gid,fariqi from tgongwen order by gid desc

    用时:80毫秒

    由此看来,我们每少提取一个字段,数据的提取速度就会有相应的提升。提升的速度还要看您舍弃的字段的大小来判断。

    10、count(*)不比count(字段)慢

    某些资料上说:用*会统计所有列,显然要比一个世界的列名效率低。这种说法其实是没有根据的。我们来看:

    1.select count(*) from Tgongwen

    用时:1500毫秒

    1.select count(gid) from Tgongwen

    用时:1483毫秒

    1.select count(fariqi) from Tgongwen

    用时:3140毫秒

    1.select count(title) from Tgongwen

    用时:52050毫秒

    从以上可以看出,如果用count(*)和用count(主键)的速度是相当的,而count(*)却比其他任何除主键以外的字段汇总速度要快,而且字段越长,汇总的速度就越慢。我想,如果用count(*), SQL SERVER可能会自动查找最小字段来汇总的。当然,如果您直接写count(主键)将会来的更直接些。

    11、order by按聚集索引列排序效率最高

    我们来看:(gid是主键,fariqi是聚合索引列):

    1.select top 10000 gid,fariqi,reader,title from tgongwen

    用时:196 毫秒。 扫描计数 1,逻辑读 289 次,物理读 1 次,预读 1527 次。

    1.select top 10000 gid,fariqi,reader,title from tgongwen order by gid asc

    用时:4720毫秒。 扫描计数 1,逻辑读 41956 次,物理读 0 次,预读 1287 次。

    1.select top 10000 gid,fariqi,reader,title from tgongwen order by gid desc

    用时:4736毫秒。 扫描计数 1,逻辑读 55350 次,物理读 10 次,预读 775 次。

    1.select top 10000 gid,fariqi,reader,title from tgongwen order by fariqi asc

    用时:173毫秒。 扫描计数 1,逻辑读 290 次,物理读 0 次,预读 0 次。

    1.select top 10000 gid,fariqi,reader,title from tgongwen order by fariqi desc

    用时:156毫秒。 扫描计数 1,逻辑读 289 次,物理读 0 次,预读 0 次。

    从以上我们可以看出,不排序的速度以及逻辑读次数都是和“order by 聚集索引列” 的速度是相当的,但这些都比“order by 非聚集索引列”的查询速度是快得多的。

    同时,按照某个字段进行排序的时候,无论是正序还是倒序,速度是基本相当的。

    12、高效的TOP

    事实上,在查询和提取超大容量的数据集时,影响数据库响应时间的最大因素不是数据查找,而是物理的I/0操作。如:

    1.select top 10 * from (

    2.select top 10000 gid,fariqi,title from tgongwen

    3.where neibuyonghu=''办公室''

    4.order by gid desc) as a

    5.order by gid asc

    这条语句,从理论上讲,整条语句的执行时间应该比子句的执行时间长,但事实相反。因为,子句执行后返回的是10000条记录,而整条语句仅返回10条语句,所以影响数据库响应时间最大的因素是物理I/O操作。而限制物理I/O操作此处的最有效方法之一就是使用TOP关键词了。TOP关键词是SQL SERVER中经过系统优化过的一个用来提取前几条或前几个百分比数据的词。经笔者在实践中的应用,发现TOP确实很好用,效率也很高。但这个词在另外一个大型数据库ORACLE中却没有,这不能说不是一个遗憾,虽然在ORACLE中可以用其他方法(如:rownumber)来解决。在以后的关于“实现千万级数据的分页显示存储过程”的讨论中,我们就将用到TOP这个关键词。

    到此为止,我们上面讨论了如何实现从大容量的数据库中快速地查询出您所需要的数据方法。当然,我们介绍的这些方法都是“软”方法,在实践中,我们还要考虑各种“硬”因素,如:网络性能、服务器的性能、操作系统的性能,甚至网卡、交换机等。

    )实现小数据量和海量数据的通用分页显示存储过程

    建立一个 Web 应用,分页浏览功能必不可少。这个问题是数据库处理中十分常见的问题。经典的数据分页方法是:ADO 纪录集分页法,也就是利用ADO自带的分页功能(利用游标)来实现分页。但这种分页方法仅适用于较小数据量的情形,因为游标本身有缺点:游标是存放在内存中,很费内存。游标一建立,就将相关的记录锁住,直到取消游标。游标提供了对特定集合中逐行扫描的手段,一般使用游标来逐行遍历数据,根据取出数据条件的不同进行不同的操作。而对于多表和大表中定义的游标(大的数据集合)循环很容易使程序进入一个漫长的等待甚至死机。

    更重要的是,对于非常大的数据模型而言,分页检索时,如果按照传统的每次都加载整个数据源的方法是非常浪费资源的。现在流行的分页方法一般是检索页面大小的块区的数据,而非检索所有的数据,然后单步执行当前行。

    最早较好地实现这种根据页面大小和页码来提取数据的方法大概就是“俄罗斯存储过程”。这个存储过程用了游标,由于游标的局限性,所以这个方法并没有得到大家的普遍认可。

    后来,网上有人改造了此存储过程,下面的存储过程就是结合我们的办公自动化实例写的分页存储过程:

     自动化实例写的存储过程

    以上存储过程运用了SQL SERVER的最新技术――表变量。应该说这个存储过程也是一个非常优秀的分页存储过程。当然,在这个过程中,您也可以把其中的表变量写成临时表:CREATE TABLE #Temp。但很明显,在SQL SERVER中,用临时表是没有用表变量快的。所以笔者刚开始使用这个存储过程时,感觉非常的不错,速度也比原来的ADO的好。但后来,我又发现了比此方法更好的方法。

    笔者曾在网上看到了一篇小短文《从数据表中取出第n条到第m条的记录的方法》,全文如下:

     从数据表中取出n条到m条记录的方法

    我当时看到这篇文章的时候,真的是精神为之一振,觉得思路非常得好。等到后来,我在作办公自动化系统(ASP.NET+ C#+SQL SERVER)的时候,忽然想起了这篇文章,我想如果把这个语句改造一下,这就可能是一个非常好的分页存储过程。于是我就满网上找这篇文章,没想到,文章还没找到,却找到了一篇根据此语句写的一个分页存储过程,这个存储过程也是目前较为流行的一种分页存储过程,我很后悔没有争先把这段文字改造成存储过程:

     目前流行的一种分页存储过程

    即,用not exists来代替not in,但我们前面已经谈过了,二者的执行效率实际上是没有区别的。既便如此,用TOP 结合NOT IN的这个方法还是比用游标要来得快一些。

    虽然用not exists并不能挽救上个存储过程的效率,但使用SQL SERVER中的TOP关键字却是一个非常明智的选择。因为分页优化的最终目的就是避免产生过大的记录集,而我们在前面也已经提到了TOP的优势,通过TOP 即可实现对数据量的控制。

    在分页算法中,影响我们查询速度的关键因素有两点:TOP和NOT IN。TOP可以提高我们的查询速度,而NOT IN会减慢我们的查询速度,所以要提高我们整个分页算法的速度,就要彻底改造NOT IN,同其他方法来替代它。

    我们知道,几乎任何字段,我们都可以通过max(字段)或min(字段)来提取某个字段中的最大或最小值,所以如果这个字段不重复,那么就可以利用这些不重复的字段的max或min作为分水岭,使其成为分页算法中分开每页的参照物。在这里,我们可以用操作符“>”或“<”号来完成这个使命,使查询语句符合SARG形式。如:

    复制代码

    1.Select top 10 * from table1 where id>200
    
    于是就有了如下分页方案:
    
    1.select top 页大小 *
    
    2.from table1
    
    3.where id>
    
    4.(select max (id) from
    
    5.(select top ((页码-1)*页大小) id from table1 order by id) as T
    
    6.)
    
    7.order by id

    复制代码

    在选择即不重复值,又容易分辨大小的列时,我们通常会选择主键。下表列出了笔者用有着1000万数据的办公自动化系统中的表,在以GID(GID是主键,但并不是聚集索引。)为排序列、提取gid,fariqi,title字段,分别以第1、10、100、500、1000、1万、10万、25万、50万页为例,测试以上三种分页方案的执行速度:(单位:毫秒)

    页码

    方案1

    方案2

    方案3

    1

    60

    30

    76

    10

    46

    16

    63

    100

    1076

    720

    130

    500

    540

    12943

    83

    1000

    17110

    470

    250

    10000

    24796

    4500

    140

    100000

    38326

    42283

    1553

    250000

    28140

    128720

    2330

    500000

    121686

    127846

    7168

    从上表中,我们可以看出,三种存储过程在执行100页以下的分页命令时,都是可以信任的,速度都很好。但第一种方案在执行分页1000页以上后,速度就降了下来。第二种方案大约是在执行分页1万页以上后速度开始降了下来。而第三种方案却始终没有大的降势,后劲仍然很足。

    在确定了第三种分页方案后,我们可以据此写一个存储过程。大家知道SQL SERVER的存储过程是事先编译好的SQL语句,它的执行效率要比通过WEB页面传来的SQL语句的执行效率要高。下面的存储过程不仅含有分页方案,还会根据页面传来的参数来确定是否进行数据总数统计。

     获取指定页的数据

    上面的这个存储过程是一个通用的存储过程,其注释已写在其中了。在大数据量的情况下,特别是在查询最后几页的时候,查询时间一般不会超过9秒;而用其他存储过程,在实践中就会导致超时,所以这个存储过程非常适用于大容量数据库的查询。笔者希望能够通过对以上存储过程的解析,能给大家带来一定的启示,并给工作带来一定的效率提升,同时希望同行提出更优秀的实时数据分页算法。

    )聚集索引的重要性和如何选择聚集索引

    在上一节的标题中,笔者写的是:实现小数据量和海量数据的通用分页显示存储过程。这是因为在将本存储过程应用于“办公自动化”系统的实践中时,笔者发现这第三种存储过程在小数据量的情况下,有如下现象:

    1、分页速度一般维持在1秒和3秒之间。

    2、在查询最后一页时,速度一般为5秒至8秒,哪怕分页总数只有3页或30万页。

    虽然在超大容量情况下,这个分页的实现过程是很快的,但在分前几页时,这个1-3秒的速度比起第一种甚至没有经过优化的分页方法速度还要慢,借用户的话说就是“还没有ACCESS数据库速度快”,这个认识足以导致用户放弃使用您开发的系统。

    笔者就此分析了一下,原来产生这种现象的症结是如此的简单,但又如此的重要:排序的字段不是聚集索引!

    本篇文章的题目是:“查询优化及分页算法方案”。笔者只所以把“查询优化”和“分页算法”这两个联系不是很大的论题放在一起,就是因为二者都需要一个非常重要的东西――聚集索引。

    在前面的讨论中我们已经提到了,聚集索引有两个最大的优势:

    1、以最快的速度缩小查询范围。

    2、以最快的速度进行字段排序。

    第1条多用在查询优化时,而第2条多用在进行分页时的数据排序。

    而聚集索引在每个表内又只能建立一个,这使得聚集索引显得更加的重要。聚集索引的挑选可以说是实现“查询优化”和“高效分页”的最关键因素。

    但要既使聚集索引列既符合查询列的需要,又符合排序列的需要,这通常是一个矛盾。笔者前面“索引”的讨论中,将fariqi,即用户发文日期作为了聚集索引的起始列,日期的精确度为“日”。这种作法的优点,前面已经提到了,在进行划时间段的快速查询中,比用ID主键列有很大的优势。

    但在分页时,由于这个聚集索引列存在着重复记录,所以无法使用max或min来最为分页的参照物,进而无法实现更为高效的排序。而如果将ID主键列作为聚集索引,那么聚集索引除了用以排序之外,没有任何用处,实际上是浪费了聚集索引这个宝贵的资源。

    为解决这个矛盾,笔者后来又添加了一个日期列,其默认值为getdate()。用户在写入记录时,这个列自动写入当时的时间,时间精确到毫秒。即使这样,为了避免可能性很小的重合,还要在此列上创建UNIQUE约束。将此日期列作为聚集索引列。

    有了这个时间型聚集索引列之后,用户就既可以用这个列查找用户在插入数据时的某个时间段的查询,又可以作为唯一列来实现max或min,成为分页算法的参照物。

    经过这样的优化,笔者发现,无论是大数据量的情况下还是小数据量的情况下,分页速度一般都是几十毫秒,甚至0毫秒。而用日期段缩小范围的查询速度比原来也没有任何迟钝。聚集索引是如此的重要和珍贵,所以笔者总结了一下,一定要将聚集索引建立在:

    1、您最频繁使用的、用以缩小查询范围的字段上;

    2、您最频繁使用的、需要排序的字段上。

    结束语

    本篇文章汇集了笔者近段在使用数据库方面的心得,是在做“办公自动化”系统时实践经验的积累。希望这篇文章不仅能够给大家的工作带来一定的帮助,也希望能让大家能够体会到分析问题的方法;最重要的是,希望这篇文章能够抛砖引玉,掀起大家的学习和讨论的兴趣,以共同促进,共同为公安科技强警事业和金盾工程做出自己最大的努力。

    最后需要说明的是,在试验中,我发现用户在进行大数据量查询的时候,对数据库速度影响最大的不是内存大小,而是CPU。在我的P4 2.4机器上试验的时候,查看“资源管理器”,CPU经常出现持续到100%的现象,而内存用量却并没有改变或者说没有大的改变。即使在我们的HP ML 350 G3服务器上试验时,CPU峰值也能达到90%,一般持续在70%左右。

    本文的试验数据都是来自我们的HP ML 350服务器。服务器配置:双Inter Xeon 超线程 CPU 2.4G,内存1G,操作系统Windows Server 2003 Enterprise Edition,数据库SQL Server 2000 SP3

    (完)

    有索引情况下,insert速度一定有影响,不过:
    1. 你不大可能一该不停地进行insert, SQL Server能把你传来的命令缓存起来,依次执行,不会漏掉任何一个insert。
    2. 你也可以建立一个相同结构但不做索引的表,insert数据先插入到这个表里,当这个表中行数达到一定行数再用insert table1 select * from table2这样的命令整批插入到有索引的那个表里。

    展开全文
  • Python_index 入门

    千次阅读 2018-07-26 15:25:42
    知识点转自: ...amp;utm_medium=relatedPosts &gt;&gt;&gt; series1=pd.Series([1,2,3],index=['A','B','C']) Traceback (most recent call last): File...
  • 网站首页后面的index.html如何去掉

    千次阅读 2018-09-17 13:53:29
    小编在刚接手优化一个网站时发现,自己网站的首页后面会有一个尾巴(也就是首页域名后面有一个尾巴---index,例如www.xnpz365.com/index.html)。而且被郁闷到了,自己又不会弄,看着又丑,一般在做SEO的朋友会出现...
  • 完全理解index指令 Nginx中文文档 Nginx官方文档 吐槽 完全理解index指令 该指令后面可以跟多个文件,用空格隔开; 文件可以是相对路径也可以是绝对路径; 文件可以使用变量$来...
  • index-E

    2020-04-25 12:54:47
    Extra 包含不适合在其他列中显示但十分重要的额外信息 Using filesort 查询中排序的字段,排序字段若通过索引去访问将大大提高排序速度 Using temporary ...USING index 如果同时出现using where,...
  • for-in 中的 index 类型

    千次阅读 2018-03-08 19:13:24
    按下标插入 完成 injectSections (items, sections) 函数 injectSections( ['item1', 'item2', 'item3', 'item4', 'item5'], ... { content: 'section1', index: 0 }, { content: 'section2', index: 2 } ] ) /...
  • pandas中关于set_index和reset_index的用法

    万次阅读 多人点赞 2017-10-05 20:51:30
    1.set_index DataFrame可以通过set_index方法,可以设置单索引和复合索引。 DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False) append添加新索引,drop为False,in...
  • web前端:从index.html开始

    千次阅读 2018-12-03 14:28:00
    在这篇针对初学Web开发人员的文章中,我们来看看HTML以及如何使用这种标记语言来设置Web开发项目... 那么我们从哪里开始?在一开始的时候!138亿年前,宇宙是在所谓的大爆炸中创造的。 好吧,也许我们不需要那么远。...
  • Python index()方法

    千次阅读 2018-03-30 17:42:21
    Python index() 方法检测字符串中是否包含子字符串 str ,如果指定 beg(开始) 和 end(结束) 范围,则检查是否包含在指定范围内,该方法与 python find()方法一样,只不过如果str不在 string中会报一个异常。...
  • Python index()函数

    千次阅读 2019-04-30 20:35:52
    该方法检测字符串中是否包含子字符串str,如果指定beg(开始) 和end(结束)范围,则检查是否包含在指定范围内,该方法与Python find()方法一样,只不过如果str不在string中会报异常 index()方法语法: str....
  • python index()函数

    2018-03-27 14:43:00
    python内置index()函数 index() 方法检测字符串中是否包含子字符串 str ,如果指定 beg(开始) 和 end(结束) 范围,则检查是否包含在指定范围内,该方法与 python find()方法一样,只不过如果str不在 string中...
  • 本文转载自http://www.runoob.com/python/att-string-index.html  http://www.runoob.com/python/att-list-index.html ...Python index() 方法检测字符串中是否包含子字符串 str ,如果指定 beg(开始) 和 end(结束
  • Python 【IndexError: list index out of range】报错及解决过程 缘起 这两年,python是如火如荼,许多人都在学python,我也不例外,最近利用业余时间在家学习使用python爬取信息。 这两天,我基于scrapy,利用有限...
  • Python重命名index

    千次阅读 2018-10-14 18:32:05
    删去行后,原表中的index 还是会保留,不会更新。所以读取到删去行的index时,还是会报错 解决方法: 1、暴力重命名 df.index=list 2、重构dataframe data = {"log_time": pd.Series(equ_data["log...
  • Python中的index()方法

    千次阅读 2020-02-13 21:21:25
      Python index() 方法检测字符串中是否包含子字符串 str ,如果指定 beg(开始) 和 end(结束) 范围,则检查是否包含在指定范围内,该方法与 python find()方法一样,只不过如果str不在 string中会报一个异常。...
  • #python3中index()语句

    2018-10-05 20:07:53
    15.(str).index() 和find()一样,只不过如果str不存在会报错 一样的有 rindex 从右往左 str4 = &quot;zxcvb is is a goa goaSSsdAod asd&quot; print(str4.index(&quot;goa&quot;)) #(输出)14 ...
  • python Index方法:

    千次阅读 2017-03-30 11:51:00
    Index每次只返回查找范围的第一个索引值。 Index(value,[start,[stop]])中括号代表可选参数,在引用是不加中括号。 Eg: a=[1,2,3,4,5,6,7,8,2,5,7]  a.index(2,2)表示从第三个位置开始查找出元素值是2的第一个...
  • 主要是获取的值的类型和匹配的类型不一致导致的
  • python-pandas之Index数据分析(六)

    千次阅读 2018-06-14 10:11:46
    python-pandas之Index数据分析(六)索引对象''' 数据结构 索引对象 • pandas的索引对象负责管理轴标签和其他元数据(比如轴名称等)。构建 Series或DataFrame时,所用到的任何数组或其他序列的标签都会被转换成一 ...
  • python中sort_index排序

    千次阅读 2018-04-06 18:10:06
    对Series进行排序#生成序列...obj=pd.Series([4,9,6,20,4],index=['d','a','e','b','c']) d 4 a 9 e 6 b 20 c 4 dtype: int64 #按obj的索引排序,默认升序,降序可在括号加ascending=False obj.sort_index() a 9 b 2...
  • python列表常用函数index

    千次阅读 2019-07-02 03:24:15
    index()函数 index() 函数用于找出列表中某个元素第一次出现的索引位置。 用法:某列表.index(aobject)
  • Pythonindex()和seek()的用法

    万次阅读 2016-04-05 00:10:58
    1.index()一般用处是在序列中检索参数并返回第一次出现的索引,没找到就会报错,比如:>>> t=tuple('Allen') >>> t ('A', 'l', 'l', 'e', 'n') >>> t.index('a') Traceback (most recent call last): File ...
  • pythonindex()与find()的区别

    万次阅读 2015-08-14 10:29:35
    起因:在排查错误时定位在判断语句这一行:if testlist.index('T'): 报错:ValueError: substring not found。...Python index() 方法检测字符串中是否包含子字符串 str ,如果指定 beg(开始) 和 end
  • Python List index方法

    千次阅读 2017-07-07 16:26:34
    Python列表的index方法,[elements].index(element),求取元素element在列表中第一次出现的索引。 list_1 = list(range(5)) * 10 begin, end = 0, len(list_1) print(list_1.index(1, begin, end))
  • python list 的 index() 和 find()

    万次阅读 2016-08-23 09:39:51
    Python index() 方法检测字符串中是否包含子字符串 str ,如果指定 beg(开始) 和 end(结束) 范围,则检查是否包含在指定范围内,该方法与 python find()方法一样,只不过如果str不在 string中会报一个异常。...
  • Python set_index和reset_index详解

    千次阅读 2019-08-12 19:37:15
    再来介绍一下set_index函数的使用。set_index就是将列转换为索引,其参数如下: set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False) keys是要设置为索引的列表。 drop:默认...
  • python中的index函数

    2020-07-29 20:10:29
    假设存在一个数组list = [1,2,3,4] , 则list.index(3)的返回值为3在数组中所对应的索引值,输出结果为2。

空空如也

1 2 3 4 5 ... 20
收藏数 3,828,345
精华内容 1,531,338
关键字:

index