遇到的问题一：

    error: RPC failed; curl 18 transfer closed with outstanding read data remaining

    fatal: The remote end hung up unexpectedly

    fatal: early EOF

    fatal: index-pack failed

 

       这个错误是因为项目太久，tag资源文件太大

 

       解决方式一， 网上大部分解决措施：命令终端输入 

       

        git config --global http.postBuffer 524288000

  

        用上面的命令有的人可以解决，我的还不行，需要如下方式命令，只clone深度为一

 

       $ git clone /github_com/large-repository --depth 1

       $ cd large-repository

       $ git fetch --unshallow

 

        中划线处填入你的git仓库的地址。。。（我用的是http方式，不是ssh）

 

          解决方式二，一般clone http方式的容易产生此问题，改成SSH的方式也有效，即https://改为git://

 

 

   遇到的问题二：

    warning: templates not found /usr/local/git/share/git-core/templates

    

      在终端输入 
      open /usr/local/
     在打开的目录中可以看到:
     如果没有 git 目录
    打开下面的地址,下载 git-osx 并安装,
     http://git-scm.com/download/mac 

     如果有 git 目录
     并且相应的 share,git-core,templates 目录都有,,说明是权限的问题.

     在终端输入:
     sudo chmod -R 755 /usr/local/git/share/git-core/templates
     注意 sudo 创建目录需要输入当前 Mac 用户的密码
     最后重新 clone 项目

    

 

    以上问题是我在Mac电脑用xcode自带git、sourcetree、终端三个方式clone某个项目都不能成功克隆下来。

   遇到的问题，其他项目都可以。

 

 

 

   相关拓展博客地址：

     http://www.jianshu.com/p/0e3421961db4

     http://blog.csdn.net/h5q8n2e7/article/details/46919579

 

 

在这次mac升级系统后，我发现我的/data目录消失了，于是我执行了命令:

mkdir /data

结果发现居然提示我Read-Only filesystem，即使加上了sudo也没用

在我查阅相关资料后找到了解决办法（关闭SIP，然后输入sudo mount -uw /，创建文件夹添加权限，最后启用SIP），具体步骤如下：

1、重启mac，按住Command+R，等到系统进入安全模式。

2、选择一个账户，然后点击屏幕上方的工具栏找到命令行工具。

3、执行，命令 csrutil disable

4、重启电脑后，不要进入安全模式，执行命令sudo mount -uw /

5、执行命令sudo mkdir /data

6、执行命令sudo chmod 777 /data

7、重启电脑，进入安全模式，执行命令csrutil enable （开启SIP） (!!!!该步骤可以不执行)

 

注意!!!

2020年04月16日18:49:41更新:

我目前用的macOS Catalina 10.15.4

没有SIP直接执行sudo mount -uw /

就可以有读写权限了,但是重启会失效,目前我是写了一个脚本,并设置开启自动执行来解决的

pd.read_csv(filepath_or_buffer, sep=’, ‘, delimiter=None, header=’infer’, names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skipinitialspace=False, skiprows=None, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, skip_blank_lines=True, parse_dates=False, infer_datetime_format=False, keep_date_col=False, date_parser=None, dayfirst=False, iterator=False, chunksize=None, compression=’infer’, thousands=None, decimal=b’.’, lineterminator=None, quotechar=’”’, quoting=0, escapechar=None, comment=None, encoding=None, dialect=None, tupleize_cols=None, error_bad_lines=True, warn_bad_lines=True, skipfooter=0, skip_footer=0, doublequote=True, delim_whitespace=False, as_recarray=None, compact_ints=None, use_unsigned=None, low_memory=True, buffer_lines=None, memory_map=False, float_precision=None)

import numpy as np
import pandas as pd
from pandas import DataFrame

filepath="C:\\Users\\zhouy_000\\Desktop\\python_study\\20190417\\test.csv"
df=pd.read_csv(filepath,header=0,encoding="gbk")
print(df)
# =============================================================================
#    姓名  年龄         出生日  爱好   关系
# 0  小王  23   1991/10/2  足球   朋友
# 1  小丽  23   1992/11/2  篮球  NaN
# 2  小黑  25  1991/10/18  游泳   同学
# 3  小白  21    1989/9/9  游戏  NaN
# 4  小红  25    1990/8/7  看剧  NaN
# 5  小米  24  1991/12/12  足球  NaN
# 6  大锤  26    1988/9/9  看剧   个人
# =============================================================================
df=pd.read_csv(filepath,header=None,encoding="gbk",names=["A","B","C","D","E"],
               skiprows=1,skipfooter=1,usecols=["A","B","C"],index_col=0,engine="python")
print(df)
# =============================================================================
#      B           C
# A                 
# 小王  23   1991/10/2
# 小丽  23   1992/11/2
# 小黑  25  1991/10/18
# 小白  21    1989/9/9
# 小红  25    1990/8/7
# 小米  24  1991/12/12
# 
# =============================================================================

重要参数：

filepath_or_buffer : 路径 URL 可以是http, ftp, s3, 和 file.

sep: 指定分割符，默认是’,’C引擎不能自动检测分隔符，但Python解析引擎可以

delimiter: 同sep

delimiter_whitespace: True or False 默认False, 用空格作为分隔符等价于spe=’\s+’如果该参数被调用，则delimite不会起作用

header: 指定第几行作为列名(忽略注解行)，如果没有指定列名，默认header=0; 如果指定了列名header=None

names 指定列名，如果文件中不包含header的行，应该显性表示header=None

index_col: 默认为None 用列名作为DataFrame的行标签，如果给出序列，则使用MultiIndex。如果读取某文件,该文件每行末尾都有带分隔符，考虑使用index_col=False使panadas不用第一列作为行的名称。

usecols： 默认None 可以使用列序列也可以使用列名，如 [0, 1, 2] or [‘foo’, ‘bar’, ‘baz’]，选取的列

as_recarray：默认False , 将读入的数据按照numpy array的方式存储，0.19.0版本后使用 pd.read_csv(…).to_records()。 注意，这种方式读入的na数据不是显示na,而是给以个莫名奇妙的值

squeeze: 默认为False, True的情况下返回的类型为Series

prefix:默认为none, 当header =None 或者没有header的时候有效，例如’x’ 列名效果 X0, X1, …

mangle_dupe_cols ：默认为True,重复的列将被指定为’X.0’…’X.N’，而不是’X’…’X’。如果传入False，当列中存在重复名称，则会导致数据被覆盖。

dtype: E.g. {‘a’: np.float64, ‘b’: np.int32} 指定数据类型

engine: {‘c’, ‘python’}, optional 选择读取的引擎目前来说C更快，但是Python的引擎有更多选择的操作

skipinitialspace: 忽略分隔符后的空格,默认false,

skiprows: list-like or integer or callable, default None 忽略某几行或者从开始算起的几行

skipfooter: 从底端算起的几行，不支持C引擎

nrows： int 读取的行数

na_values: 默认None NaN包含哪些情况，默认情况下, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, ‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’. 都表现为NAN

keep_default_na: 如果na_values被定义,keep_default_na为False那么默认的NAN会被改写。 默认为True

na_filter: 默认为True, 针对没有NA的文件，使用na_filter=false能够提高读取效率

skip_blank_lines 默认为True,跳过blank lines 而且不是定义为NAN

thousands 千分位符号，默认‘，’

decimal 小数点符号，默认‘.’

encoding: 编码方式

memory_map如果为filepath_or_buffer提供了文件路径，则将文件对象直接映射到内存上，并直接从那里访问数据。使用此选项可以提高性能，因为不再有任何I / O开销。

low_memory 默认为True 在块内部处理文件，导致分析时内存使用量降低，但可能数据类型混乱。要确保没有混合类型设置为False，或者使用dtype参数指定类型。请注意，不管怎样，整个文件都读入单个DataFrame中，请使用chunksize或iterator参数以块形式返回数据。 （仅在C语法分析器中有效）

注：与read_excel类似

参考：https://blog.csdn.net/weixin_39175124/article/details/79434022

以上，记录本人学习过程。

 

dl_data.csv文件：



行索引为:[-20......19]

列索引为:[-25......25]

语句分析：

q_table6 = pd.read_csv('dl_data.csv',encoding = "utf-8",header = 0,names = range(0,50))

功能：将原来的列索引[-25......25]替换成[0....49]。

介绍：header = 0是默认情况（即不标明，默认就是header = 0），表示以数据的第一行为列索引。

           encoding = "utf-8"表明以utf-8为编码规则。

           names = range(0,50))表示以[0....49]为列索引的名字

       

q_table6 = pd.read_csv('dl_data.csv',encoding = "utf-8",header = None,names = range(0,50))

功能：给数据添加一行列索引[0....49]，header = None表示原来的数据是没有列索引的，就算你的数据里面有列索引，这时就把  原来的列索引当成了数据。

 

上面两个语句都会默认为数据添加行索引，即会把原来的行索引当成数据，自己再添加新的行索引[0,1,2.....] !!!!!!!如果不想添加新的行索引，代码如下:

q_table6 = pd.read_csv('dl_data.csv',encoding = "utf-8",index_col=0)

index_col=0表示以原有数据的第一列(索引为0)当作行索引。