Python酷库之旅-第三方库Pandas(041)

目录

一、用法精讲

136、pandas.Series.ne方法

136-1、语法

136-2、参数

136-3、功能

136-4、返回值

136-5、说明

136-6、用法

136-6-1、数据准备

136-6-2、代码示例

136-6-3、结果输出

137、pandas.Series.eq方法

137-1、语法

137-2、参数

137-3、功能

137-4、返回值

137-5、说明

137-6、用法

137-6-1、数据准备

137-6-2、代码示例

137-6-3、结果输出

138、pandas.Series.product方法

138-1、语法

138-2、参数

138-3、功能

138-4、返回值

138-5、说明

138-6、用法

138-6-1、数据准备

138-6-2、代码示例

138-6-3、结果输出

139、pandas.Series.dot方法

139-1、语法

139-2、参数

139-3、功能

139-4、返回值

139-5、说明

139-6、用法

139-6-1、数据准备

139-6-2、代码示例

139-6-3、结果输出

140、pandas.Series.apply方法

140-1、语法

140-2、参数

140-3、功能

140-4、返回值

140-5、说明

140-6、用法

140-6-1、数据准备

140-6-2、代码示例

140-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

136、pandas.Series.ne方法
136-1、语法
# 136、pandas.Series.ne方法
pandas.Series.ne(other, level=None, fill_value=None, axis=0)
Return Not equal to of series and other, element-wise (binary operator ne).Equivalent to series != other, but with support to substitute a fill_value for missing data in either one of the inputs.Parameters:
other
Series or scalar value
level
int or name
Broadcast across a level, matching Index values on the passed MultiIndex level.fill_value
None or float value, default None (NaN)
Fill existing missing (NaN) values, and any new element needed for successful Series alignment, with this value before computation. If data in both corresponding Series locations is missing the result of filling (at that location) will be missing.axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.Returns:
Series
The result of the operation.
136-2、参数

136-2-1、other(必须)：表示要与Series中每个元素进行比较的对象，可以是一个标量值或另一个Series。

136-2-2、level(可选，默认值为None)：用于指定多重索引的级别。当Series拥有多层索引时使用。

136-2-3、fill_value(可选，默认值为None)：当other和Series之间存在缺失值时，可以使用这个值来填充缺失部分，帮助确保比较的完整性。

136-2-4、axis(可选，默认值为0)：该参数在比较Series时通常不需要指定，因为Series只有一个维度。

136-3、功能

        用于比较Series中每个元素与另一个值或另一Series的方法，具体功能是返回一个布尔型Series，指示每个元素是否不等于提供的值。

136-4、返回值

        返回一个布尔型Series，指示每个元素是否不等于所提供的other值。

136-5、说明

        使用场景：

136-5-1、数据筛选：可以用.ne()方法在处理数据时筛选出不满足特定条件的行。

136-5-2、条件判断：适用于数据分析中需要实施不相等比较的场景。

136-6、用法
136-6-1、数据准备
无
136-6-2、代码示例
# 136、pandas.Series.ne方法
# 136-1、与一个标量进行比较
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
result = s.ne(3)
print(result, end='\n\n')# 136-2、与另一个Series进行比较
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
s2 = pd.Series([2, 3, 4, 5, 6])
result2 = s.ne(s2)
print(result2)
136-6-3、结果输出
# 136、pandas.Series.ne方法
# 136-1、与一个标量进行比较
# 0     True
# 1     True
# 2    False
# 3     True
# 4     True
# dtype: bool# 136-2、与另一个Series进行比较
# 0    True
# 1    True
# 2    True
# 3    True
# 4    True
# dtype: bool
137、pandas.Series.eq方法
137-1、语法
# 137、pandas.Series.eq方法
pandas.Series.eq(other, level=None, fill_value=None, axis=0)
Return Equal to of series and other, element-wise (binary operator eq).Equivalent to series == other, but with support to substitute a fill_value for missing data in either one of the inputs.Parameters:
other
Series or scalar value
level
int or name
Broadcast across a level, matching Index values on the passed MultiIndex level.fill_value
None or float value, default None (NaN)
Fill existing missing (NaN) values, and any new element needed for successful Series alignment, with this value before computation. If data in both corresponding Series locations is missing the result of filling (at that location) will be missing.axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.Returns:
Series
The result of the operation.
137-2、参数

137-2-1、other(必须)：表示要与Series中每个元素进行比较的值，可以是标量(单一值)或另一个Series。

137-2-2、level(可选，默认值为None)：用于指定多重索引的级别，当Series拥有多层索引时使用。

137-2-3、fill_value(可选，默认值为None)：当other和Series之间存在缺失值时，可以使用这个值来填充缺失部分，以便进行更全面的比较。

137-2-4、axis(可选，默认值为0)：对于Series来说，这个参数通常不需要设置，因为Series只有一个维度。

137-3、功能

        用于比较Series中每个元素与另一个值或另一Series的方法，该方法会返回一个布尔型Series，指示每个元素是否等于提供的值。

137-4、返回值

        返回一个布尔型Series，表明每个元素是否等于所提供的other值。

137-5、说明

        使用场景：

137-5-1、数据筛选：可以用于从数据集中筛选出满足特定条件的行。

137-5-2、条件判断：在数据分析中常用于检查一个Series中的值是否等于某个标准。

137-6、用法
137-6-1、数据准备
无
137-6-2、代码示例
# 137、pandas.Series.eq方法
# 137-1、与一个标量进行比较
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
result = s.eq(3)
print(result, end='\n\n')# 137-2、与另一个Series进行比较
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
s2 = pd.Series([2, 3, 4, 4, 5])
result2 = s.eq(s2)
print(result2)
137-6-3、结果输出
# 137、pandas.Series.eq方法
# 137-1、与一个标量进行比较
# 0    False
# 1    False
# 2     True
# 3    False
# 4    False
# dtype: bool# 137-2、与另一个Series进行比较
# 0    False
# 1    False
# 2    False
# 3     True
# 4     True
# dtype: bool
138、pandas.Series.product方法
138-1、语法
# 138、pandas.Series.product方法
pandas.Series.product(axis=None, skipna=True, numeric_only=False, min_count=0, **kwargs)
Return the product of the values over the requested axis.Parameters:
axis{index (0)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.WarningThe behavior of DataFrame.prod with axis=None is deprecated, in a future version this will reduce over both axes and return a scalar To retain the old behavior, pass axis=0 (or do not pass axis).New in version 2.0.0.skipnabool, default True
Exclude NA/null values when computing the result.numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.min_countint, default 0
The required number of valid values to perform the operation. If fewer than min_count non-NA values are present the result will be NA.**kwargs
Additional keyword arguments to be passed to the function.Returns:
scalar or scalar
138-2、参数

138-2-1、axis(可选，默认值为None)：对于Series，这个参数通常不需要设置，因为Series只有一个维度。

138-2-2、skipna(可选，默认值为True)：如果设为True，则在计算乘积时会忽略缺失值(NaN)；如果设为False，并且Series中存在任何缺失值，那么结果将会是NaN。

138-2-3、numeric_only(可选，默认值为False)：如果设为True，则仅对数值类型的数据进行乘积计算，非数值类型的数据将被忽略。

138-2-4、min_count(可选，默认值为0)：指定在计算乘积时，能够计算的最小非缺失值数量。如果实际的非缺失值数量小于这个值，则结果将是NaN。例如，如果min_count=2，而只有一个非缺失值，那么结果将会是NaN。

138-2-5、**kwargs(可选)：其他关键字参数，不常用，通常可以省略。

138-3、功能

        用于计算Series中所有元素的乘积。

138-4、返回值

        返回计算得到的乘积，可以是标量值，表示Series中所有元素的乘积。

138-5、说明

        使用场景：

138-5-1、财务计算：经常用于计算投资收益、销售总额等。

138-5-2、数据分析：用于聚合数据，进行统计业务分析时，可以求得总的量级

138-6、用法
138-6-1、数据准备
无
138-6-2、代码示例
# 138、pandas.Series.product方法
# 138-1、计算乘积
import pandas as pd
# 创建一个示例Series
s = pd.Series([1, 2, 3, 4])
product_result = s.product()
print(product_result, end='\n\n')# 138-2、忽略NaN进行乘积计算
import pandas as pd
# 包含NaN值的Series
s_with_nan = pd.Series([1, 2, None, 4])
product_with_nan = s_with_nan.product(skipna=True)
print(product_with_nan, end='\n\n')# 138-3、不忽略NaN进行乘积计算
import pandas as pd
# 包含NaN值的Series
s_with_nan = pd.Series([1, 2, None, 4])
product_with_nan_inclusive = s_with_nan.product(skipna=False)
print(product_with_nan_inclusive, end='\n\n')# 138-4、使用numeric_only
import pandas as pd
s_mixed = pd.Series([1, 'a', 3, 4])
numeric_series = s_mixed[pd.to_numeric(s_mixed, errors='coerce').notnull()]
numeric_product = numeric_series.prod()
print(numeric_product)
138-6-3、结果输出
# 138、pandas.Series.product方法
# 138-1、计算乘积
# 24# 138-2、忽略NaN进行乘积计算
# 8.0# 138-3、不忽略NaN进行乘积计算
# nan# 138-4、使用numeric_only
# 12
139、pandas.Series.dot方法
139-1、语法
# 139、pandas.Series.dot方法
pandas.Series.dot(other)
Compute the dot product between the Series and the columns of other.This method computes the dot product between the Series and another one, or the Series and each columns of a DataFrame, or the Series and each columns of an array.It can also be called using self @ other.Parameters:
other
Series, DataFrame or array-like
The other object to compute the dot product with its columns.Returns:
scalar, Series or numpy.ndarray
Return the dot product of the Series and other if other is a Series, the Series of the dot product of Series and each rows of other if other is a DataFrame or a numpy.ndarray between the Series and each columns of the numpy array.
139-2、参数

139-2-1、other(必须)：表示另一个Series或类似对象，它应该与调用该方法的Series具有相同的索引，如果other是一个标量，则结果将是标量乘以Series中的每个值。

139-3、功能

        用于计算两个Series对象之间的点积(内积)，该方法对于数值计算非常有用，尤其是在处理矢量和数学运算时。

139-4、返回值

        返回一个标量，表示两个Series之间的点积。如果Series的索引不匹配，方法将根据索引进行对齐，并仅计算匹配的部分。

139-5、说明

        使用场景：

139-5-1、数学和统计分析：经常用于计算向量的点积，常见于机器学习和数据分析中的特征计算。

139-5-2、线性代数：在处理矩阵和线性方程组时，也可以使用这个方法进行计算。

139-6、用法
139-6-1、数据准备
无
139-6-2、代码示例
# 139、pandas.Series.dot方法
import pandas as pd
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['a', 'b', 'c'])
dot_product = s1.dot(s2)
print(dot_product)
139-6-3、结果输出
# 139、pandas.Series.dot方法
# 32 （1*4 + 2*5 + 3*6 = 32）
140、pandas.Series.apply方法
140-1、语法
# 140、pandas.Series.apply方法
pandas.Series.apply(func, convert_dtype=_NoDefault.no_default, args=(), *, by_row='compat', **kwargs)
Invoke function on values of Series.Can be ufunc (a NumPy function that applies to the entire Series) or a Python function that only works on single values.Parameters:
funcfunction
Python function or NumPy ufunc to apply.convert_dtypebool, default True
Try to find better dtype for elementwise function results. If False, leave as dtype=object. Note that the dtype is always preserved for some extension array dtypes, such as Categorical.Deprecated since version 2.1.0: convert_dtype has been deprecated. Do ser.astype(object).apply() instead if you want convert_dtype=False.argstuple
Positional arguments passed to func after the series value.by_rowFalse or “compat”, default “compat”
If "compat" and func is a callable, func will be passed each element of the Series, like Series.map. If func is a list or dict of callables, will first try to translate each func into pandas methods. If that doesn’t work, will try call to apply again with by_row="compat" and if that fails, will call apply again with by_row=False (backward compatible). If False, the func will be passed the whole Series at once.by_row has no effect when func is a string.New in version 2.1.0.**kwargs
Additional keyword arguments passed to func.Returns:
Series or DataFrame
If func returns a Series object the result will be a DataFrame.
140-2、参数

140-2-1、func(必须)：表示要应用的函数，可以是自定义的函数或NumPy的一些函数。

140-2-2、convert_dtype(可选)：用于指示是否在应用函数后转换返回值的数据类型。

140-2-3、args(可选，默认值为'()')：一个元组，传递给函数的额外位置参数。

140-2-4、by_row(可选，默认值为'compat')：指示按行应用还是按列应用，通常不需要修改此参数。

140-2-5、**kwargs(可选)：其他关键字参数，将传递给函数func。

140-3、功能

        用于将给定的函数应用于Series中的每个元素，该方法可以用于数据转换、数据清洗或特定的计算任务。

140-4、返回值

        返回一个Series，其中包含函数func应用于原始Series中每个元素的结果。

140-5、说明

        使用场景：

140-5-1、数据清洗：对于数据中的特定值进行转换或清理。

140-5-2、自定义计算：应用复杂的计算条件。

140-5-3、数据格式化：对数据进行格式化或转换为另一种类型。

140-6、用法
140-6-1、数据准备
无
140-6-2、代码示例
# 140、pandas.Series.apply方法
# 140-1、使用apply方法应用函数
# 定义一个简单的函数
import pandas as pd
# 创建一个示例Series
s = pd.Series([1, 2, 3, 4, 5])
def square(x):return x ** 2
result = s.apply(square)
print(result, end='\n\n')# 140-2、使用lambda函数
# 定义一个简单的函数
import pandas as pd
# 创建一个示例Series
s = pd.Series([1, 2, 3, 4, 5])
def square(x):return x ** 2
result_lambda = s.apply(lambda x: x + 10)
print(result_lambda, end='\n\n')# 140-3、使用额外的参数
# 定义一个简单的函数
import pandas as pd
# 创建一个示例Series
s = pd.Series([1, 2, 3, 4, 5])
def square(x):return x ** 2
def multiply(x, factor):return x * factor
result_with_args = s.apply(multiply, args=(10,))
print(result_with_args)
140-6-3、结果输出
# 140、pandas.Series.apply方法
# 140-1、使用apply方法应用函数
# 0     1
# 1     4
# 2     9
# 3    16
# 4    25
# dtype: int64# 140-2、使用lambda函数
# 0    11
# 1    12
# 2    13
# 3    14
# 4    15
# dtype: int64# 140-3、使用额外的参数
# 0    10
# 1    20
# 2    30
# 3    40
# 4    50
# dtype: int64

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.xdnf.cn/news/1486897.html

如若内容造成侵权/违法违规/事实不符，请联系一条长河网进行投诉反馈，一经查实，立即删除！

相关文章

数据结构-C语言-排序（4）

数据结构-C语言-排序（4）

代码位置： test-c-2024: 对C语言习题代码的练习 (gitee.com) 一、前言： 1.1-排序定义： 排序就是将一组杂乱无章的数据按照一定的规律（升序或降序）组织起来。(注：我们这里的排序采用的都为升序) 1.2-排…
阅读更多...
如何借助生成式人工智能引领未来的科技狂潮

如何借助生成式人工智能引领未来的科技狂潮

如何借助生成式人工智能引领未来的科技狂潮 1. 生成式AI的现状1.1 技术基础1.1.1 深度学习1.1.2 生成对抗网络（GANs）1.1.3 变分自编码器（VAEs） 1.2 主要应用1.2.1 语言模型1.2.2 图像生成1.2.3 音频与视频生成 2. 未来的发展趋势2…
阅读更多...
Windows下帆软BI（finebi）单机部署移植（Tomcat）攻略

Windows下帆软BI（finebi）单机部署移植（Tomcat）攻略

一、基础环境 操作系统：Windows 10 64bit 帆软BI 版本：V9.0/V10.0 HTTP工具：Tomcat 外置数据库：Oracle 11g 实验内容：将已经部署好的帆软BI从一台电脑移植到另一台电脑 二、前期准备 1、做好外置数据库移植&…
阅读更多...
＜数据集＞苹果腐烂识别数据集＜目标检测＞

＜数据集＞苹果腐烂识别数据集＜目标检测＞

数据集格式：VOCYOLO格式 图片数量：978张 标注数量(xml文件个数)：978 标注数量(txt文件个数)：978 标注类别数：2 标注类别名称：[fresh_apple, rotten_apple] 序号类别名称图片数框数1fresh_apple520922…
阅读更多...
2022 年中高职组“网络安全”赛项-海南省省竞赛任务书-1-B模块-B-4Web渗透测试

2022 年中高职组“网络安全”赛项-海南省省竞赛任务书-1-B模块-B-4Web渗透测试

前言 本章节我将尝试操作B-4模块的渗透测试，搭建环境很难，还望大家点点赞多多支持！ 任务概览 最后4、5、6有一定的难度。 环境要求 kali Linux192.168.41.2Web服务器（假设为PYsystem 2020 模拟平台）192.168.41.7交换…
阅读更多...
日常开发记录分享——C#控件ToolTip实现分栏显示内容

日常开发记录分享——C#控件ToolTip实现分栏显示内容

文章目录 需求来源实现思路实施请看VCR等等别走，有优化 需求来源 需要在鼠标浮动到指定位置后提示出详细的信息，一开始使用的tooltip实现，但是里面的内容效果并不理想，需要有条理性，于是就想到能不能将展示的东西分列…
阅读更多...
代理协议解析：如何根据需求选择HTTP、HTTPS或SOCKS5？

代理协议解析：如何根据需求选择HTTP、HTTPS或SOCKS5？

代理IP协议是一种网络代理技术，可以实现隐藏客户端IP地址、加速网站访问、过滤网络内容、访问内网资源等功能。常用的IP代理协议主要有Socks5代理、HTTP代理、HTTPS代理这三种。代理IP协议主要用于分组交换计算机通信网络的互联系统中使用，只负责数据的路…
阅读更多...
Linux（CentOS）的“应用商城” —— yum

Linux（CentOS）的“应用商城” —— yum

Linux（CentOS）的“应用商城” —— yum 关于 yum 和软件包Linux 系统（CentOS）的生态yum 相关操作yum 本地配置yum 安装 lrzsz.x86_64 关于 yum 和软件包 首先 yum 是软件下载安装管理的客户端，类似各种手机里的“应用…
阅读更多...
面试场景题系列--（1）如果系统的 QPS 突然提升 10 倍该怎么设计？--xunznux

面试场景题系列--（1）如果系统的 QPS 突然提升 10 倍该怎么设计？--xunznux

1. 如果系统的 QPS 突然提升 10 倍该怎么设计？ 1.1 硬件的扩展微服务的拆分 如果所有的业务包括交易系统、会员信息、库存、商品等等都夹杂在一起，当流量一旦起来之后，单体架构的问题就暴露出来了，机器挂了所有的业务就全部无法…
阅读更多...
【机器学习】Jupyter Notebook如何使用之基本步骤和进阶操作

【机器学习】Jupyter Notebook如何使用之基本步骤和进阶操作

引言 Jupyter Notebook 是一个交互式计算环境，它允许创建包含代码、文本和可视化内容的文档 文章目录 引言一、基本步骤1.1 启动 Jupyter Notebook1.2 使用 Jupyter Notebook 仪表板1.3 在笔记本中工作1.4 常用快捷键1.5 导出和分享笔记本 二、进阶用法2.1 组织笔…
阅读更多...
“微软蓝屏”事件，给IT行业带来的宝贵经验和教训

“微软蓝屏”事件，给IT行业带来的宝贵经验和教训

“微软蓝屏”事件是指2024年7月19日发生的一次全球性技术故障，主要涉及微软视窗（Windows）操作系统及其相关应用和服务。 以下是对该事件的详细解析： 一、事件概述 发生时间：2024年7月19日事件影响：全球多个…
阅读更多...
暑期c++ 命名空间

暑期c++ 命名空间

今天是暑期第一天开始写c笔记&#xff0c;新起点&#xff0c;新开始加油 我们先来看两串代码 这串代码编译没有问题 #define _CRT_SECURE_NO_WARNINGS #include<stdio.h> int rand 14; int main(void) {int rand 14;printf("%d\n", rand);return 0; }但是…
阅读更多...
鸽哒IM即时通讯安卓+苹果双系统源码20240723（反编译+二次开发版）

鸽哒IM即时通讯安卓+苹果双系统源码20240723（反编译+二次开发版）

功能特点&#xff1a; 1、该软件支持加好友、消息私聊、消息群聊、朋友圈、红包、语音、视频、表情包&#xff0c;定位等。 2、此外&#xff0c;该软件还支持阅后即焚、消息过期自动销毁、支持3DES加密传输、支持端到端传输&#xff0c;保护消息隐私。 3、后台使用的是酷信的…
阅读更多...
Java面试八股之详细阐述Spring的DI和IOC

Java面试八股之详细阐述Spring的DI和IOC

详细阐述Spring的DI和IOC Spring框架的两大核心特性之一就是控制反转&#xff08;Inversion of Control, IoC&#xff09;&#xff0c;另一个密切相关的是依赖注入&#xff08;Dependency Injection, DI&#xff09;。这两个概念是Spring实现松耦合、可测试和可管理软件组件的…
阅读更多...
JMeter：BeanShell到JSR223迁移中的注意事项

JMeter：BeanShell到JSR223迁移中的注意事项

前言 在之前的文章JMeter&#xff1a;BeanShell向JSR223迁移过程遭遇的java标准库不可用问题-如何切换JDK版本中引用了一段使用BeanShell对入参进行加密的脚本&#xff0c;迁移到JSR223&#xff0c;虽然更换JDK后编译通过&#xff0c;看似也可以执行了&#xff0c;但是其实那段…
阅读更多...
强化数字科技基石：深化基础理论研究

强化数字科技基石：深化基础理论研究

加强数字科技基础理论研究并增加对其的资金投入&#xff0c;对于推动科技进步、培养创新人才以及构建具有国际竞争力的科技创新体系都具有深远意义。同时为了加强数字科技基础理论研究并推动产业园的发展&#xff0c;我们可以从以下几个方面进行&#xff1a; 一、加强数字科技…
阅读更多...
【vue前端项目实战案例】Vue3仿今日头条App

【vue前端项目实战案例】Vue3仿今日头条App

本文将开发一款仿“今日头条”的新闻App。该案例是基于 Vue3.0 Vue Router webpack TypeScript 等技术栈实现的一款新闻资讯类App&#xff0c;适合有一定Vue框架使用经验的开发者进行学习。 项目源码在文章末尾 1 项目概述 该项目是一款“今日头条”的新闻资讯App&#xf…
阅读更多...
P6 优化篇 - 数据折线图可视化步骤

P6 优化篇 - 数据折线图可视化步骤

增加新页面, 则需要在 page.json里面增加页面信息 2.添加目录, 和路径 同时也要添加目录了 , 新建目录LineChart , 添加文件LineChart.vue 4.LineChart.vue 直接复制黏贴 <template><view class"container"><!-- 图表显示区域 --><view cla…
阅读更多...
如何做校园圈子小程序，需要哪些功能？可打包APP小程序H5，源码交付，支持二开！

如何做校园圈子小程序，需要哪些功能？可打包APP小程序H5，源码交付，支持二开！

独立学校首页 支持每个学校独立首页!每个学校都可以拥有专属首页&#xff0c;打造不同风格的学校首页展示效果 多业务覆盖 可实现校园内外卖、跑腿、超市、药店水果、快餐店等业务全覆盖!所有配送业务平台都可开展 多站点运营 支持多学校多站点运营&#xff0c;各分站管理员可独…
阅读更多...
Java面试八股之简述spring boot的目录结构

Java面试八股之简述spring boot的目录结构

简述spring boot的目录结构 Spring Boot 项目遵循标准的 Maven 或 Gradle 项目布局&#xff0c;并且有一些约定的目录用于组织不同的项目组件。下面是一个典型的 Spring Boot 项目目录结构&#xff1a; src/main/java&#xff1a;包含所有的 Java 源代码&#xff0c;通常按包组…
阅读更多...
最新文章

Copyright @ 2022~2023