zyx199199 最近的时间轴更新 zyx199199 最近的时间轴更新 |
zyx199199V2EX 第 501998 号会员，加入于 2020-08-02 16:26:36 +08:00 |
深圳
| 摸鱼顺便玩一玩英语名言短句 分享创造 • zyx199199 • 2021-07-21 16:24:13 PM • 最后回复来自 zyx199199 | 7 |
| [上海] [小程序开发] 医疗数据创业团队 10-15K， 10-7-5 工作时间 酷工作 • zyx199199 • 2020-12-25 14:27:53 PM • 最后回复来自 zyx199199 | 3 |
zyx199199 最近回复了
150 天前 回复了 Ricardoo 创建的主题 › Python › 问一个 Python 枚举类的问题 |
Python 3.10 标准库里自带的 IntEnum 就是同时继承了 int 和 enum 实现的
263 天前 回复了 cleveryun 创建的主题 › 求职 › 前端求职，找离上海浦东周浦镇近一点的公司 |
@jincan39 20 万以内……
264 天前 回复了 cleveryun 创建的主题 › 求职 › 前端求职，找离上海浦东周浦镇近一点的公司 |
本来想问楼主愿不愿意来我们公司的（在中科路地铁站这），看了眼楼主的薪资……不打扰了……
不过我们公司倒是从不加班从不打卡，而且是做药学软件的，和楼主转行前的所学专业倒是挺相关……但是薪资实在给不起……
祝楼主早日找到满意工作
不过我们公司倒是从不加班从不打卡，而且是做药学软件的，和楼主转行前的所学专业倒是挺相关……但是薪资实在给不起……
祝楼主早日找到满意工作
278 天前 回复了 Kaciras 创建的主题 › 求职 › 自学前端，简历求建议 |
@Kaciras 我给你发邮件到你的 outlook 邮箱了。我们公司在上海，你考虑来上海吗？
278 天前 回复了 Kaciras 创建的主题 › 求职 › 自学前端，简历求建议 |
楼主在哪个城市呀？我们公司在招前端开发，位于上海张江中科路地铁站。工资一般，不会超过 1.5 万，但是五险一金年假啥的都按照法律规定来，双休，朝十晚六，午休近 2 小时，从不加班。
有兴趣么？
有兴趣么？
278 天前 回复了 mobaijun 创建的主题 › 程序员 › 今年就业行情感觉很不好， 10 月份开始骑驴找🐎 |
@welong 不好意思，应届生经验不太足。还是希望招一个有一点经验的人，毕竟小公司
278 天前 回复了 mobaijun 创建的主题 › 程序员 › 今年就业行情感觉很不好， 10 月份开始骑驴找🐎 |
@MX123 小公司，uniapp 做跨端
279 天前 回复了 mobaijun 创建的主题 › 程序员 › 今年就业行情感觉很不好， 10 月份开始骑驴找🐎 |
楼主是啥岗位的。我们公司打算新开发一个 APP ，正打算招一个前端和一个 JAVA 后端，位于上海
2022-07-25 16:10:25 +08:00 回复了 wcsjtu 创建的主题 › Python › 请问大家, 有没有办法把 Python 的 dict, 存储到一段连续内存上 |
需要的是类似 https://github.com/luizalabs/shared-memory-dict 这种？
或者是 multiprocessing 库里的 Manager ？类似这种 https://stackoverflow.com/questions/6832554/multiprocessing-how-do-i-share-a-dict-among-multiple-processes
以上两个都是谷歌搜索 python shared memory dict 找到的。楼主可以试试
或者是 multiprocessing 库里的 Manager ？类似这种 https://stackoverflow.com/questions/6832554/multiprocessing-how-do-i-share-a-dict-among-multiple-processes
以上两个都是谷歌搜索 python shared memory dict 找到的。楼主可以试试
2022-04-08 20:15:41 +08:00 回复了 sjmcefc2 创建的主题 › 程序员 › 个人经历如何存储比较好呢？怎么设计数据表才便于交叉比对？ |
我上份工作是做商业化的简历自动解析的。我们当时使用的是 MongoDB 数据库存储，主要是考虑到解析的字段经常增加修改
但是我们的存储除本身没有太考虑复杂查询的优化
当时的存储格式大体是
[
{'学校': '北京大学（珠海分校）', // 简历中的原始名称
'标准校名': ''北京大学', // 在解析学校的同时，判断学校的标准名称
'起始时间': '2009.9',
'结束时间': '2013.9',
'专业': '气象学'},
]
数组中的一个 字典（ dict ）就是一段经历，在存储到数据库前按照时间排序，第一个字典对应第一段经历，以此类推
如果需要实现复杂的高效查询，可以先试试这样存储后的查询效率。如果效率太低，可以考虑在 MongoDB 存储基础数据之外再增加一个 Neo4j 的图数据库，用于存储数据之间的关系
如果不是做实时的复杂查询，而是已经确定好了要查询的内容，至少几十万条数据的情况下，应该还是不太需要 Neo4j 的。分步做好预处理，然后将预处理好的数据用 pandas 加载，一个正常的笔记本就能做到比较快的各种统计查询了
但是我们的存储除本身没有太考虑复杂查询的优化
当时的存储格式大体是
[
{'学校': '北京大学（珠海分校）', // 简历中的原始名称
'标准校名': ''北京大学', // 在解析学校的同时，判断学校的标准名称
'起始时间': '2009.9',
'结束时间': '2013.9',
'专业': '气象学'},
]
数组中的一个 字典（ dict ）就是一段经历，在存储到数据库前按照时间排序，第一个字典对应第一段经历，以此类推
如果需要实现复杂的高效查询，可以先试试这样存储后的查询效率。如果效率太低，可以考虑在 MongoDB 存储基础数据之外再增加一个 Neo4j 的图数据库，用于存储数据之间的关系
如果不是做实时的复杂查询，而是已经确定好了要查询的内容，至少几十万条数据的情况下，应该还是不太需要 Neo4j 的。分步做好预处理，然后将预处理好的数据用 pandas 加载，一个正常的笔记本就能做到比较快的各种统计查询了
Select Language