浅谈Pytest中的marker 没有注册marker 我们写一个简单的测试 # test_demo.py import pytest @pytest.mark.login def test_demo(): assert True 你运行的话会有如下提示 test_demo.py:4: Pytest
浅谈Pytest中的warning处理 没有处理warning 我们写一个简单的测试 import pytest def test_demo(): import warnings warnings.warn('test warn',DeprecationWarning) assert True if
谈谈Selenium中的三种切换之alert 一、如何识别 识别方法：alert中的确定、取消、输入框无法用inspector定位到，当然还有一些特例。 alert分为三种 alert confirm prompt 分别对应3个js的命令(可在chrome的console面板中调试) alert('
详谈pytest中的xfail 原文链接： https://docs.pytest.org/en/7.2.x/how-to/skipping.html 链接中详细阐述了skip和xfail两种情况 xfail 应该译作expected fail，预期失败(我知道这个用例是因为某些原因会失败的) 有哪
谈谈Selenium中浏览器驱动的日志 来源于一位同学，“老师为啥firefox执行后会有日志文件，chrome没有呢？” 比对 你打开chrome浏览器 from selenium import webdriver driver = webdriver.Chrome() 这样是没有日志的 同样的代
# 背景 在工作中UI自动化中可能会需要用到API来做一些数据准备或清理的事情，那UI操作是略低效的，但API操作相对高效。 而实战课就有这样一个案例，不过那个案例是UI操作和API分开的。 极少会遇到这样的场景，我selenium操作网页，比如登录，应该底层也是有响应数据的，比如token之类的，
数据录入在应用中是最常见也是最繁重的一项工作，而对于基础数据的维护更是要保证其准确性。比如需要录入身份证信息时，手工输入的效率低还容易出错；报销填发票时，要从一张一张的发票中找到金额、开票日期等一堆信息，一直重复着复杂的工作，类似的场景数不胜数。但现在，我们可以完全通过百度AI文字识别功能解决以上问
前端展示中实现批量标签动态生成 使用过报表的小伙伴，经常会有条码打印、标签打印的需求，一两个标签还好处理，但很多时候我们可能需要的是几十、上百个内容的批量打印，如下图所示： 今天我们就来为大家介绍，如何快速实现报表的标签条码批量打印。 项目实战 今天我们从Wyn出发，为大家展示整个功能的实现过程。
背景 在公司的日常业务中，存在不少数据的收集提取需求，大部分公司会采取Excel来完成数据的收集和汇总，但这项工作会让负责信息收集的业务人员相当头大。虽然提前做好了数据收集模板，但最终提交上来的模板会被修改的五花八门，信息填写错误率比较高，无法实现信息填写不完整不允许提交的约束。后期的数据汇总虽然可
# 前言 Hello各位，本葡萄又来啦，今天遇到的场景是这样的：在日常业务流程中，经常需要某一流程环节中相关责任人员进行审批签字，早期许多公司为了省事就直接会把这位负责人的签名以键盘打字（楷体）的形式打印出来，但是这样的坏处就是会导致所有的负责人的签名都是一样的，没有美感，为了解决这个问题，一些公司
**前言** 在报表数据处理中，Excel公式拥有强大而多样的功能，广泛应用于各个业务领域。无论是投资收益计算、财务报表编制还是保险收益估算，Excel公式都扮演着不可或缺的角色。传统的做法是直接依赖Excel来实现复杂的业务逻辑，并生成相应的Excel文件。因此只需在预设位置输入相应参数，Exce
前言 Vue.js，一款当今非常流行的基于JavaScript的开源框架，旨在构建动态的可交互应用。 Vue.js以其直观的语法和灵活的架构而广受全球开发者的欢迎和赞誉。随着时间的推移，Vue不断进化，为开发者提供更多优秀的工具，以提高他们的效率，构建卓越的应用。 在本文中，小编将为大家介绍八款适用
CentOS 7 中默认安装了 Python，但是版本是2.x的，由于2020年python2.x将停止更新，因此需要将版本升级至3.x。但由于python2.x是系统集成的，很多命令都是要基于python2.x，比如：yum。因此在更新 Python 时，建议新旧版本共存。 当前初始环境 # 该系
在当今数字化时代，数据分析和可视化成为企业决策和发展的重要支撑，很多 BI 工具昂贵的许可费用，让许多中小型企业用户和个人用户望而却步，开源 BI 工具的出现，让其成为很多用户进行数据分析展示的首选。目前市面上主流的开源 BI 产品，例如 Metabase 和 Superset，都是由国外的开发者开发的，这导致国内用户上手的时候都觉得不适应。
数据类型是计算机编程中将不同类型的数据值分类和定义的方式。 通过数据类型，可以确定数据的存储方式和内存占用量，了解不同类型的数据进行各种运算的能力。 使用`pandas`进行数据分析时，最常用到的几种类型是： 1. 字符串类型，各类文本内容都是字符串类型 2. 数值类型，包括整数和浮点数，可用于计算
在`pandas`中，索引（`index`）是用于访问数据的关键。 它为数据提供了基于标签的访问能力，类似于字典，可以根据标签查找和访问数据。 而`pandas`的轴（`axis`）是指数据表中的一个维度，可以理解为表格中的行和列。 通过指定轴，我们可以对数据进行切片、筛选、聚合等操作。 下面简要介
在`numpy`中，数组可以看作是一系列数值的有序集合，可以通过下标访问其中的元素。处理数组的过程中，经常需要用到数组过滤功能。 过滤功能可以在处理数据时非常有用，因为它可以使数据更加干净和可读性更强。例如，在进行数据分析时，通常需要去除异常值，过滤掉不必要的元素可以使数据更加易于分析和处理。 `n
学习`pandas`的过程中，为了尝试`pandas`提供的各类功能强大的函数，常常需要花费很多时间去创造测试数据。 在`pandas`中，快速创建测试数据可以更快的评估 `pandas` 函数。通过生成一组测试数据，可以评估例如 `read_csv`、`read_excel`、`groupby`等
在 `pandas` 中，如果遇到数据量特别大的情况，随机挑选 DataFrame 的子集可以帮助我们更深入地了解数据，从而更好地进行数据分析和决策。 随机挑选子集的用途主要有： 1. 评估数据质量：随机挑选 DataFrame 的子集可以帮助我们检查数据集的质量，以便进一步探索和挖掘数据。例如，我
重命名 `pandas` 数据中列的名称是一种常见的数据预处理任务。这通常是因为原始数据中的列名称可能不够清晰或准确。例如，列名可能包含空格、大写字母、特殊字符或拼写错误。 使用 `pandas` 的 `rename`函数可以帮助我们更改列名，从而使数据更加清晰和易于理解。此外，重命名列名还可以确保
