nodeJs学习-01 http模块

 

http模块基础:

const http = require("http"); //引入http系统模块

var server = http.createServer(function(req,res){       //创建一个服务,每当有访问的时候就会执行函数
    //request:      请求   输入-请求的信息
    //response:     响应    输出

    console.log(req.url);   //获取请求URL:index.html  favicon.icon网站图标
    switch(req.url){
        case '/1.html':
            res.write('request:'+'aa1111');
            break;
        case '/2.html':
            res.write('request:'+'bb2222');
            break;
        default:
            res.write('request:'+'404');
            break;
    }

    // res.write('abc');   //abc
    res.end();  //结束请求

    // console.log('有人来了');
});

//监听-某端口
server.listen(8004);   //端口:数字:比如123
    //在浏览器访问localhost:8080测试访问,就可触发函数

 

转载于:https://www.cnblogs.com/LChenglong/p/11571064.html

内容概要:本文系统阐述了Python在数据分析与可视化领域的技术实践,涵盖数据分析基础、数据探索方法、可视化技术原理、高级可视化应用及实战案例五大方面。文章首先介绍NumPy和Pandas在数据处理与描述性统计中的核心作用,继而讲解相关性分析、分布分析和分组对比等探索性分析方法。随后深入剖析Matplotlib、Seaborn和Plotly三大可视化库的技术特点与应用场景,涵盖静态图表、统计图形到交互式可视化。最后通过交通数据的实战案例,演示从数据预处理、探索分析到多维度可视化呈现的完整流程。; 适合人群:具备Python基础、对数据处理与可视化感兴趣的初中级开发者,以及从事数据分析、运营分析、数据科学研究等相关工作的人员;尤其适合工作1-3年、希望提升数据实战能力的研发人员。; 使用场景及目标:①掌握Pandas进行数据清洗、分组聚合与描述性统计的方法;②熟练运用Matplotlib、Seaborn和Plotly实现多样化数据可视化;③通过真实案例理解探索性数据分析流程并构建交互式仪表盘;④应用于业务报表开发、数据洞察挖掘和决策支持系统建设。; 阅读建议:建议结合代码实践同步学习,重点理解不同可视化工具的适用边界,并在实战中尝试迁移应用文中案例逻辑,强化对数据分布识别、多维分析和交互设计的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值