前言 zabbix运行一段时间之后，会留下大量的历史数据，会发现zabbix的数据库一直在增大。运行3个月后笔者的数据库达到了5G，可能造成系统性能下降，查看历史数据时查询速度缓慢。 zabbix里面最大的表就是历史记录的表了，网上很多人都是写全部清空这些表的数据，其实我们可以按时间来删除里面的历史记录。 一、查看数据库中zabbix的存储 1、登录数据库 [root@zabbix ~]# mysql -uroot -p 2、查看数据库zabbix库中的存储 MariaDB [(none)]> show databases; +--------------------+ | Databas

##IB历史数据下载器 ＃＃＃＃信息 此代码可用于使用 Python 2.7 和 IbPy 通过盈透证券的 API 下载 S&P500 成分股的报价。 它会在每次请求后暂停 10 秒，这样您就不会超过每分钟 60 个符号的限制。 此外，它会跟踪您下载了哪些符号。 如果您需要检查遗漏的符号，请转到“downloaded_symbols.csv”文件并将其与整个 S&P500 列表进行匹配。 除了您需要在与 python 脚本相同的文件夹中创建一个名为“csv_day_test”的文件夹之外，没有什么可使用的。 它非常简单（并且不应该像 GUI 版本有时那样挂起）。 在“1 D”的过程中执行“1 min”条是硬编码的。 如果您想下载其他数据，请更改这些。 您还可以按预期添加/减去符号。 如果您希望它将接收到的数据打印到 Python 窗口中，您可以删除“print msg.reqId, m

本资源是利用python爬取真气网上北京、上海和广州三大城市2013年12月至2019年11月空气质量历史数据，爬虫代码可以在博主的博客中找到，希望对大家有用。

2003-01-02,四 ---2021-12-16,四 提供期货所有主连数据日线图数据，期货量化提供咨询

流量预测 交通预测是使用历史数据（时间序列）预测道路网络（图形）中未来交通测量（例如，体积，速度等）的任务。 通常可以通过排除来更好地定义事物，因此以下是我不包括的类似事物： 不包括纽约出租车和自行车（以及其他类似的数据集，例如uber），因为它们倾向于表示为网格而不是图形。 通过室内，通过兴趣点（POI）值机或通过运输网络来预测人员流动性。 预测轨迹。 通过传感器为自动驾驶汽车预测单个汽车的运动。 交通数据估算。 交通异常检测。 这些文件是随意选择的。 概括 纸上表格和公开数据集的表格摘要。 纸张按时间顺序反向排序。 不保证此表的完整性或准确性（如果发现任何错误，请提出问题）。 纸 会场 出版日期 ＃个其他数据集 麦德龙 PeMS-BAY PeMS-D7（M） PeMS-D7（L） PeMS-04 PeMS-08 环形 深圳出租车 损失环 PeMS-03 P

使用机器学习预测寿命 一个典型的回归机器学习项目利用历史数据来预测对未来的见解。 该问题陈述旨在通过给定各种特征来预测一个国家的预期寿命。 预期寿命是对人的平均预期寿命的统计量度，预期寿命取决于多种因素：地区差异，经济状况，性别差异，心理疾病，身体疾病，教育程度，出生年份和其他人口统计因素。 该问题陈述提供了一种预测生活在该国的人的平均预期寿命的方法，该因素包括以下因素：年份，GDP，教育程度，该国人的饮酒量，医疗保健系统的支出以及在该国发生的某些与特定疾病相关的死亡。国家。

MuttonTimeSeries:利用澳大利亚羊肉统计局提供的历史数据，应用SARIMA建模方法，并使用ADF，PADF，BIC，EACF等诊断工具进行验证，以深入了解来年将要生产的羊肉的数量和趋势

主要目标，针对某只股票，下载历史股价数据，模拟买入和卖出操作，计算持仓份数，累计盈亏。依赖：excel2007或更高版本，需要支持vba，启用宏。 步骤： 1.输入股票代码，和日期范围。 2.点击“下载数据”。 3.输入买入份数，卖出份数。 4.自动计算持仓份数，累计盈亏。 注意事项： 请不要修改sheet名称。 如果有新的股票，可手动添加到“股票代码”页面

鲲之鹏的技术人员将在本文介绍一种通过模拟操作微信App的方式采集指定公众号的所有历史数据的方法。 通过我们抓包分析发现，微信公众号的历史数据是通过HTTP协议加载的，对应的API接口如下图所示，其中有四个关键参数（__biz、appmsg_token、pass_ticket以及Cookie）。 为了能够拿到这四个参数，我们需要模拟操作App，让其产生这些参数，然后我们再抓包获取。对于模拟App操作，前面我们曾介绍过通过Python模拟安卓App的方法(详见http://www.site-digger.com/html/articles/20180912/664.html)。对于HTTP集成抓

基于历史数据分析金融投资风险的方法，孙浩，史团委，R基于历史数据，本文建立了数理统计概率、VaR两个数学模型对金融投资风险进行建模分析。首先，通过皮尔逊卡方拟合检验法和概率纸�