怎么查询php的位数，php显示时间常用方法小结？
一、PHP函数Date()获取当前时间
代码如下:<?php echo $showtime=date("Y-m-d H:i:s");?>
显示的格式: 年-月-日 小时:分钟:秒
相关参数：
a："am"或者"pm"
A："AM"或者"PM"
d：几日，二位数字，若不足二位则前面补零，如: "01"至"31"
D：星期几，三个英文字母，如: "Fri"
F：月份，英文全名，如: "January"
h：12 小时制的小时，如: "01"至"12"
H：24 小时制的小时，如: "00"至"23"
g：12 小时制的小时，不足二位不补零，如: "1"至12"
G：24 小时制的小时，不足二位不补零，如: "0"至"23"
i：分钟，如: "00"至"59"
j：几日，二位数字，若不足二位不补零，如: "1"至"31"
l：星期几，英文全名，如："Friday"
m：月份，二位数字，若不足二位则在前面补零；如: "01"至"12"
n：月份，二位数字，若不足二位则不补零；如："1"至"12"
M：月份，三个英文字母；如："Jan"
s：秒；如："00"至"59"
S：字尾加英文序数，二个英文字母；如："th"、"nd"
t：指定月份的天数；如："28"至"31"
U：总秒数
w：数字型的星期几，如: "0"（星期日）至"6"（星期六）
Y：年，四位数字；如："1999"
y：年，二位数字；如："99"
z：一年中的第几天；如："0"至"365"
二、PHP5中Date()函数获取时间相差8小时问题的解决方法
只需在输出时间之前加个定义：date_default_timezone_set("PRC");，代码：
<?php
date_default_timezone_set("PRC");
echo date("Y-m-d H:i:s");
?>
三、PHP获取文件创建时间和最后修改时间的函数
filemtime(string filename)：返回文件上次被修改的时间，出错时返回false。时间以Unix时间戳的方式返回，可用于Date()。
filectime(string filename)：返回文件上次inode被修改的时间，如果出错则返回false。时间以Unix时间戳的方式返回。
fileatime(string filename)：返回文件上次被访问的时间，如果出错则返回false。时间以Unix时间戳的方式返回。
四、PHP比较两个日期相差天数
代码：
<?php
echo (strtotime("2008-08-24 00:00:00")-strtotime("2008-08-08 00:00:00"))/86400;
?>
PHP之sprintf函数用法详解？
sprintf返回一个格式化输出的字符串。sprintf("%.10f",$num);意思是将$num变量以浮点数并且保留小数点后10位数的形式输出
普渡经济的创始人是谁？
普渡经济投资公司的创始人邢海建先生，毕业于中国排名前十位的大学。
普渡的投资包含医药研发，与滑铁卢大学知名教授合作推出飞秒医学平台。
与多伦多西奈山医院世界著名皮肤病专家合作在全球市场推广抗衰老医美融合产品。
与加拿大最大养老集团的专家，加拿大精算师共同提出以人寿保险为抵押的免费养老模式，这个方案解决了世界多个国家养老基金入不敷出的问题。
邢海建先生于上世纪90年代移民至加拿大，现在主要在全世界推动铝氢能源在汽车工业的升级改造。
每项技术研发都是为中国量身定做，获得国际专利PTC铝水制氢技术。
v9推荐位是干什么用的？
你写文章的时候在内容的下面就有一排的推荐位，，你勾选之后那么就可以掉出来这些文章了。比如你的网站推荐某一些新闻，你可以更新的时候选择一个推荐位，然后调用它就可以了。
比如你的网站要展示一条非常显眼的新闻，你可以加一个推荐位，id=1那么你就可以通过标签掉出来这个推荐位的文章，等你过段时间要更换新闻的时候只需要重新更新一篇文章选择id=1的推荐位就可以了
python做可视化数据分析？
Python语言的可读性、可解释性都很强。还拥有很多方便的第三方库，可以灵活选择需要的库，绘制出很漂亮的可视化图表。
从数据描述、描述性统计分析、模型构建，到最后模型表现对比，都可以使用Python及适当的第三方库，实现精美可视化。以下，用动手做过的要给案例为例子，做简单说明。案例的具体代码，可以点击文末链接细看！
描述性统计分析阶段：饼图——展现标签类变量，单变量中各类标签的占比观察数据集中流失与未流失客户的占比情况
环形图（饼图的一种）——按照目标变量进行分类，绘制单个标签变量中不同类型的占比。环形图，按照客户是否流失进行分类，每类客户中男女的占比
上面展现的这个环形图画法，可以封装为一个函数。调用函数，传入需要绘制的变量，就可以绘制响应变量的双环形图；还可以直接使用for循环，一次绘制n多个图。
甚至还可以根据你想要的展示结果进行调整，一次展示更多内容。
柱状图、直方图——分组展现数值型数据的分布情况按照是否流失进行划分，观察不同存续期间的用户占比
散点图（Scatter plot）——观察数值型数据分布情况最简单的方法数据集中三个数值型数据，按照用户是否流失划分之后的散点图
除了展现单变量中的数据分布，还可以绘制双变量散点图，初步观察两个变量之间的关系。
按照存续时间长短份分类，用户月消费与总消费关系散点图
展现变量相关性的Heatmapheatmap热力图
主成分分析（PCA）结果可视化输出2维特征的主成分分析结果散点图展示
雷达图（Radar plot）——用于用户画像分析很合适按照用户是否流失划分，各个分类变量计数情况
模型构建阶段以逻辑回归为例：
可以显示模型report表格分类report
混淆矩阵可视化、模型的得分可视化混淆矩阵和模型得分
特征重要性可视化特征重要性排序
使用多个模型，可以在最后将所有模型表现进行汇总比较各个指标输出为表格模型指标得分表格输出
第一列显示了构建的分类模型，一共11个。
各模型、各指标得分情况的水平柱状图各模型、各指标水平柱状图
各模型混淆矩阵组合图模型混淆矩阵组合图
模型ROC曲线组合图模型ROC曲线组合图
模型精密找回曲线组合图PR曲线组合图
完整过程，可以参照以下文章：Kaggle|电信客户流失分析：Part one
Kaggle|电信用户流失分析：Part two
Kaggle|电信用户流失分析：Part three
Kaggle|电信用户流失分析：Part four