Luca Liu 中文博客 | A self-taught coder who dreams of retiring early, working as a Data Analyst in Germany.

本文介绍了如何通过学习Python和Pandas库来提升职场人士的工作效率，尤其是对于没有编程背景的用户。随着数据驱动时代的到来，处理Excel文件变得越来越重要，而Python可以帮助用户自动化重复性操作、处理大量数据，并进行复杂的数据清洗和转换。文章建议初学者从Pandas入手，利用在线编程平台如Deepnote和Google Colab，轻松上手。掌握基本的Excel读取和数据处理技能后，用户可以利用AI辅助编程，进一步提高工作效率。最后，鼓励读者勇敢尝试，持续学习，利用Python解决实际问题，从而在职场中获得更大的成就感和效率提升。

本文介绍了在使用NotionNext项目搭建多语言博客时，遇到的URL路径叠加问题及其解决方案。具体问题表现为语言切换时，URL错误地叠加，影响用户体验。经过分析，发现问题源于Notion菜单配置、Next.js路由处理和重写规则冲突。尝试了多种解决方案，最终决定采用硬编码语言菜单的方法，完全绕过Notion的菜单系统。通过创建LanguageMenu组件和修改菜单组件，成功实现了准确的语言切换逻辑，避免了路径冲突。该解决方案提供了更好的用户体验和更高的维护性，适合需要在NotionNext中实现多语言功能的用户参考。

本文介绍了如何使用Python与本地LLM模型进行交互，包括启动本地LLM系统、列出可用模型、获取响应等步骤。通过RESTful API接口，用户可以轻松与本地模型进行交互，发送提示并接收相应的输出。文章提供了具体的代码示例，涵盖了单次提示和多轮对话的处理，适合编程新手与开发者使用，帮助提高工作效率和创新能力。

LLM

productivity

🛳️

本文探讨了本地大语言模型（LLMs）在个人生产力和效率提升方面的革命性应用。随着隐私保护需求和边缘计算能力的增强，2025年本地LLMs将成为效率爱好者的重要工具。文章介绍了本地LLMs在个人知识管理、提升生产力、个人数据分析、自动化工作流程和学习支持工具等方面的具体应用场景。通过集成本地LLMs，用户可以实现更智能、高效的工作系统，同时保证数据隐私和安全。本文还预测了本地LLMs的崛起及其未来潜力，鼓励读者分享使用经验和工具。

LLM

productivity

👢

本文介绍了如何在Mac上使用本地大型语言模型（LLM），特别是LLaMA模型，以提高数据分析和日常工作效率。强调了本地LLM的优势，包括保护隐私、处理速度快、成本低以及更强的控制能力。文章提供了详细的步骤指南，包括下载LM Studio和LLaMA模型，如何与LLaMA进行对话，以及在Obsidian中使用本地LLM的多种用例。通过掌握本地LLM模型，用户不仅可以提升工作效率，还能在职业发展中脱颖而出。

本文介绍了SQL窗口函数的强大功能，重点讨论了常用的窗口函数，包括ROW_NUMBER()、RANK()、DENSE_RANK()、NTILE()、LEAD()和LAG()。通过示例销售数据表，展示了如何使用这些函数来分析销售数据，包括为销售分配唯一行号、排名、密集排名、分组以及与相邻行进行比较。掌握这些窗口函数将有助于更有效地处理复杂的数据分析和排名任务，为数据分析师提供实用的工具。

本文介绍了如何使用Python脚本通过Medium API自动将Markdown文件发布到Medium平台，旨在简化内容发布流程。首先，用户需生成集成令牌以进行身份验证，然后获取用户详细信息和用户ID。接着，通过发送POST请求，用户可以发布文章，指定标题、内容格式、内容和标签。文章还指出，尽管Medium不再发放新的集成令牌，但现有令牌仍有效，使得这种自动化方法依然适用。这种工具极大提高了内容创作者的工作效率，特别是那些频繁需要将Markdown内容转换为Medium格式的用户。

在2024年Tableau大会前，Tableau宣布将Tableau Public Desktop升级为免费版的Tableau Desktop Public Edition，保留了大部分强大功能。此版本支持多种数据源连接，如Excel和CSV文件，易于使用，通过拖放功能简化复杂图表的创建。用户可自定义可视化效果，并分享作品与数据爱好者互动。Tableau Desktop Public Edition适合数据爱好者、教育工作者和专业人士，无需经济负担即可提升数据可视化技能。立即下载，探索数据可视化的无限可能，释放你的数据潜力！

本指南详细介绍了如何在Windows服务器上设置Jupyter Notebook，以实现远程访问。首先，用户可以通过conda或pip安装Jupyter Notebook。接着，用户需生成并修改配置文件以允许远程访问，并设置自定义密码以保证安全。最后，用户可以通过浏览器访问Jupyter Notebook界面，输入密码进行登录。掌握这一技能将显著提高数据分析师的工作效率和灵活性。

在Power BI中合并多个表是数据分析的重要需求。本文介绍了两种主要方法：使用DAX UNION函数和Power Query中的附加查询功能。DAX UNION允许将结构相同的多个表合并为一个新表，而Power Query的附加查询功能则通过叠加表来实现合并。通过这两种方法，用户可以根据数据结构和分析需求选择最适合的方式来整合数据，从而提高数据处理和分析的效率。

本文介绍了如何在Python中读取、写入和操作JSON文件，JSON是一种易于人类阅读和编写的数据交换格式。通过使用Python内置的json模块，您可以轻松读取JSON文件并将其内容加载为Python字典。此外，文章还提供了将数据写入JSON文件的步骤和示例代码，包括如何修改数据并保存为新的JSON文件。掌握这些基本操作将显著提高数据分析师在处理JSON数据时的效率。

本文介绍了如何在Python中使用pandas库将数据框中的行和列进行转换。首先，创建了一个示例DataFrame，包含学生的姓名和各科成绩。接着，使用melt函数将行转换为列，以便更好地展示每个学生的学科成绩。最后，通过pivot函数将列转换为行，展示不同学科的成绩。掌握这些技巧对于数据重组和分析非常重要，有助于在数据预处理阶段将数据调整为适合后续分析的格式。

1 2 3