python|闲谈2048小游戏和数组的旋转及翻转和转置

目录

2048

生成数组

n阶方阵

方阵旋转

顺时针旋转

逆时针旋转

mxn矩阵

矩阵旋转

测试代码

测试结果

翻转和转置


2048

《2048》是一款比较流行​的数字游戏​,最早于2014年3月20日发行。原版2048由Gabriele Cirulli首先在GitHub上发布,后被移植到各个平台,并且衍生出不计其数的版本。但在网上看到,居说它也不算是原创,是基于《1024》和《小3传奇》的玩法开发而成的;还有一说,它来源于另一款游戏《Threes!》,由Asher Vollmer和Greg Wohlwend合作开发,于2014年2月6日在App Store上架。

2048游戏规则很简单,游戏开始时在4x4的方格中随机出现数字2,每次可以选择上下左右其中一个方向去滑动,每滑动一次,所有的数字方块都会往滑动的方向靠拢外,相邻的相同数字在靠拢时会相加,系统也会在空白的格子里随机增加一个数字2或4。玩家要想办法在这16格范围中,不断上下左右滑动相加数字,从而凑出“2048”这个数字方块。

实际上,这个游戏就是在操作一个4x4的二维数组,数组的元素只要1-11就行了,因为2的11次方就是2048。同样,相邻相同数字的累加就变成了相邻相同指数的递增1。

在编写这个2048游戏前,先来谈谈4x4数组的操作,对python来说虽然也有数组,但通常会用列表来操作。以下就在IDLE shell上流水账操作:

生成数组

16个数字的列表推导式:

>>> [i for i in range(16)]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]

用*解包更pythonic:

>>> [*range(16)]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]

分割成4x4二维列表:

>>> [[*range(16)][i*4:i*4+4] for i in range(4)]
[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15]]

只是数列如此写法可能更好:

>>> [[*range(i*4,i*4+4)] for i in range(4)]
[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15]]

全0列表:

>>> [[0]*4 for _ in range(4)]
[[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]

n阶方阵

从4阶方阵扩展到n阶:

>>> matrix = lambda n:[[*range(i*n,i*n+n)] for i in range(n)]
>>> matrix(4)
[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15]]
>>> matrix(5)
[[0, 1, 2, 3, 4], [5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19], [20, 21, 22, 23, 24]]
>>> matrix(6)
[[0, 1, 2, 3, 4, 5], [6, 7, 8, 9, 10, 11], [12, 13, 14, 15, 16, 17], [18, 19, 20, 21, 22, 23], [24, 25, 26, 27, 28, 29], [30, 31, 32, 33, 34, 35]]

随机生成数字1或2,比例为3:1:

>>> from random import sample as rnd
>>> rnd([1,1,1,2],1)
[1]
>>> rnd([1,1,1,2],1)
[2]
>>> rnd([1,1,1,2],1)
[2]
>>> rnd([1,1,1,2],1)

随机产生1或者2个“1”,比例为2:1:

>>> from random import sample as rnd
>>> x = 4
>>> rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
>>> rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0]
>>> rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0]
x = 5
rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0]
rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1]
rnd([0]*(x*x-2)+rnd([0,1,1],2),x*x)
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]

方阵旋转

numpy有现成的函数rot90(),表示顺时针旋转数组90度。

>>> import numpy as np
>>> np.array(range(16))
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])
>>> np.array([[*range(i*4,i*4+4)] for i in range(4)])
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
>>> array = np.array([[*range(i*4,i*4+4)] for i in range(4)])

逆时针旋转,参数k为正数:

>>> np.rot90(array)
array([[ 3,  7, 11, 15],
       [ 2,  6, 10, 14],
       [ 1,  5,  9, 13],
       [ 0,  4,  8, 12]])
>>> np.rot90(array, k=2)
array([[15, 14, 13, 12],
       [11, 10,  9,  8],
       [ 7,  6,  5,  4],
       [ 3,  2,  1,  0]])
>>> np.rot90(array, k=3)
array([[12,  8,  4,  0],
       [13,  9,  5,  1],
       [14, 10,  6,  2],
       [15, 11,  7,  3]])

顺时针旋转,参数k为负数:

>>> np.rot90(array, k=-1)
array([[12,  8,  4,  0],
       [13,  9,  5,  1],
       [14, 10,  6,  2],
       [15, 11,  7,  3]])
>>> np.rot90(array, k=-2)
array([[15, 14, 13, 12],
       [11, 10,  9,  8],
       [ 7,  6,  5,  4],
       [ 3,  2,  1,  0]])
>>> np.rot90(array, k=-3)
array([[ 3,  7, 11, 15],
       [ 2,  6, 10, 14],
       [ 1,  5,  9, 13],
       [ 0,  4,  8, 12]])

不使用numpy,只用列表推导式也能实现旋转:

顺时针旋转

>>> matrix = lambda n:[[*range(i*n,i*n+n)] for i in range(n)]
>>> mat4 = matrix(4)
>>> mat4
[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15]]
>>> [[mat[len(mat[0])-j-1][i] for j in range(len(mat[0]))] for i in range(len(mat))]
[[12, 8, 4, 0], [13, 9, 5, 1], [14, 10, 6, 2], [15, 11, 7, 3]]

写一个模拟np.array的__repr__方法来检测旋转效果:

class List():# 仅支持二维数组的展示
    def __init__(self, lst):
        self.x = lst
    def __repr__(self):
        n = len(str(max(sum(self.x,[]))))
        res = []
        for mat in self.x:
            res.append(', '.join(f'{x:>{n}}' for x in mat))
        return '],\n\t['.join(res).join(['Array([ [','] ])'])

检测结果如下:

>>> matrix = lambda n:[[*range(i*n,i*n+n)] for i in range(n)]
>>> rotate = lambda m: [[m[len(m)-j-1][i] for j in range(len(m))] for i in range(len(m[0]))]
>>> mat4 =matrix(4)
>>> List(mat4)
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
>>> List(rotate(mat4))
Array([ [12,  8,  4,  0],
    [13,  9,  5,  1],
    [14, 10,  6,  2],
    [15, 11,  7,  3] ])
>>> List(rotate(rotate(mat4)))
Array([ [15, 14, 13, 12],
    [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
>>> List(rotate(rotate(rotate(mat4))))
Array([ [ 3,  7, 11, 15],
    [ 2,  6, 10, 14],
    [ 1,  5,  9, 13],
    [ 0,  4,  8, 12] ])
>>> List(rotate(rotate(rotate(rotate(mat4)))))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])

结果符合预期,旋转4次恢复原样;同样更高阶方阵也符合:

>>> List(matrix(5))
Array([ [ 0,  1,  2,  3,  4],
    [ 5,  6,  7,  8,  9],
    [10, 11, 12, 13, 14],
    [15, 16, 17, 18, 19],
    [20, 21, 22, 23, 24] ])
>>> List(rotate(matrix(5)))
Array([ [20, 15, 10,  5,  0],
    [21, 16, 11,  6,  1],
    [22, 17, 12,  7,  2],
    [23, 18, 13,  8,  3],
    [24, 19, 14,  9,  4] ])

逆时针旋转

>>> matrix = lambda n:[[*range(i*n,i*n+n)] for i in range(n)]
>>> rotate2 = lambda m:[[m[j][len(m[0])-i-1] for j in range(len(m))] for i in range(len(m[0]))]
>>> List(rotate2(matrix(4)))
Array([ [ 3,  7, 11, 15],
    [ 2,  6, 10, 14],
    [ 1,  5,  9, 13],
    [ 0,  4,  8, 12] ])
>>> List(rotate2(rotate2(matrix(4))))
Array([ [15, 14, 13, 12],
    [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
>>> List(rotate2(rotate2(rotate2(matrix(4)))))
Array([ [12,  8,  4,  0],
    [13,  9,  5,  1],
    [14, 10,  6,  2],
    [15, 11,  7,  3] ])
>>> List(rotate2(rotate2(rotate2(rotate2(matrix(4))))))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
>>> List(rotate2(matrix(5)))
Array([ [ 4,  9, 14, 19, 24],
    [ 3,  8, 13, 18, 23],
    [ 2,  7, 12, 17, 22],
    [ 1,  6, 11, 16, 21],
    [ 0,  5, 10, 15, 20] ])
>>> List(rotate2(rotate2(matrix(5))))
Array([ [24, 23, 22, 21, 20],
    [19, 18, 17, 16, 15],
    [14, 13, 12, 11, 10],
    [ 9,  8,  7,  6,  5],
    [ 4,  3,  2,  1,  0] ])

mxn矩阵

把方阵拓展到矩阵:

>>> matrix = lambda m, n: [[i * n + j for j in range(n)] for i in range(m)]
>>> List(matrix(3,4))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11] ])
>>> List(matrix(5,4))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15],
    [16, 17, 18, 19] ])
>>> List(matrix(5,5))
Array([ [ 0,  1,  2,  3,  4],
    [ 5,  6,  7,  8,  9],
    [10, 11, 12, 13, 14],
    [15, 16, 17, 18, 19],
    [20, 21, 22, 23, 24] ])

矩阵旋转

rotate顺时针旋转,rotate2逆时针旋转

>>> matrix = lambda m, n: [[i * n + j for j in range(n)] for i in range(m)]
>>> rotate = lambda m: [[m[len(m)-j-1][i] for j in range(len(m))] for i in range(len(m[0]))]
>>> rotate2 = lambda m:[[m[j][len(m[0])-i-1] for j in range(len(m))] for i in range(len(m[0]))]
>>> List(matrix(3,4))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11] ])
>>> List(rotate(matrix(3,4)))
Array([ [ 8,  4,  0],
    [ 9,  5,  1],
    [10,  6,  2],
    [11,  7,  3] ])
>>> List(rotate2(rotate2(rotate2(matrix(3,4)))))
Array([ [ 8,  4,  0],
    [ 9,  5,  1],
    [10,  6,  2],
    [11,  7,  3] ])
>>> List(rotate(rotate(matrix(3,4))))
Array([ [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
>>> List(rotate2(rotate2(matrix(3,4))))
Array([ [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
>>> List(rotate(rotate(rotate(matrix(3,4)))))
Array([ [ 3,  7, 11],
    [ 2,  6, 10],
    [ 1,  5,  9],
    [ 0,  4,  8] ])
>>> List(rotate2(matrix(3,4)))
Array([ [ 3,  7, 11],
    [ 2,  6, 10],
    [ 1,  5,  9],
    [ 0,  4,  8] ])
>>> List(rotate(rotate(rotate(rotate(matrix(3,4))))))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11] ])
List(rotate2(rotate2(rotate2(rotate2(matrix(3,4))))))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11] ])

旋转函数还能写成如下形式,只是坐标与range参数的互调形式:

>>> rotate = lambda m: [[m[j][i] for j in range(len(m)-1,-1,-1)] for i in range(len(m[0]))]
>>> rotate2 = lambda m: [[m[j][i] for j in range(len(m))] for i in range(len(m[0])-1,-1,-1)]

lambda匿名函数虽然很简洁,但没有普通函数易懂,我们把lambda函数改成模拟np.rot90()的普通函数rotate(matrix, k=1),其中参数k为90度的倍数,正数顺时针旋转,负数则逆时针旋转:

def rotate(matrix, k=1):
    rows = len(matrix)
    cols = len(matrix[0])
    res = [[0]*rows for _ in range(cols)]
    k %= 4
    if k==1:
        for i in range(rows):
            for j in range(cols):
                res[j][rows-i-1] = matrix[i][j]
    elif k==2:
        res = [[0]*cols for _ in range(rows)]
        for i in range(rows):
            for j in range(cols):
                res[rows-i-1][cols-j-1] = matrix[i][j]
    elif k==3:
        for i in range(rows):
            for j in range(cols):
                res[cols-j-1][i] = matrix[i][j]
    else:
        return matrix
    return res

测试代码

def rotate(matrix, k=1):
    rows = len(matrix)
    cols = len(matrix[0])
    res = [[0]*rows for _ in range(cols)]
    k %= 4
    if k==1:
        for i in range(rows):
            for j in range(cols):
                res[j][rows-i-1] = matrix[i][j]
    elif k==2:
        res = [[0]*cols for _ in range(rows)]
        for i in range(rows):
            for j in range(cols):
                res[rows-i-1][cols-j-1] = matrix[i][j]
    elif k==3:
        for i in range(rows):
            for j in range(cols):
                res[cols-j-1][i] = matrix[i][j]
    else:
        return matrix
    return res


def show(matrix):
    n = len(str(max(sum(matrix,[]))))
    res = []
    for mat in matrix:
        res.append(', '.join(f'{x:>{n}}' for x in mat))
    print('],\n\t['.join(res).join(['Array([ [','] ])']))


matrix = lambda m, n: [[i * n + j for j in range(n)] for i in range(m)]

for i in range(-4,5):
    show(rotate(matrix(4,4), i))

for i in range(-4,5):
    show(rotate(matrix(5,3), i))

测试结果

Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
Array([ [12,  8,  4,  0],
    [13,  9,  5,  1],
    [14, 10,  6,  2],
    [15, 11,  7,  3] ])
Array([ [15, 14, 13, 12],
    [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
Array([ [ 3,  7, 11, 15],
    [ 2,  6, 10, 14],
    [ 1,  5,  9, 13],
    [ 0,  4,  8, 12] ])
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
Array([ [12,  8,  4,  0],
    [13,  9,  5,  1],
    [14, 10,  6,  2],
    [15, 11,  7,  3] ])
Array([ [15, 14, 13, 12],
    [11, 10,  9,  8],
    [ 7,  6,  5,  4],
    [ 3,  2,  1,  0] ])
Array([ [ 3,  7, 11, 15],
    [ 2,  6, 10, 14],
    [ 1,  5,  9, 13],
    [ 0,  4,  8, 12] ])
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
Array([ [ 0,  1,  2],
    [ 3,  4,  5],
    [ 6,  7,  8],
    [ 9, 10, 11],
    [12, 13, 14] ])
Array([ [12,  9,  6,  3,  0],
    [13, 10,  7,  4,  1],
    [14, 11,  8,  5,  2] ])
Array([ [14, 13, 12],
    [11, 10,  9],
    [ 8,  7,  6],
    [ 5,  4,  3],
    [ 2,  1,  0] ])
Array([ [ 2,  5,  8, 11, 14],
    [ 1,  4,  7, 10, 13],
    [ 0,  3,  6,  9, 12] ])
Array([ [ 0,  1,  2],
    [ 3,  4,  5],
    [ 6,  7,  8],
    [ 9, 10, 11],
    [12, 13, 14] ])
Array([ [12,  9,  6,  3,  0],
    [13, 10,  7,  4,  1],
    [14, 11,  8,  5,  2] ])
Array([ [14, 13, 12],
    [11, 10,  9],
    [ 8,  7,  6],
    [ 5,  4,  3],
    [ 2,  1,  0] ])
Array([ [ 2,  5,  8, 11, 14],
    [ 1,  4,  7, 10, 13],
    [ 0,  3,  6,  9, 12] ])
Array([ [ 0,  1,  2],
    [ 3,  4,  5],
    [ 6,  7,  8],
    [ 9, 10, 11],
    [12, 13, 14] ])

翻转和转置

翻转可以是水平方向和重置方向的:

>>> matrix = lambda m, n: [[i * n + j for j in range(n)] for i in range(m)]
>>> flipH = lambda m: [[m[i][len(m[0])-j-1] for j in range(len(m[0]))] for i in range(len(m))]
>>> flipV = lambda m: [[m[len(m)-j-1][i] for i in range(len(m[0]))] for j in range(len(m))]
>>> List(flipH(matrix(4,4)))
Array([ [ 3,  2,  1,  0],
    [ 7,  6,  5,  4],
    [11, 10,  9,  8],
    [15, 14, 13, 12] ])
>>> List(flipV(matrix(4,4)))
Array([ [12, 13, 14, 15],
    [ 8,  9, 10, 11],
    [ 4,  5,  6,  7],
    [ 0,  1,  2,  3] ])
>>> List(flipH(matrix(3,5)))
Array([ [ 4,  3,  2,  1,  0],
    [ 9,  8,  7,  6,  5],
    [14, 13, 12, 11, 10] ])
>>> List(flipV(matrix(3,5)))
Array([ [10, 11, 12, 13, 14],
    [ 5,  6,  7,  8,  9],
    [ 0,  1,  2,  3,  4] ])
>>> List(flipH(matrix(5,4)))
Array([ [ 3,  2,  1,  0],
    [ 7,  6,  5,  4],
    [11, 10,  9,  8],
    [15, 14, 13, 12],
    [19, 18, 17, 16] ])
>>> List(flipV(matrix(5,4)))
Array([ [16, 17, 18, 19],
    [12, 13, 14, 15],
    [ 8,  9, 10, 11],
    [ 4,  5,  6,  7],
    [ 0,  1,  2,  3] ])

转置可以看作是翻转和旋转的组合,对方阵来说就是以对角线为轴的翻转:

>>> transpose = lambda m: [[m[j][i] for j in range(len(m))] for i in range(len(m[0]))]
>>> List(transpose(matrix(4,4)))
Array([ [ 0,  4,  8, 12],
    [ 1,  5,  9, 13],
    [ 2,  6, 10, 14],
    [ 3,  7, 11, 15] ])
>>> List(transpose(transpose(matrix(4,4))))
Array([ [ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11],
    [12, 13, 14, 15] ])
>>> List(rotate(matrix(4,4)))
Array([ [12,  8,  4,  0],
    [13,  9,  5,  1],
    [14, 10,  6,  2],
    [15, 11,  7,  3] ])
>>> List(flipH(rotate(matrix(4,4))))
Array([ [ 0,  4,  8, 12],
    [ 1,  5,  9, 13],
    [ 2,  6, 10, 14],
    [ 3,  7, 11, 15] ])
>>> List(rotate2(matrix(4,4)))
Array([ [ 3,  7, 11, 15],
    [ 2,  6, 10, 14],
    [ 1,  5,  9, 13],
    [ 0,  4,  8, 12] ])
>>> List(flipV(rotate2(matrix(4,4))))
Array([ [ 0,  4,  8, 12],
    [ 1,  5,  9, 13],
    [ 2,  6, 10, 14],
    [ 3,  7, 11, 15] ])

在numpy中,转置由.T属性完成

>>> import numpy as np
>>> arr = np.array(matrix(3,4))
>>> arr
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> arr.T
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])
>>> arr = np.array(matrix(4,4))
>>> arr.T
array([[ 0,  4,  8, 12],
       [ 1,  5,  9, 13],
       [ 2,  6, 10, 14],
       [ 3,  7, 11, 15]])
>>> arr.T.T
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
>>> arr = np.array(matrix(5,4))
>>> arr.T
array([[ 0,  4,  8, 12, 16],
       [ 1,  5,  9, 13, 17],
       [ 2,  6, 10, 14, 18],
       [ 3,  7, 11, 15, 19]])


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/414490.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【C语言】数据存储篇,内存中的数据存储----C语言整型,浮点数的数据在内存中的存储以及大小端字节序【图文详解】

欢迎来CILMY23的博客喔,本篇为​【C语言】数据存储篇,内存中的数据存储----C语言整型,浮点数的数据在内存中的存储以及大小端字节序【图文详解】,感谢观看,支持的可以给个一键三连,点赞关注收藏。 前言 C语…

GIS之深度学习02:Anaconda2019版本安装(py38)

Anaconda是一个专注于数据科学和机器学习的开源发行版,内置了丰富的工具和库,包括Python解释器、NumPy、SciPy、Pandas、Scikit-learn、TensorFlow等,使用户能够轻松进行科学计算和数据分析。其强大的包管理器conda简化了软件包的安装和环境管…

Linux/Spectra

Enumeration nmap 第一次扫描发现系统对外开放了22,80和3306端口,端口详细信息如下 22端口运行着ssh,80端口还是http,不过不同的是打开了mysql的3306端口 TCP/80 进入首页,点击链接时,提示域名不能解析&…

4核8G服务器并发数多少?性能如何?

腾讯云4核8G服务器支持多少人在线访问?支持25人同时访问。实际上程序效率不同支持人数在线人数不同,公网带宽也是影响4核8G服务器并发数的一大因素,假设公网带宽太小,流量直接卡在入口,4核8G配置的CPU内存也会造成计算…

vue3 增加全局水印(显示登录信息)

一、纯文字水印 在main.ts页面里面 加入以下代码: // 导入 Vue 的 createApp 函数 import { createApp } from vue;// 导入全局样式文件 import ./style.css;// 导入根组件 App.vue import App from ./App.vue;// 导入路由配置 import router from ./router;// 使…

VUE从0到1创建项目及基本路由、页面配置

一、创建项目:(前提已经安装好vue和npm) 目录:E:\personal\project_pro\ windows下,win+R 输入cmd进入命令行: cd E:\personal\project_pro E:# 创建名为test的项目 vue create test# 用上下键选择vue2或vue3,回车确认创建本次选择VUE3 创建好项目后,使用…

【CSS-语法】

CSS-语法 ■ CSS简介■ CSS 实例■ CSS id 和 class选择器■ CSS 样式表■ 外部样式表(External style sheet)■ 内部样式表(Internal style sheet)■ 内联样式(Inline style)■ 多重样式 ■ CSS 文本■ CSS 文本颜色■ CSS 文本的对齐方式■ CSS 文本修饰■ CSS 文本转换■ CS…

2024智慧城市革命:人工智能、场景与运营的融合之力

在数字革命的浪潮中,2024年的智慧城市将成为人类社会进步的新地标。 三大关键元素——人工智能、场景应用和精准运营——正在重新塑造城市面貌,构建未来的智慧城市生活图景。 一、人工智能:赋能智慧城市 随着人工智能技术的快速发展&#x…

第十二篇【传奇开心果系列】Python文本和语音相互转换库技术点案例示例:深度解读SpeechRecognition语音转文本

传奇开心果系列 系列博文目录Python的文本和语音相互转换库技术点案例示例系列 博文目录前言一、SpeechRecognition语音转文本一般的操作步骤和示例代码二、SpeechRecognition 语音转文本的优势和特点三、易用性深度解读和示例代码四、多引擎支持深度解读和示例代码五、灵活性示…

VL817-Q7 USB3.0 HUB芯片 适用于扩展坞 工控机 显示器

VL817-Q7 USB3.1 GEN1 HUB芯片 VL817-Q7 USB3.1 GEN1 HUB芯片 VIA Lab的VL817是一款现代USB 3.1 Gen 1集线器控制器,具有优化的成本结构和完全符合USB标准3.1 Gen 1规范,包括ecn和2017年1月的合规性测试更新。VL817提供双端口和双端口4端口配置&…

Alist访问主页显示空白解决方法

文章目录 问题记录问题探索和解决网络方案问题探究脚本内容查看 最终解决教程 问题记录 访问Alist主页显示空白,按F12打开开发人员工具 ,选择控制台,报错如下 index.75e31196.js:20 Uncaught TypeError: Cannot assign to read only property __symbo…

我来告诉你,为什么你的第一份工作要去大厂

选择第一份工作,就像是为你的职业生涯设置航向,起点往往决定了你能飞得多高。 为什么说走进大厂是一个明智的决策呢? 简单来说,大厂不仅是一个工作的地方,它是一个成长的加速器,一个能让你的能力和视野快速…

2023年清洁纸品行业分析报告:线上市场销额突破124亿,湿厕纸为重点增长类目

如今,清洁纸品早已经成为人们日常生活的必需品,其市场规模也比较庞大。从销售数据来看,尽管2023年清洁纸品市场整体的销售成绩呈现下滑,但其市场体量仍非常大。 鲸参谋数据显示,2023年京东平台上清洁纸品市场的销量将…

【QT+QGIS跨平台编译】之五十三:【QGIS_CORE跨平台编译】—【qgssqlstatementparser.cpp生成】

文章目录 一、Bison二、生成来源三、构建过程一、Bison GNU Bison 是一个通用的解析器生成器,它可以将注释的无上下文语法转换为使用 LALR (1) 解析表的确定性 LR 或广义 LR (GLR) 解析器。Bison 还可以生成 IELR (1) 或规范 LR (1) 解析表。一旦您熟练使用 Bison,您可以使用…

分享three.js和cannon.js构建Web 3D场景

使用 three.js,您不再需要花哨的游戏PC或控制台来显示逼真的3D图形。 您甚至不需要下载特殊的应用程序。现在每个人都可以使用智能手机和网络浏览器体验令人惊叹的3D应用程序。 这个惊人的库和充满活力的社区是您在浏览器、笔记本电脑、平板电脑或智能手机上创建游…

Flink SQL 中的流式概念:状态算子

博主历时三年精心创作的《大数据平台架构与原型实现:数据中台建设实战》一书现已由知名IT图书品牌电子工业出版社博文视点出版发行,点击《重磅推荐:建大数据平台太难了!给我发个工程原型吧!》了解图书详情,…

认识AJAX

一、什么是Ajax? 有跳转就是同步,无跳转就是异步 Asynchronous Javascript And XML(异步JavaScript和XML) Ajax 异步 JavaScript 和XML。Ajax是一种用于创建快速动态网页的技术通过在后台与服务器进行少量数据交换,Ajax可以使网…

Python手册(Machine Learning)--LightGBM

Overview LightGBM(Light Gradient Boosting Machine)是一种高效的 Gradient Boosting 算法, 主要用于解决GBDT在海量数据中遇到的问题,以便更好更快的用于工业实践中。 数据结构说明lightgbm.DatasetLightGBM数据集lightgbm.Bo…

Stable Diffusion WebUI 图库浏览器插件:浏览器以前生成的图片

本文收录于《AI绘画从入门到精通》专栏,专栏总目录:点这里。 大家好,我是水滴~~ 本文介绍的插件叫图库浏览器,是一个用于浏览器以前生成的图片信息的插件。本文将介绍该插件的安装和使用,希望能够对你有所帮助。 文章…

【JavaEE】_前端POST请求使用json向后端传参

目录 1. 关于json 2. 通过Maven仓库,将Jackson下载导入到项目中 3. 使用Jackson 3.1 关于readValue方法 3.2 关于Request.class类对象 3.3 关于request对象的属性类型 3.4 关于writeValueAsString 前端向后端传递参数通常有三种方法: 第一种&…