pyecharts操作二

pyecharts操作二

  • pyecharts 是一个用于生成Echarts图表的Python库。Echarts是百度开源的一个数据可视化JS库，可以生成一些非常酷炫的图表。

  • 环境安装

    • pip install pyecharts

  • 检查版本

import pyecharts
print(pyecharts.version)
2.0.3

  • 3D柱状图绘制

import pyecharts.options as opts
from pyecharts.charts import Bar3D

hours = [
“12a”,
“1a”,
“2a”,
“3a”,
“4a”,
“5a”,
“6a”,
“7a”,
“8a”,
“9a”,
“10a”,
“11a”,
“12p”,
“1p”,
“2p”,
“3p”,
“4p”,
“5p”,
“6p”,
“7p”,
“8p”,
“9p”,
“10p”,
“11p”,
]
days = [“Saturday”, “Friday”, “Thursday”, “Wednesday”, “Tuesday”, “Monday”, “Sunday”]

data = [
[0, 0, 5],
[0, 1, 1],
[0, 2, 0],
[0, 3, 0],
[0, 4, 0],
[0, 5, 0],
[0, 6, 0],
[0, 7, 0],
[0, 8, 0],
[0, 9, 0],
[0, 10, 0],
[0, 11, 2],
[0, 12, 4],
[0, 13, 1],
[0, 14, 1],
[0, 15, 3],
[0, 16, 4],
[0, 17, 6],
[0, 18, 4],
[0, 19, 4],
[0, 20, 3],
[0, 21, 3],
[0, 22, 2],
[0, 23, 5],
[1, 0, 7],
[1, 1, 0],
[1, 2, 0],
[1, 3, 0],
[1, 4, 0],
[1, 5, 0],
[1, 6, 0],
[1, 7, 0],
[1, 8, 0],
[1, 9, 0],
[1, 10, 5],
[1, 11, 2],
[1, 12, 2],
[1, 13, 6],
[1, 14, 9],
[1, 15, 11],
[1, 16, 6],
[1, 17, 7],
[1, 18, 8],
[1, 19, 12],
[1, 20, 5],
[1, 21, 5],
[1, 22, 7],
[1, 23, 2],
[2, 0, 1],
[2, 1, 1],
[2, 2, 0],
[2, 3, 0],
[2, 4, 0],
[2, 5, 0],
[2, 6, 0],
[2, 7, 0],
[2, 8, 0],
[2, 9, 0],
[2, 10, 3],
[2, 11, 2],
[2, 12, 1],
[2, 13, 9],
[2, 14, 8],
[2, 15, 10],
[2, 16, 6],
[2, 17, 5],
[2, 18, 5],
[2, 19, 5],
[2, 20, 7],
[2, 21, 4],
[2, 22, 2],
[2, 23, 4],
[3, 0, 7],
[3, 1, 3],
[3, 2, 0],
[3, 3, 0],
[3, 4, 0],
[3, 5, 0],
[3, 6, 0],
[3, 7, 0],
[3, 8, 1],
[3, 9, 0],
[3, 10, 5],
[3, 11, 4],
[3, 12, 7],
[3, 13, 14],
[3, 14, 13],
[3, 15, 12],
[3, 16, 9],
[3, 17, 5],
[3, 18, 5],
[3, 19, 10],
[3, 20, 6],
[3, 21, 4],
[3, 22, 4],
[3, 23, 1],
[4, 0, 1],
[4, 1, 3],
[4, 2, 0],
[4, 3, 0],
[4, 4, 0],
[4, 5, 1],
[4, 6, 0],
[4, 7, 0],
[4, 8, 0],
[4, 9, 2],
[4, 10, 4],
[4, 11, 4],
[4, 12, 2],
[4, 13, 4],
[4, 14, 4],
[4, 15, 14],
[4, 16, 12],
[4, 17, 1],
[4, 18, 8],
[4, 19, 5],
[4, 20, 3],
[4, 21, 7],
[4, 22, 3],
[4, 23, 0],
[5, 0, 2],
[5, 1, 1],
[5, 2, 0],
[5, 3, 3],
[5, 4, 0],
[5, 5, 0],
[5, 6, 0],
[5, 7, 0],
[5, 8, 2],
[5, 9, 0],
[5, 10, 4],
[5, 11, 1],
[5, 12, 5],
[5, 13, 10],
[5, 14, 5],
[5, 15, 7],
[5, 16, 11],
[5, 17, 6],
[5, 18, 0],
[5, 19, 5],
[5, 20, 3],
[5, 21, 4],
[5, 22, 2],
[5, 23, 0],
[6, 0, 1],
[6, 1, 0],
[6, 2, 0],
[6, 3, 0],
[6, 4, 0],
[6, 5, 0],
[6, 6, 0],
[6, 7, 0],
[6, 8, 0],
[6, 9, 0],
[6, 10, 1],
[6, 11, 0],
[6, 12, 2],
[6, 13, 1],
[6, 14, 3],
[6, 15, 4],
[6, 16, 0],
[6, 17, 0],
[6, 18, 0],
[6, 19, 0],
[6, 20, 1],
[6, 21, 2],
[6, 22, 2],
[6, 23, 6],
]
data = [[d[1], d[0], d[2]] for d in data]

bar = (
Bar3D()
.add(
series_name=“”,
data=data,
xaxis3d_opts=opts.Axis3DOpts(type_=“category”, data=hours),
yaxis3d_opts=opts.Axis3DOpts(type_=“category”, data=days),
zaxis3d_opts=opts.Axis3DOpts(type_=“value”),
)
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(
max_=20,
range_color=[
“#313695”,
“#4575b4”,
“#74add1”,
“#abd9e9”,
“#e0f3f8”,
“#ffffbf”,
“#fee090”,
“#fdae61”,
“#f46d43”,
“#d73027”,
“#a50026”,
],
)
)
)

bar.render_notebook()
在这里插入图片描述

  • 箱型图

from pyecharts import options as opts
from pyecharts.charts import Boxplot

v1 = [
[850, 740, 900, 1070, 930, 850, 950, 980, 980, 880, 1000, 980],
[960, 940, 960, 940, 880, 800, 850, 880, 900, 840, 830, 790],
]
v2 = [
[890, 810, 810, 820, 800, 770, 760, 740, 750, 760, 910, 920],
[890, 840, 780, 810, 760, 810, 790, 810, 820, 850, 870, 870],
]
Boxplot = Boxplot()
Boxplot.add_xaxis([“expr1”, “expr2”])
Boxplot.add_yaxis(“A”, Boxplot.prepare_data(v1))
Boxplot.add_yaxis(“B”, Boxplot.prepare_data(v2))
Boxplot.set_global_opts(title_opts=opts.TitleOpts(title=“箱型图”))

Boxplot.render_notebook()
在这里插入图片描述

  • 日历图

import datetime
import random

from pyecharts import options as opts
from pyecharts.charts import Calendar

begin = datetime.date(2023, 1, 1)
end = datetime.date(2023, 12, 31)
data = [
[str(begin + datetime.timedelta(days=i)), random.randint(100, 35000)]
for i in range((end - begin).days + 1)
]

Calendar = (
Calendar()
.add(
“”,
data,
calendar_opts=opts.CalendarOpts(
range_=“2023”,
daylabel_opts=opts.CalendarDayLabelOpts(name_map=“cn”),
monthlabel_opts=opts.CalendarMonthLabelOpts(name_map=“cn”),
),
)
.set_global_opts(
title_opts=opts.TitleOpts(title=“日历图-2023年步数情况”),
visualmap_opts=opts.VisualMapOpts(
max_=33126,
min_=600,
orient=“horizontal”,
is_piecewise=True,
pos_top=“230px”,
pos_left=“100px”,
),
)
)

Calendar.render_notebook()
在这里插入图片描述

  • K线图

from pyecharts import options as opts
from pyecharts.charts import Kline

data = [
[2320.26, 2320.26, 2287.3, 2362.94],
[2300, 2291.3, 2288.26, 2308.38],
[2295.35, 2346.5, 2295.35, 2345.92],
[2347.22, 2358.98, 2337.35, 2363.8],
[2360.75, 2382.48, 2347.89, 2383.76],
[2383.43, 2385.42, 2371.23, 2391.82],
[2377.41, 2419.02, 2369.57, 2421.15],
[2425.92, 2428.15, 2417.58, 2440.38],
[2411, 2433.13, 2403.3, 2437.42],
[2432.68, 2334.48, 2427.7, 2441.73],
[2430.69, 2418.53, 2394.22, 2433.89],
[2416.62, 2432.4, 2414.4, 2443.03],
[2441.91, 2421.56, 2418.43, 2444.8],
[2420.26, 2382.91, 2373.53, 2427.07],
[2383.49, 2397.18, 2370.61, 2397.94],
[2378.82, 2325.95, 2309.17, 2378.82],
[2322.94, 2314.16, 2308.76, 2330.88],
[2320.62, 2325.82, 2315.01, 2338.78],
[2313.74, 2293.34, 2289.89, 2340.71],
[2297.77, 2313.22, 2292.03, 2324.63],
[2322.32, 2365.59, 2308.92, 2366.16],
[2364.54, 2359.51, 2330.86, 2369.65],
[2332.08, 2273.4, 2259.25, 2333.54],
[2274.81, 2326.31, 2270.1, 2328.14],
[2333.61, 2347.18, 2321.6, 2351.44],
[2340.44, 2324.29, 2304.27, 2352.02],
[2326.42, 2318.61, 2314.59, 2333.67],
[2314.68, 2310.59, 2296.58, 2320.96],
[2309.16, 2286.6, 2264.83, 2333.29],
[2282.17, 2263.97, 2253.25, 2286.33],
[2255.77, 2270.28, 2253.31, 2276.22],
]

k = (
Kline()
.add_xaxis([“2023/7/{}”.format(i + 1) for i in range(31)])
.add_yaxis(“kline”, data)
.set_global_opts(
xaxis_opts=opts.AxisOpts(is_scale=True),
yaxis_opts=opts.AxisOpts(
is_scale=True,
splitarea_opts=opts.SplitAreaOpts(
is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
datazoom_opts=[opts.DataZoomOpts()],
title_opts=opts.TitleOpts(title=“k线图”),
)
)

k.render_notebook()
在这里插入图片描述

  • 涟漪散点图

from pyecharts import options as opts
from pyecharts.charts import EffectScatter
from pyecharts.faker import Faker

e = (
EffectScatter()
.add_xaxis(Faker.choose())#随机选择一组
.add_yaxis(“”, Faker.values())
.set_global_opts(
title_opts=opts.TitleOpts(title=“EffectScatter-显示分割线”),
xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
)
)

e.render_notebook()
在这里插入图片描述

  • 热力图

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.faker import Faker
from pyecharts.globals import ChartType

h = (
Geo()
.add_schema(maptype=“china”)
.add(
“”,
[list(z) for z in zip(Faker.provinces, Faker.values())],
type_=ChartType.HEATMAP,
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(),
title_opts=opts.TitleOpts(title=“热力图”),
)
)

h.render_notebook()
在这里插入图片描述

  • 组合组件

from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line

bar = (
Bar()
.add_xaxis([“{}月”.format(i) for i in range(1, 13)])
.add_yaxis(
“蒸发量”,
[3.0, 5.9, 8.0, 24.2, 26.6, 77.7, 136.6, 163.2, 33.6, 21.0, 7.4, 4.3],
yaxis_index=0,
color=“#d14a61”,
)
.add_yaxis(
“降水量”,
[3.6, 6.9, 10.0, 27.4, 29.7, 71.7, 176.6, 183.2, 49.7, 19.8, 7.0, 3.3],
yaxis_index=1,
color=“#5793f3”,
)
.extend_axis(
yaxis=opts.AxisOpts(
name=“蒸发量”,
type_=“value”,
min_=0,
max_=250,
position=“right”,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=“#d14a61”)
),
axislabel_opts=opts.LabelOpts(formatter=“{value} ml”),
)
)
.extend_axis(
yaxis=opts.AxisOpts(
type_=“value”,
name=“温度”,
min_=0,
max_=25,
position=“left”,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=“#675bba”)
),
axislabel_opts=opts.LabelOpts(formatter=“{value} °C”),
splitline_opts=opts.SplitLineOpts(
is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
),
)
)
.set_global_opts(
yaxis_opts=opts.AxisOpts(
name=“降水量”,
min_=0,
max_=250,
position=“right”,
offset=80,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=“#5793f3”)
),
axislabel_opts=opts.LabelOpts(formatter=“{value} ml”),
),
title_opts=opts.TitleOpts(title=“多 X/Y 轴示例”),
tooltip_opts=opts.TooltipOpts(trigger=“axis”, axis_pointer_type=“cross”),
legend_opts=opts.LegendOpts(pos_left=“25%”),
)
)

line = (
Line()
.add_xaxis([“{}月”.format(i) for i in range(1, 13)])
.add_yaxis(
“平均温度”,
[3.0, 3.2, 4.3, 5.5, 7.3, 11.2, 21.3, 24.4, 24.0, 17.5, 13.0, 7.2],
yaxis_index=2,
color=“#675bba”,
label_opts=opts.LabelOpts(is_show=False),
)
)

bar1 = (
Bar()
.add_xaxis([“{}月”.format(i) for i in range(1, 13)])
.add_yaxis(
“蒸发量 1”,
[3.0, 5.9, 8.0, 24.2, 26.6, 77.7, 136.6, 163.2, 33.6, 21.0, 7.4, 4.3],
color=“#d14a61”,
xaxis_index=1,
yaxis_index=3,
)
.add_yaxis(
“降水量 2”,
[3.6, 6.9, 10.0, 27.4, 29.7, 71.7, 176.6, 183.2, 49.7, 19.8, 7.0, 3.3],
color=“#5793f3”,
xaxis_index=1,
yaxis_index=4,
)
.extend_axis(
yaxis=opts.AxisOpts(
name=“蒸发量”,
type_=“value”,
min_=0,
max_=250,
position=“right”,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=“#d14a61”)
),
axislabel_opts=opts.LabelOpts(formatter=“{value} ml”),
)
)
.extend_axis(
yaxis=opts.AxisOpts(
type_=“value”,
name=“温度”,
min_=0,
max_=25,
position=“left”,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=“#675bba”)
),
axislabel_opts=opts.LabelOpts(formatter=“{value} °C”),
splitline_opts=opts.SplitLineOpts(
is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
),
)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(grid_index=1),
yaxis_opts=opts.AxisOpts(
name=“降水量”,
min_=0,
max_=250,
position=“right”,
offset=80,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=“#5793f3”)
),
axislabel_opts=opts.LabelOpts(formatter=“{value} ml”),
),
tooltip_opts=opts.TooltipOpts(trigger=“axis”, axis_pointer_type=“cross”),
legend_opts=opts.LegendOpts(pos_left=“65%”),
)
)

line1 = (
Line()
.add_xaxis([“{}月”.format(i) for i in range(1, 13)])
.add_yaxis(
“平均温度 1”,
[3.0, 3.2, 4.3, 5.5, 7.3, 11.2, 21.3, 24.4, 24.0, 17.5, 13.0, 7.2],
color=“#675bba”,
label_opts=opts.LabelOpts(is_show=False),
xaxis_index=1,
yaxis_index=5,
)
)

overlap_1 = bar.overlap(line)
overlap_2 = bar1.overlap(line1)

grid = (
Grid(init_opts=opts.InitOpts(width=“1200px”, height=“800px”))
.add(
overlap_1, grid_opts=opts.GridOpts(pos_right=“58%”), is_control_axis_index=True
)
.add(overlap_2, grid_opts=opts.GridOpts(pos_left=“58%”), is_control_axis_index=True)
)

grid.render_notebook()
在这里插入图片描述

  • 平行坐标系

from pyecharts import options as opts
from pyecharts.charts import Parallel

data = [
[1, 92, 46, 126, 0.82, 34, 23, “良”],
[2, 66, 28, 79, 0.86, 45, 29, “良”],
[3, 84, 61, 85, 1.09, 73, 27, “良”],
[4, 110, 82, 122, 1.28, 68, 51, “轻度污染”],
[5, 107, 78, 115, 1.07, 55, 51, “轻度污染”],
[6, 110, 82, 122, 1.28, 68, 51, “轻度污染”],
[7, 107, 78, 115, 1.07, 55, 51, “轻度污染”],
[8, 90, 66, 79, 0.86, 51, 26, “良”],
[9, 54, 34, 48, 0.64, 50, 17, “良”],
[10, 81, 56, 81, 1.01, 75, 24, “良”],
[11, 118, 82, 125, 1.03, 45, 24, “轻度污染”],
[12, 100, 72, 143, 1.1, 62, 42, “良”],
[13, 96, 70, 131, 1.28, 74, 50, “良”],
[14, 117, 88, 132, 1.47, 84, 40, “轻度污染”],
]
p = (
Parallel()
.add_schema(
[
opts.ParallelAxisOpts(dim=0, name=“data”),
opts.ParallelAxisOpts(dim=1, name=“AQI”),
opts.ParallelAxisOpts(dim=2, name=“PM2.5”),
opts.ParallelAxisOpts(dim=3, name=“PM10”),
opts.ParallelAxisOpts(dim=4, name=“CO”),
opts.ParallelAxisOpts(dim=5, name=“NO2”),
opts.ParallelAxisOpts(dim=6, name=“CO2”),
opts.ParallelAxisOpts(
dim=7,
name=“等级”,
type_=“category”,
data=[“优”, “良”, “轻度污染”, “中度污染”, “重度污染”, “严重污染”],
),
]
)
.add(“平行”, data)
.set_global_opts(title_opts=opts.TitleOpts(title=“平行坐标系”))
)

p.render_notebook()
在这里插入图片描述

  • 极坐标系

import random

from pyecharts import options as opts
from pyecharts.charts import Polar

data = [(i, random.randint(1, 100)) for i in range(10)]
c = (
Polar()
.add(
“”,
data,
type_=“effectScatter”,
effect_opts=opts.EffectOpts(scale=10, period=5),
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(title_opts=opts.TitleOpts(title=“极轴效果散射”))
)
c.render_notebook()
在这里插入图片描述

  • 雷达图

from pyecharts import options as opts
from pyecharts.charts import Radar

value_bj = [
[55, 9, 56, 0.46, 18, 6, 1],
[25, 11, 21, 0.65, 34, 9, 2],
[56, 7, 63, 0.3, 14, 5, 3],
[33, 7, 29, 0.33, 16, 6, 4],
[42, 24, 44, 0.76, 40, 16, 5],
[82, 58, 90, 1.77, 68, 33, 6],
[74, 49, 77, 1.46, 48, 27, 7],
[78, 55, 80, 1.29, 59, 29, 8],
[267, 216, 280, 4.8, 108, 64, 9],
[185, 127, 216, 2.52, 61, 27, 10],
[39, 19, 38, 0.57, 31, 15, 11],
[41, 11, 40, 0.43, 21, 7, 12],
]
value_sh = [
[91, 45, 125, 0.82, 34, 23, 1],
[65, 27, 78, 0.86, 45, 29, 2],
[83, 60, 84, 1.09, 73, 27, 3],
[109, 81, 121, 1.28, 68, 51, 4],
[106, 77, 114, 1.07, 55, 51, 5],
[109, 81, 121, 1.28, 68, 51, 6],
[106, 77, 114, 1.07, 55, 51, 7],
[89, 65, 78, 0.86, 51, 26, 8],
[53, 33, 47, 0.64, 50, 17, 9],
[80, 55, 80, 1.01, 75, 24, 10],
[117, 81, 124, 1.03, 45, 24, 11],
[99, 71, 142, 1.1, 62, 42, 12],
]
c_schema = [
{“name”: “AQI”, “max”: 300, “min”: 5},
{“name”: “PM2.5”, “max”: 250, “min”: 20},
{“name”: “PM10”, “max”: 300, “min”: 5},
{“name”: “CO”, “max”: 5},
{“name”: “NO2”, “max”: 200},
{“name”: “SO2”, “max”: 100},
]
c = (
Radar()
.add_schema(schema=c_schema, shape=“circle”)
.add(“天津”, value_bj, color=“#f9713c”)
.add(“深圳”, value_sh, color=“#b3e4a1”)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title=“雷达图-空气质量”))
)
c.render_notebook()
在这里插入图片描述

  • 散点图

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.commons.utils import JsCode
from pyecharts.faker import Faker

c = (
Scatter()
.add_xaxis(Faker.choose())#随机选择
.add_yaxis(
“商家A”,
[list(z) for z in zip(Faker.values(), Faker.choose())],
label_opts=opts.LabelOpts(
formatter=JsCode(
“function(params){return params.value[1] +’ : '+ params.value[2];}”
)
),
)
.set_global_opts(
title_opts=opts.TitleOpts(title=“散点图-多维度数据”),
tooltip_opts=opts.TooltipOpts(
formatter=JsCode(
“function (params) {return params.name + ’ : ’ + params.value[2];}”
)
),
visualmap_opts=opts.VisualMapOpts(
type_=“color”, max_=150, min_=20, dimension=1
),
)
)
c.render_notebook()
在这里插入图片描述
源文件可在这里下载：
https://download.csdn.net/download/ak2111/89043219?spm=1001.2014.3001.5501

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/494579.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

设计模式之组合模式解析

设计模式之组合模式解析

组合模式 1）概述 1.定义 组合多个对象形成树形结构以表示具有“整体—部分”关系的层次结构。 组合模式对单个对象（即叶子对象）和组合对象（即容器对象）的使用具有一致性，组合模式又称为“整体—部分”(…
阅读更多...
用Unity3D实现简单的RPG游戏

用Unity3D实现简单的RPG游戏

文章目录 开发流程及关键要素说明**1. **环境设置与项目创建******2. **场景搭建******3. **角色控制******4. **用户输入处理******5. **敌人与战斗系统******6. **物品与装备系统******7. **任务与对话系统******8. **UI与菜单系统******9. **保存与加载系统******10. **测试…
阅读更多...
以太网链路聚合——增加带宽，解决生成树收敛慢的问题

以太网链路聚合——增加带宽，解决生成树收敛慢的问题

目录 一.对STP生成树的补充 1.STP接口状态 2.STP生成树的改进 二.网络可靠性 1.单板可靠性 2.设备可靠性 3.链路可靠性 三.链路聚合 1.多条链路聚合增加带宽 2.链路聚合术语 四.链路聚合模式 1.手动模式 2.LASP模式 （1).LASP术语 （2&…
阅读更多...
SecurityOauth2

SecurityOauth2

引入SpringSecurity SpringSecurity 实现原理是提供了一个过滤器链，其中主要过滤器如下所示： 认证流程示意： 授权过程 SpringSecurity 会使用 FilterSecurityInterceptor 来进行权限校验，在 FilterSecurityInterceptor 中 会从…
阅读更多...
Go-js,css,html压缩和混淆(可直接使用)

Go-js,css,html压缩和混淆(可直接使用)

前提条件: 本地安装nodejs环境然后配置全局环境变量。 运行以下命令安装uglify压缩工具 npm install uglify-js -g 测试是否安装成功 uglifyjs -v 使用方式: 根据不同的操作系统取对应的压缩工具,然后将压缩工具放到项目根目录下,然后执行即可 工具文件: https://gitee.com…
阅读更多...
协程库-锁类-实现线程互斥同步

协程库-锁类-实现线程互斥同步

mutex.h：信号量，互斥锁，读写锁，范围锁模板，自旋锁，原子锁 锁 **锁不能进行拷贝操作：**锁是用于管理多线程并发访问共享资源的同步原语。这些锁包括互斥锁（mutex）、读写锁…
阅读更多...
ElementUI中的el-table表格实现动态添加一行、删除一行、清空所有行

ElementUI中的el-table表格实现动态添加一行、删除一行、清空所有行

ElementUI中的el-table表格实现动态添加一行、删除一行、清空所有行 1、需求分析2、代码实现HTMLdatamethods 1、需求分析 ElementUI中的el-table中实现动态添加一行、删除一行、清空所有行 2、代码实现 HTML <div class"middle-wrapper"><el-buttontype…
阅读更多...
Golang hash/crc32 库实战指南：从基础到优化

Golang hash/crc32 库实战指南：从基础到优化

Golang hash/crc32 库实战指南&#xff1a;从基础到优化 引言理解CRC32hash/crc32库概览实战技巧数据校验性能优化多线程应用 错误处理与调试错误处理调试 实际案例分析结论 总结重点回顾 引言 在现代软件开发中&#xff0c;数据的完整性和安全性至关重要。无论是数据库存储、…
阅读更多...
Python抓取抖音直播间数据：技术探索与实践

Python抓取抖音直播间数据：技术探索与实践

目录 一、引言 二、技术准备 三、分析抖音直播间网页结构 四、编写爬虫代码 五、处理反爬虫机制 六、数据清洗与存储 七、总结 一、引言 随着互联网的快速发展&#xff0c;直播行业已成为当下的热门领域。抖音作为其中的佼佼者&#xff0c;吸引了大量的用户和主播。对于…
阅读更多...
使用vue构建一个简单实用的春节红包插件！

使用vue构建一个简单实用的春节红包插件！

摘要&#xff1a;本文将介绍如何使用Vue.js构建一个简单实用的春节红包插件。该插件通过模拟红包的打开和关闭过程&#xff0c;以及金额的随机分配&#xff0c;为春节红包活动提供了一个有趣且互动的体验。 一、引言 在春节这个充满欢乐和祝福的时刻&#xff0c;红包成为了传递…
阅读更多...
Avalonia11.0.2+.Net6.0支持多语言，国际化使用DynamicResource绑定数据

Avalonia11.0.2+.Net6.0支持多语言，国际化使用DynamicResource绑定数据

Avalonia11.0.2+.Net6.0支持多语言，国际化使用DynamicResource绑定数据 介绍调整的内容效果展示介绍 本章内容是对上一章博客的补充，当时我们用的是自定义扩展的方式实现了多语言数据的绑定，本章我们用标准的 Text="{DynamicResource 名称}" 来替换 Text="{i…
阅读更多...
iphoneX系统的参数

iphoneX系统的参数

1. 2. 3. 4. 5.相关的网址信息 Apple iPhone X 規格、价格和评论 | Kalvo Apple iPhone X 規格、价格和评论 | Kalvo
阅读更多...
Android ViewPager2 setOffscreenPageLimit预加载Fragment，Kotlin

Android ViewPager2 setOffscreenPageLimit预加载Fragment，Kotlin

Android ViewPager2 setOffscreenPageLimit预加载Fragment&#xff0c;Kotlin import android.os.Bundle import android.util.Log import android.view.LayoutInflater import android.view.View import android.view.ViewGroup import android.widget.TextView import androi…
阅读更多...
社交革命：Facebook如何塑造数字社交的未来

社交革命：Facebook如何塑造数字社交的未来

引言 在当今数字化时代&#xff0c;社交媒体已成为人们生活的核心&#xff0c;而Facebook作为其中的领军者&#xff0c;一直在塑造着数字社交的未来。本文将深入探讨Facebook在数字社交领域的地位、影响力以及对未来社交的塑造作用&#xff0c;为读者揭示这场社交革命如何由Fa…
阅读更多...
华为开源自研AI框架昇思MindSpore应用案例：梯度累加

华为开源自研AI框架昇思MindSpore应用案例：梯度累加

目录 一、环境准备1.进入ModelArts官网2.使用CodeLab体验Notebook实例 二、案例实现 梯度累加的训练算法&#xff0c;目的是为了解决由于内存不足&#xff0c;导致Batch size过大神经网络无法训练&#xff0c;或者网络模型过大无法加载的OOM&#xff08;Out Of Memory&#xff…
阅读更多...
华为实验-基于用户和应用的安全策略

华为实验-基于用户和应用的安全策略

CLI举例&#xff1a;基于用户和应用的安全策略 通过配置安全策略&#xff0c;实现基于用户、时间段以及应用的访问控制。 组网需求 如图1所示&#xff0c;某企业在网络边界处部署了FW作为安全网关。 企业根据员工级别和职能不同划分了三种用户&#xff1a;高层管理者、市场员…
阅读更多...
OSG编程指南＜二十一＞：OSG视图与相机视点更新设置及OSG宽屏变形

OSG编程指南＜二十一＞：OSG视图与相机视点更新设置及OSG宽屏变形

1、概述 什么是视图？在《OpenGL 编程指南》中有下面的比喻，从笔者开始学习图形学就影响深刻，相信对读者学习场景管理也会非常有帮助。 产生目标场景视图的变换过程类似于用相机进行拍照，主要有如下的步骤： （1）把照相机固定在三脚架上，让它对准场景（视图变换）。 （2）…
阅读更多...
The Annotated Transformer 阅读学习

The Annotated Transformer 阅读学习

查资料的间隙发现一篇介绍Transformer的文章&#xff0c;觉得写得很好&#xff0c;但是时间有限一时半会没办法深入去读这里就做了简单的阅读记录&#xff0c;英语水平有限这里只好借助于机器翻译的帮助&#xff0c;将阅读的内容记录下来&#xff0c;等后续有时间再来回顾。 原…
阅读更多...
前端-html-02

前端-html-02

1.列表 标签名功能和语义属性单标签还是双标签ul无序列表包裹元素双标签 ol 有序列表包裹元素双标签li列表项双标签dl定义列表包裹元素双标签dt定义列表项标题双标签dd定义列表项描述双标签 li必须由Ul或者ol包裹 <!DOCTYPE html> <html><head><…
阅读更多...
Linux(CentOS)/Windows-C++ 云备份项目(服务器网络通信模块,业务处理模块设计，断点续传设计)

Linux(CentOS)/Windows-C++ 云备份项目(服务器网络通信模块,业务处理模块设计，断点续传设计)

此模块将网络通信模块和业务处理模块进行了合并 网络通信通过httplib库搭建完成业务处理&#xff1a; 文件上传请求&#xff1a;备份客户端上传的文件&#xff0c;响应上传成功客户端列表请求&#xff1a;客户端请求备份文件的请求页面&#xff0c;服务器响应文件下载请求&…
阅读更多...
最新文章

Copyright @ 2022~2023