【机器学习数据可视化-04】Pyecharts数据可视化宝典

一、引言

  在大数据和信息爆炸的时代，数据可视化成为了信息传递和展示的关键手段。通过直观的图表和图形，我们能够更好地理解数据，挖掘其背后的信息。Pyecharts，作为一款基于Python的数据可视化库，凭借其丰富的图表类型和灵活的配置选项，成为了数据可视化领域的佼佼者。

  Pyecharts的特点和优势主要包括：

  1. 丰富的图表类型：Pyecharts支持多种常见的图表类型，如折线图、柱状图、饼图、地图等，满足各种数据可视化的需求。
  2. 灵活的配置选项：Pyecharts提供了丰富的配置项和参数，用户可以根据需要自定义图表的样式、布局等，使图表更加符合个人或团队的风格。
  3. 易于集成：Pyecharts可以与Python的各种Web框架（如Flask、Django）无缝集成，方便在Web应用中展示数据可视化图表。
  4. 交互式图表：Pyecharts支持创建交互式图表，用户可以通过鼠标点击、拖动等方式与图表进行交互，更深入地探索数据。

  本文的目的是详细介绍Pyecharts的使用方法和一些常见的图表类型，并通过实际案例展示Pyecharts在数据可视化中的应用。

二、Pyecharts基础
1. Pyecharts的安装和基本使用

安装：

  Pyecharts的安装非常简单，可以通过pip进行安装。在命令行中输入以下命令即可：

pip install pyecharts

基本使用：

  使用Pyecharts创建图表的基本步骤包括：

  1. 导入所需的库和模块。
  2. 创建一个图表对象（如折线图对象、柱状图对象等）。
  3. 添加数据到图表中（使用add_xaxis()和add_yaxis()等方法）。
  4. 配置图表的样式和布局（使用各种配置项和参数）。
  5. 渲染图表并保存为图片或HTML文件。

  以下是一个简单的示例，展示如何使用Pyecharts创建一个柱状图：

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

# 创建一个柱状图对象
bar = Bar()

# 添加数据到图表中
bar.add_xaxis(["A", "B", "C", "D", "E"])
bar.add_yaxis("Series", [10, 20, 30, 40, 50])

# 配置图表的样式和布局（可选）
bar.set_global_opts(title_opts=opts.TitleOpts(title="My Bar Chart"))

# 渲染图表并保存为HTML文件
bar.render("my_bar_chart.html")

  结果如下3.1所示：

2. 常用的配置项和参数介绍

  Pyecharts提供了丰富的配置项和参数，用于自定义图表的样式、布局等。以下是一些常用的配置项和参数：

  • 标题配置：使用title_opts参数配置图表的标题，包括标题文本、位置、颜色等。
  • 坐标轴配置：使用xaxis_opts和yaxis_opts参数配置X轴和Y轴的样式和属性，如标签、刻度线、分割线等。
  • 数据项配置：使用add_xaxis()和add_yaxis()等方法添加数据到图表中，并可以配置数据项的样式和属性，如颜色、标记符号等。
  • 全局配置项：使用set_global_opts()方法配置图表的全局样式和布局，如标题、图例、背景色等。
  • 其他配置项：根据不同的图表类型，还有一些特定的配置项和参数可供选择，如饼图的扇区标签、地图的区域颜色等。

  通过合理配置这些参数，用户可以创建出符合自己需求的精美图表。

三、基础图表绘制

1. 柱状图（Bar Chart）

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

# 创建一个柱状图对象
bar = Bar()

# 添加数据到图表中
bar.add_xaxis(["A", "B", "C", "D", "E"])
bar.add_yaxis("Series", [10, 20, 30, 40, 50])

# 配置图表的样式和布局（可选）
bar.set_global_opts(title_opts=opts.TitleOpts(title="My Bar Chart"))

# 渲染图表并保存为HTML文件
bar.render("my_bar_chart.html")

在这里插入图片描述

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


c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values())
    .add_yaxis("商家B", Faker.values())
    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题"))
    .render("bar_base.html")
)

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType

list2 = [
    {"value": 12, "percent": 12 / (12 + 3)},
    {"value": 23, "percent": 23 / (23 + 21)},
    {"value": 33, "percent": 33 / (33 + 5)},
    {"value": 3, "percent": 3 / (3 + 52)},
    {"value": 33, "percent": 33 / (33 + 43)},
]

list3 = [
    {"value": 3, "percent": 3 / (12 + 3)},
    {"value": 21, "percent": 21 / (23 + 21)},
    {"value": 5, "percent": 5 / (33 + 5)},
    {"value": 52, "percent": 52 / (3 + 52)},
    {"value": 43, "percent": 43 / (33 + 43)},
]

c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis([1, 2, 3, 4, 5])
    .add_yaxis("product1", list2, stack="stack1", category_gap="50%")
    .add_yaxis("product2", list3, stack="stack1", category_gap="50%")
    .set_series_opts(
        label_opts=opts.LabelOpts(
            position="right",
            formatter=JsCode(
                "function(x){return Number(x.data.percent * 100).toFixed() + '%';}"
            ),
        )
    )
    .render("stack_bar_percent.html")
)

在这里插入图片描述

2. 折线图（Line Chart）

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

"""
Gallery 使用 pyecharts 1.1.0
参考地址: https://echarts.apache.org/examples/editor.html?c=line-stack

目前无法实现的功能:

暂无
"""


x_data = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
y_data = [820, 932, 901, 934, 1290, 1330, 1320]


(
    Line()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="邮件营销",
        stack="总量",
        y_axis=[120, 132, 101, 134, 90, 230, 210],
        label_opts=opts.LabelOpts(is_show=False),
    )
    .add_yaxis(
        series_name="联盟广告",
        stack="总量",
        y_axis=[220, 182, 191, 234, 290, 330, 310],
        label_opts=opts.LabelOpts(is_show=False),
    )
    .add_yaxis(
        series_name="视频广告",
        stack="总量",
        y_axis=[150, 232, 201, 154, 190, 330, 410],
        label_opts=opts.LabelOpts(is_show=False),
    )
    .add_yaxis(
        series_name="直接访问",
        stack="总量",
        y_axis=[320, 332, 301, 334, 390, 330, 320],
        label_opts=opts.LabelOpts(is_show=False),
    )
    .add_yaxis(
        series_name="搜索引擎",
        stack="总量",
        y_axis=[820, 932, 901, 934, 1290, 1330, 1320],
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="折线图堆叠"),
        tooltip_opts=opts.TooltipOpts(trigger="axis"),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
        xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),
    )
    .render("stacked_line_chart.html")
)

在这里插入图片描述

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

c = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values(), areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
    .add_yaxis("商家B", Faker.values(), areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-面积图"))
    .render("line_area_style.html")
)

在这里插入图片描述

3. 散点图（Scatter Chart）

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

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Scatter-VisualMap(Color)"),
        visualmap_opts=opts.VisualMapOpts(max_=150),
    )
    .render("scatter_visualmap_color.html")
)

在这里插入图片描述

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

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values())
    .add_yaxis("商家B", Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Scatter-VisualMap(Size)"),
        visualmap_opts=opts.VisualMapOpts(type_="size", max_=150, min_=20),
    )
    .render("scatter_visualmap_size.html")
)

在这里插入图片描述

4. 饼图（Pie Chart）

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

c = (
    Pie()
    .add("", [list(z) for z in zip(Faker.choose(), Faker.values())])
    .set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
    .set_global_opts(title_opts=opts.TitleOpts(title="Pie-设置颜色"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    .render("pie_set_color.html")
)

在这里插入图片描述

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


v = Faker.choose()
c = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(v, Faker.values())],
        radius=["30%", "75%"],
        center=["25%", "50%"],
        rosetype="radius",
        label_opts=opts.LabelOpts(is_show=False),
    )
    .add(
        "",
        [list(z) for z in zip(v, Faker.values())],
        radius=["30%", "75%"],
        center=["75%", "50%"],
        rosetype="area",
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图示例"))
    .render("pie_rosetype.html")
)

在这里插入图片描述

四、进阶图表绘制

1. 地图（Map）

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

c = (
    Map()
    .add("商家A", [list(z) for z in zip(Faker.guangdong_city, Faker.values())], "广东")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Map-广东地图"), visualmap_opts=opts.VisualMapOpts()
    )
    .render("map_guangdong.html")
)

在这里插入图片描述

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

c = (
    Map()
    .add("商家A", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Map-VisualMap（连续型）"),
        visualmap_opts=opts.VisualMapOpts(max_=200),
    )
    .render("map_visualmap.html")
)

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Map3D
from pyecharts.globals import ChartType

example_data = [
    [[119.107078, 36.70925, 1000], [116.587245, 35.415393, 1000]],
    [[117.000923, 36.675807], [120.355173, 36.082982]],
    [[118.047648, 36.814939], [118.66471, 37.434564]],
    [[121.391382, 37.539297], [119.107078, 36.70925]],
    [[116.587245, 35.415393], [122.116394, 37.509691]],
    [[119.461208, 35.428588], [118.326443, 35.065282]],
    [[116.307428, 37.453968], [115.469381, 35.246531]],
]
c = (
    Map3D()
    .add_schema(
        maptype="山东",
        itemstyle_opts=opts.ItemStyleOpts(
            color="rgb(5,101,123)",
            opacity=1,
            border_width=0.8,
            border_color="rgb(62,215,213)",
        ),
        light_opts=opts.Map3DLightOpts(
            main_color="#fff",
            main_intensity=1.2,
            is_main_shadow=False,
            main_alpha=55,
            main_beta=10,
            ambient_intensity=0.3,
        ),
        view_control_opts=opts.Map3DViewControlOpts(center=[-10, 0, 10]),
        post_effect_opts=opts.Map3DPostEffectOpts(is_enable=False),
    )
    .add(
        series_name="",
        data_pair=example_data,
        type_=ChartType.LINES3D,
        effect=opts.Lines3DEffectOpts(
            is_show=True,
            period=4,
            trail_width=3,
            trail_length=0.5,
            trail_color="#f00",
            trail_opacity=1,
        ),
        linestyle_opts=opts.LineStyleOpts(is_show=False, color="#fff", opacity=0),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="Map3D-Lines3D"))
    .render("map3d_with_lines3d.html")
)

在这里插入图片描述

2. 雷达图（Radar Chart）

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("北京", value_bj, color="#f9713c")
    .add("上海", value_sh, color="#b3e4a1")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="Radar-空气质量"))
    .render("radar_air_quality.html")
)

在这里插入图片描述

3. 词云图（Word Cloud）

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

"""
Gallery 使用 pyecharts 1.1.0
参考地址: https://gallery.echartsjs.com/editor.html?c=xS1jMxuOVm

目前无法实现的功能:

1、暂无
"""

data = [
    ("生活资源", "999"),
    ("供热管理", "888"),
	,...,
    ("社会福利及事务", "11"),
    ("一次供水问题", "11"),
]


(
    WordCloud()
    .add(series_name="热点分析", data_pair=data, word_size_range=[6, 66])
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title="热点分析", title_textstyle_opts=opts.TextStyleOpts(font_size=23)
        ),
        tooltip_opts=opts.TooltipOpts(is_show=True),
    )
    .render("basic_wordcloud.html")
)

在这里插入图片描述

4. 热力图（Heatmap）

import random

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

value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
c = (
    HeatMap()
    .add_xaxis(Faker.clock)
    .add_yaxis(
        "series0",
        Faker.week,
        value,
        label_opts=opts.LabelOpts(is_show=True, position="inside"),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="HeatMap-Label 显示"),
        visualmap_opts=opts.VisualMapOpts(),
    )
    .render("heatmap_with_label_show.html")
)

在这里插入图片描述

五、其他类型图片

1. 3d柱状图

  具体参考链接：https://gallery.pyecharts.org/#/Bar3D/bar3d_punch_card
在这里插入图片描述

2. K线图

  具体参考链接：https://gallery.pyecharts.org/#/Candlestick/professional_kline_chart
在这里插入图片描述

3. 漏斗图

  具体参考链接：https://gallery.pyecharts.org/#/Funnel/funnel_base
在这里插入图片描述

4. 桑基图

  具体参考链接：https://gallery.pyecharts.org/#/Sankey/sankey_diagram
在这里插入图片描述
  在Pyecharts库还存在一系列优秀的可绘制的图形，如旭日图、关系图、日历图和树状图等，需要去查阅官方文档进行详细的了解。

六、Pyecharts组件

1. 层叠组件：Overlap - Overlap_bar_line

  Overlap是Pyecharts中的一种特殊图表类型，它允许用户将多个不同类型的图表叠加在一个坐标系中，从而实现多图表的对比展示。例如，可以将柱状图和折线图叠加，以在同一视图中同时展示两种类型的数据。通过Overlap类，用户可以使用如Line类、Scatter类和Bar类等创建多个不同类型的图表实例，并将它们叠加在同一张图上展示。

  Overlap类的主要方法包括：

  • add：向Overlap中添加单个图表实例。
  • extend_axis：为Overlap中的指定轴添加双轴支持。
  • set_global_opts：设置全局参数。
from pyecharts import options as opts
from pyecharts.charts import Bar, Line
from pyecharts.faker import Faker

v1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
v2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
v3 = [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2]


bar = (
    Bar()
    .add_xaxis(Faker.months)
    .add_yaxis("蒸发量", v1)
    .add_yaxis("降水量", v2)
    .extend_axis(
        yaxis=opts.AxisOpts(
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"), interval=5
        )
    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Overlap-bar+line"),
        yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} ml")),
    )
)

line = Line().add_xaxis(Faker.months).add_yaxis("平均温度", v3, yaxis_index=1)
bar.overlap(line)
bar.render("overlap_bar_line.html")

在这里插入图片描述

2、页面组件

  页面组件如标题组件（TitleOpts）在Pyecharts中用于定制图表的显示。以标题组件为例，它允许用户控制标题的显示、文本内容、链接、跳转方式以及副标题等。通过这些设置，用户可以创建出更符合自己需求的图表展示。
具体参考：https://gallery.pyecharts.org/#/Page/page_simple_layout

七、总结与展望

1. 总结Pyecharts在数据可视化方面的优势和不足

优势：

  1. 丰富的图表类型：Pyecharts支持多种类型的图表，包括折线图、柱状图、散点图、饼图、地图等，满足了数据可视化的各种需求。

  2. 易于使用：Pyecharts提供了简洁易懂的API接口，使得用户能够快速地创建出美观的图表。同时，它还提供了丰富的配置项，允许用户自定义图表的外观和行为。

  3. 交互式图表：Pyecharts支持创建交互式图表，用户可以通过点击、拖动等方式与图表进行交互，增强了数据的展示效果和用户的参与感。

  4. 跨平台支持：Pyecharts生成的图表可以在多种平台上展示，包括网页、桌面应用等，具有良好的兼容性。

  5. 高度可定制：Pyecharts允许用户自定义图表的各个部分，包括颜色、字体、标签等，使得用户能够根据自己的需求定制出独特的图表。

不足：

  1. 性能问题：在处理大规模数据集时，Pyecharts的性能可能会受到影响，导致渲染速度变慢。

  2. 社区活跃度：虽然Pyecharts有一定的用户基础，但相对于其他一些流行的数据可视化库（如D3.js、Plotly等），其社区活跃度可能较低，这可能会影响到用户获取帮助和解决问题的速度。

  3. 文档和示例不足：虽然Pyecharts的文档涵盖了基本的使用方法和一些常见配置项，但对于一些高级用法和特定场景下的配置，文档可能不够详细。同时，提供的示例也相对较少，这可能会增加用户的学习成本。

  4. 集成其他工具的能力有限：Pyecharts主要关注于生成图表本身，而在与其他工具（如数据库、数据分析库等）的集成方面可能存在一定的限制。这可能会使得用户在使用Pyecharts时需要花费额外的时间和精力来进行数据预处理和集成工作。

2. 对未来数据可视化技术的展望

  1. 智能化和自动化：随着人工智能和机器学习技术的发展，未来的数据可视化技术将更加智能化和自动化。例如，通过机器学习算法自动选择最适合的图表类型和配置参数；通过自然语言处理技术使得用户能够通过自然语言来查询和展示数据等。

  2. 实时性和动态性：随着物联网和大数据技术的发展，未来的数据可视化技术将更加注重实时性和动态性。用户需要能够实时地查看和更新数据，并通过动态图表来展示数据的变化趋势。

  3. 跨平台和多设备支持：未来的数据可视化技术将更加注重跨平台和多设备支持。用户需要能够在各种设备和平台上查看和交互图表，包括手机、平板、电脑等。

  4. 安全性和隐私保护：随着数据安全和隐私保护问题的日益突出，未来的数据可视化技术将更加注重安全性和隐私保护。例如，通过加密技术来保护数据的安全；通过访问控制和权限管理来限制用户对数据的访问等。

  5. 可视化和分析的深度融合：未来的数据可视化技术将更加注重可视化和分析的深度融合。用户需要能够通过图表来直观地展示数据，并通过分析功能来深入挖掘数据背后的规律和趋势。这将使得数据可视化技术成为数据分析中不可或缺的一部分。

八、附录
  • Pyecharts官方文档链接：https://pyecharts.org/#

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/618157.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

获取Linux上的Redis的用户名、密码、端口、host等信息

获取Linux上的Redis的用户名、密码、端口、host等信息

目录 进入redis-cli的目录 启动./redis-cli服务 查询密码 查询用户名 查询端口 查询host 参考文章：解决redis-cli连接时出现Could not connect to Redis at 127.0.0.1:6379: Connection refused-阿里云开发者社区 (aliyun.com) linux查看redis用户和密码_mo…
阅读更多...
Java构造方法详解

Java构造方法详解

在Java方法内部定义一个局部变量时，必须要初始化，否则就会编译失败，如下： 要让上述代码通过编译，只需在使用a之前给a赋一个初始值即可 如果是对象：下面用一个日期类演示 我们没有给年月日赋值，…
阅读更多...
纯血鸿蒙APP实战开发——首页下拉进入二楼效果案例

纯血鸿蒙APP实战开发——首页下拉进入二楼效果案例

介绍 本示例主要介绍了利用position和onTouch来实现首页下拉进入二楼、二楼上划进入首页的效果场景，利用translate和opacity实现动效的移动和缩放，并将界面沉浸式（全屏）显示。 效果图预览 使用说明 向下滑动首页页面超过触发距…
阅读更多...
实验室纳新宣讲会（java后端）

实验室纳新宣讲会（java后端）

前言 2024-5-12 22:00:39 这是陈旧已久的草稿 2021-09-16 15:41:38 发布一下 当时我进入实验室，也是大二了，实验室纳新需要宣讲， 但是当时有疫情，又没宣讲成。 实验室纳新宣讲会（java后端） 首先&#x…
阅读更多...
【计算机网络】物理层 通信基础、奈氏准则、香农公式 习题2

【计算机网络】物理层 通信基础、奈氏准则、香农公式 习题2

下列说法中正确的是( )。 A. 信道与通信电路类似，一条可通信的电路往往包含一个信道 B.调制是指把模拟数据转换为数字信号的过程 C. 信息传输速率是指通信信道上每秒传输的码元数 D.在数值上，波特率等于比特率与每符号所含的比特数的比值 信息传输速率&a…
阅读更多...
【进程通信】了解信号以及信号的产生

【进程通信】了解信号以及信号的产生

文章目录 0.前言1.信号的基本概念1.1中断1.1.1 软中断1.1.2硬中断 1.2异步1.2.1异步和同步的比较 2.信号的主要用途3.信号的特点4.查看信号4.1Core和Term的区别4.2生成Core文件 5.初识捕捉信号5.1signal函数 6.产生信号的方式6.1.通过终端按键产生信号6.2.调用系统函数向进程发…
阅读更多...
浅谈如何做好软件项目

浅谈如何做好软件项目

如何做好软件项目，这是摆在软件实施团队每个人面前的关键问题。笔者在此提出一些浅见，供大家参考。欢迎在评论区交流！ 目录 【摘要】 【正文】 一、树立正确的需求调研理念 二、谋定而后动的开发工作 三、大道至简的系统设计 四、专注项…
阅读更多...
hcip实验6：BGP综合实验

hcip实验6：BGP综合实验

实验拓扑： 实验配置： ip地址配置： #R1 [R1]int g0/0/0 [R1-GigabitEthernet0/0/0]ip add 12.1.1.1 24 [R1-GigabitEthernet0/0/0]int l0 [R1-LoopBack0]ip add 172.16.0.1 32 [R1-LoopBack0]int l1 [R1-LoopBack1]ip add 192.168.1.1 24#R2…
阅读更多...
算法笔记——数位DP

算法笔记——数位DP

一、前置知识 1.DP小知识 D P DP DP 是一种算法思想，用递推方程的方式解决问题。但是使用它要满足如下性质： 最优子结构： 子结构优秀，整个就优秀。无后效性：当前决策不会影响后面。 2.DP实现方法 众所周知&#xf…
阅读更多...
环境变量（全）

环境变量（全）

概念 环境变量(environment variables)一般是指在操作系统中用来指定操作系统运行环境的一些参数 如：我们在编写C/C代码的时候，在链接的时候，从来不知道我们的所链接的动态静态库在哪里，但是照样可以链接成功，生成可执…
阅读更多...
2024中国(重庆)机器人展览会8月举办

2024中国(重庆)机器人展览会8月举办

2024中国(重庆)机器人展览会8月举办 邀请函 主办单位： 中国航空学会 重庆市南岸区人民政府 招商执行单位： 重庆港华展览有限公司 2024中国重庆机器人展会将汇聚机器人全产业链知名企业，世界科技领先的生产制造企业与来自多个国家和地区…
阅读更多...
Python | Leetcode Python题解之第78题子集

Python | Leetcode Python题解之第78题子集

题目： 题解： class Solution:def subsets(self, nums: List[int]) -> List[List[int]]:self.res []self.backtrack([], 0, nums)return self.resdef backtrack(self, sol, index, nums):self.res.append(sol)for i in range(index, len(nums)):self…
阅读更多...
2024中国(重庆)无人机展览会8月在重庆举办

2024中国(重庆)无人机展览会8月在重庆举办

2024中国(重庆)无人机展览会8月在重庆举办 邀请函 主办单位： 中国航空学会 重庆市南岸区人民政府 招商执行单位： 重庆港华展览有限公司 报名：【交易会I 59交易会2351交易会9466】 展会背景： 为更好的培养航空航天产业和无人…
阅读更多...
鸿蒙内核源码分析(Shell编辑篇) | 两个任务,三个阶段

鸿蒙内核源码分析(Shell编辑篇) | 两个任务,三个阶段

系列篇从内核视角用一句话概括shell的底层实现为：两个任务，三个阶段。其本质是独立进程，因而划到进程管理模块。每次创建shell进程都会再创建两个任务。 客户端任务(ShellEntry)： 负责接受来自终端(控制台)敲入的一个个字符&…
阅读更多...
OFDM802.11a的FPGA实现（十二）使用FFT IP核添加循环前缀

OFDM802.11a的FPGA实现（十二）使用FFT IP核添加循环前缀

原文链接（相关文章合集）：OFDM 802.11a的xilinx FPGA实现 目录 1.前言2.循环前缀3.硬件实现4.ModelSim仿真 1.前言 为了能够消除传输过程当中的符号间干扰，在IFFT处理完毕之后还要加上循环前缀。 2.循环前缀 实际通信信道中,由于接…
阅读更多...
HTML表单创建学习

HTML表单创建学习

文章目录 1、创建HTML框架2.body标签CSS3.表单创建3.1、添加fieldset与label标签3.2、为label标签添加css样式3.3、添加input标签3.4、添加提交按钮3.5、在input标签中添加required3.6、添加minlength属性3.7、pattern属性3.8、设置表单单选按钮无法同时选中3.9、添加链接3.10、…
阅读更多...
机器人系统ros2-开发实践06-将静态坐标系广播到 tf2(Python)-定义机器人底座与其传感器或非移动部件之间的关系

机器人系统ros2-开发实践06-将静态坐标系广播到 tf2(Python)-定义机器人底座与其传感器或非移动部件之间的关系

发布静态变换对于定义机器人底座与其传感器或非移动部件之间的关系非常有用。例如，最容易推断激光扫描仪中心框架中的激光扫描测量结果。 1. 创建包 首先，我们将创建一个用于本教程和后续教程的包。调用的包learning_tf2_py将依赖于geometry_msgs、pyth…
阅读更多...
简约在线生成短网址系统源码 短链防红域名系统 带后台

简约在线生成短网址系统源码 短链防红域名系统 带后台

简约在线生成短网址系统源码 短链防红域名系统 带后台 安装教程：访问 http://你的域名/install 进行安装 源码免费下载地址抄笔记 (chaobiji.cn)https://chaobiji.cn/
阅读更多...
刨析YOLOv8的改进模块

刨析YOLOv8的改进模块

1、YOLOv5回顾 这里粗略回顾一下，这里直接提供YOLOv5的整理的结构图吧：Backbone：CSPDarkNet结构，主要结构思想的体现在C3模块，这里也是梯度分流的主要思想所在的地方；PAN-FPN：双流的FPN，必须香，也必须快，但是量化还是有些需要图优化才可以达到最优的性能，比如cat前后…
阅读更多...
支持视频切片的开源物联网平台

支持视频切片的开源物联网平台

软件介绍 MzMedia开源视频联动物联网平台是一个简单易用的系统,该平台支持主流短视频平台（如抖音、快手、视频号）的推流直播功能，同时提供视频切片等功能。系统后端采用Spring Boot，前端采用Vue3和Element Plus，消息服…
阅读更多...
最新文章

Copyright @ 2022~2023