【R + Python】iNaturalist 网站图片下载 inat api

图片描述

文章目录

  • 一、iNaturalist 简介
  • 二、R语言API：rinat
  • 三、示例
    • 3.1 获取观测数据
    • 3.2 绘制可视化图像
      • 函数用法
    • 3.4 在区域网格中搜索
    • 3.5 下载图片
      • 3.51 提取图片 url
      • 3.52 下载图片: R语言
      • 3.53 下载图片: python
  • 四、获取详细rinat包的文档

一、iNaturalist 简介

💻网址：https://www.inaturalist.org/

iNaturalist 是一个全球性的自然观察社区和生物多样性数据库，它允许用户记录和分享他们在自然界中的观察。这个平台由加州科学院（California Academy of Sciences）和国家地理学会（National Geographic Society）联合资助，并且得到了微软“AI for Earth”项目的支持，提供云计算资源和人工智能技术帮助提升图像识别能力。

用户可以在iNaturalist上记录他们遇到的各种生物，包括动物、植物、真菌等，并且可以上传相关的图片或描述。这些观察记录可以贡献给科学研究，帮助科学家和资源管理者了解生物多样性的分布和状况。iNaturalist社区鼓励用户参与讨论，鉴定物种，并与其他自然爱好者交流。

此外，iNaturalist还提供了一些额外的功能，比如创建项目（Projects）、运行生物多样性调查活动（Bioblitz）、以及通过图鉴（Life List）来管理和展示个人的自然观察记录。

iNaturalist不仅是一个数据记录平台，它还注重社区的建设和参与。它鼓励用户成为公民科学家，通过参与项目和活动来贡献自己的观察数据，这些数据可以被科学家用于研究和保护生物多样性。

总的来说，iNaturalist是一个强大的工具，它结合了社区的力量和科技的支持，旨在促进自然观察、生物多样性研究和环境保护。

🧩网站图片示例：
在这里插入图片描述

二、R语言API：rinat

R 语言提供了用于该网站的包。

rinat 是一个R语言的包，它提供了一个程序化接口来访问iNaturalist网站提供的API，以便下载由公民科学家提交的物种出现数据。这个包允许用户通过各种搜索参数来检索观察数据，例如物种名称、地点、日期、记录质量等。

以下是一些rinat包的主要功能：

  1. 获取观察数据：使用get_inat_obs()函数，可以根据查询字符串、物种名称、地点、日期等条件来检索iNaturalist上的观察数据。

  2. 项目观察：通过get_inat_obs_project()函数，可以获取特定项目的所有观察数据，如果知道项目的ID或iNaturalist上的slug名称。

  3. 观察详情：使用get_inat_obs_id()函数，可以通过观察ID来检索特定观察的详细信息。

  4. 用户观察：get_inat_obs_user()函数允许你获取特定用户的所有观察数据。

  5. 物种统计：get_inat_taxon_stats()函数可以获取特定物种的统计信息。

  6. 用户统计：get_inat_user_stats()函数可以获取特定用户的统计信息。

  7. 制图功能：inat_map()函数可以快速创建基本地图，以可视化搜索结果。

安装rinat包的步骤如下：

  • 通过CRAN安装最新版本：
install.packages("rinat")
  • 或者，从GitHub安装开发版本：
remotes::install_github("ropensci/rinat")

三、示例

3.1 获取观测数据

以get_inat_obs函数为例： 参数

参数描述
query查询字符串，用于进行一般搜索。
taxon_name根据 iNaturalist 分类名称进行过滤。注意，这也会选择后代分类单元的观测。名称可能不是唯一的，匹配多个分类时可能返回空结果。
taxon_id根据 iNaturalist 分类 ID 进行过滤。与 taxon_name 类似，也会选择后代分类单元的观测。
place_id根据 iNaturalist 地点 ID 进行过滤。
quality数据的质量等级，必须是 “casual”（随意）或 “research”（研究）。如果留空，则返回所有质量的数据。
geo仅返回有地理参考的结果。如果设置为 TRUE，将排除没有地理参考的数据。
annotation根据注解进行过滤。是一个长度为 2 的向量，第一个元素是术语 ID（例如 “1” 表示生命阶段），第二个元素是值 ID（例如 “2” 表示成体）。
year只返回指定年份的观测结果（只能是一个具体年份，不能是年份范围）。
month根据月份过滤观测结果，必须为 1 到 12 的数字。
day根据日期过滤观测结果，必须为 1 到 31 的数字。
bounds搜索范围的边界框，以经度（-180 到 180）和纬度（-90 到 90）表示。格式为 [南纬, 西经, 北纬, 东经]，也可以提供 sf 或 sp 对象来确定边界框。
maxresults返回结果的最大数量，不应超过 10000。
meta布尔值。如果设置为 TRUE，函数输出将是一个包含元数据和数据框的列表；如果为 FALSE（默认），则只返回数据框。

返回值

  • 返回一个包含请求的观测数据的数据框。
  • 如果 meta = TRUE，则返回一个包含元数据和数据框的列表。

这个函数的过滤功能有时可能不稳定，尤其是 query 参数。在某些情况下，使用 taxon 字段进行科学名称过滤可能效果更好。

🟢搜索伦敦，2024年的图片：

library(rinat)
library(sf)

# 这是伦敦的行政区划数据文件，我前一篇文章写了
London <- st_read('E:/Analysis/zenodo/data/admin/boundaries/London.shp')

observations <- get_inat_obs(bounds = London ,quality ='research',maxresults = 10,year = 2024)

返回结果包含很多信息，打印返回数据的类型和列名：

> class(observations)
[1] "data.frame"
> colnames(observations)
 [1] "scientific_name"                  "datetime"                         "description"                     
 [4] "place_guess"                      "latitude"                         "longitude"                       
 [7] "tag_list"                         "common_name"                      "url"                             
[10] "image_url"                        "user_login"                       "id"                              
[13] "species_guess"                    "iconic_taxon_name"                "taxon_id"                        
[16] "num_identification_agreements"    "num_identification_disagreements" "observed_on_string"              
[19] "observed_on"                      "time_observed_at"                 "time_zone"                       
[22] "positional_accuracy"              "public_positional_accuracy"       "geoprivacy"                      
[25] "taxon_geoprivacy"                 "coordinates_obscured"             "positioning_method"              
[28] "positioning_device"               "user_id"                          "user_name"                       
[31] "created_at"                       "updated_at"                       "quality_grade"                   
[34] "license"                          "sound_url"                        "oauth_application_id"            
[37] "captive_cultivated"

使用image_url就可以下载该图片。

比如这张：https://static.inaturalist.org/photos/444220864/medium.jpeg

3.2 绘制可视化图像

🟢(1) 简单的plot绘制，根据经纬度绘制点即可：

# 绘制观测点，设置颜色
plot(observations$longitude, observations$latitude, 
     col = "blue",   # 设置点的颜色为蓝色
     pch = 19,       # 设置点的形状，19 是实心圆点
     xlab = "Longitude", 
     ylab = "Latitude",
     main = "iNaturalist Observations in London 2024")  # 设置图形标题

在这里插入图片描述

🟢（2）inat_map函数绘制

map <- inat_map(observations,map = 'world', subregion = "UK")

这个貌似只能精确到国家，比如我搜索的是伦敦的数据，但绘图是英国的。
在这里插入图片描述

inat_map() 函数用于绘制 iNaturalist 观测数据的地图。该函数不仅可以自动绘制地图，还可以返回一个 ggplot 对象，供用户进一步修改和添加图层。

函数用法

inat_map(data, map = "usa", subregion = ".", plot = TRUE)
参数描述
data包含 iNaturalist 观测数据的数据框，通常通过 get_inat_obs() 获取，数据中必须包含经纬度。
map要绘制的地图区域，默认值为 "usa"（美国），可以参考 map 包的文档获取其他区域的名称。
subregion地图子区域名称，默认是 "."，即整个指定区域，也可以根据需求绘制更小的子区域。
plot逻辑值，默认值为 TRUE，表示直接绘制地图。如果为 FALSE，则返回一个 ggplot 对象，用户可以进一步修改。

🟢（3）使用ggplot2

library(ggplot2)

# 将观测数据转换为 sf 对象，便于与伦敦边界一起绘制
# 使用 longitude 和 latitude 列作为坐标
observations_sf <- st_as_sf(observations, coords = c("longitude", "latitude"), crs = st_crs(London))

# 使用 ggplot2 绘制伦敦边界和观测数据
ggplot() +
  geom_sf(data = London, fill = "lightgray", color = "black") +    # 绘制伦敦边界
  geom_sf(data = observations_sf, aes(color = species_guess), size = 3) +  # 绘制观测数据，使用 species_guess 作为颜色
  scale_color_viridis_d() +  # 使用 Viridis 颜色刻度
  labs(title = "iNaturalist Observations in London 2024", color = "Species") +  # 添加标题和颜色标签
  theme_minimal()

在这里插入图片描述

3.4 在区域网格中搜索

将目标区域分为多个网格，在每个网格中进行搜索，这样可以是的搜索结果更加均匀。

注意：网格尺度太大，或者搜索限制太宽松，会导致get_inat_obs函数返回太多值，会报错。

或者错误的边界会返回0个结果(网格区域表示为[南纬, 西经, 北纬, 东经]，顺序不能错了)。

在这里插入图片描述

🔹🔹示例代码：

# 加载所需的包
library(rinat)
library(dplyr)
library(sf)
library(ggplot2)

gc()

# 读取伦敦边界 shapefile
London <- st_read('E:/Analysis/zenodo/data/admin/boundaries/London.shp')

grid <- London %>%
  # 将伦敦边界转换为英国国家网格坐标系（OSGB 1936，EPSG:27700），这是一个常用的投影系统，适合用于测量距离（以米为单位）。
  st_transform(27700) %>% 
  st_make_grid(cellsize = 10000) %>% 
  st_sf() %>% 
  mutate(cell = seq(1:nrow(.))) %>%
  select(cell, everything()) %>%
  st_transform(4326)


# 统计每个网格的观测数据
observations_list <- lapply(1:nrow(grid), function(i) {
  g <- grid[i, ]  # 选择第i个网格
  bbox <- st_bbox(g)  # 获取边界框
  bounds <- c(bbox["ymin"], bbox["xmin"], bbox["ymax"], bbox["xmax"])  # [南纬, 西经, 北纬, 东经]
  
  print(paste("searching for observations in grid cell",i,"out of",nrow(grid)))
  
  # 获取每个网格区域内的 iNaturalist 观测数据，限制为10个
  obs <- get_inat_obs(bounds = bounds, maxresults = 10,quality = 'research',year = 2024)  
  
  print(paste("..success..adding",nrow(obs),"records"))
  
  # 检查是否有观测数据返回
  if (nrow(obs) > 0) {
    return(obs)
  } else {
    return(NULL)  # 没有数据返回NULL
  }
})

# 将观测数据列表转换为数据框，去除NULL值
observations_df <- do.call(rbind, observations_list)

# 将观测数据转换为 sf 对象
observations_sf <- st_as_sf(observations_df, coords = c("longitude", "latitude"), crs = st_crs(London))

# 过滤观测数据，只保留在伦敦边界内的观测
observations_within_london <- observations_sf[st_intersects(observations_sf, London) %>% lengths > 0,] 

# 如果有观测数据，转换为 sf 对象
if (nrow(observations_within_london) > 0) {
  # 使用 ggplot2 绘制伦敦边界和观测数据
  ggplot() +
    geom_sf(data = London, fill = "lightgray", color = "black") +    # 绘制伦敦边界
    geom_sf(data = observations_within_london, aes(color = species_guess), size = 3, show.legend = FALSE) +  # 绘制观测数据
    scale_color_viridis_d() +  # 使用 Viridis 颜色刻度
    labs(title = "iNaturalist Observations in London 2024", color = "Species") +  # 添加标题
    theme_minimal()
} else {
  print("没有找到任何观测数据。")
}

3.5 下载图片

其实就是根据图片的url下载，很多语言都可以实现的。

3.51 提取图片 url

你也可以根据需要，保存更多的变量，比如经纬度之类的。

# 保存图片的url
inat_urls <- observations_within_london %>%
  st_drop_geometry() %>%  # 去掉 geometry 列
  select(id,image_url)%>%
  mutate(id = paste0("i",id)) %>%
  filter(!is.na(id) & !is.na(image_url))

library(tidyverse)
write_csv(inat_urls, paste0("./inat_urls_1.csv"))

3.52 下载图片: R语言

# 加载必要的包
library(tidyverse)

# 读取 CSV 文件
inat_urls <- read_csv("./inat_urls_1.csv")

# 确保 URL 列和 ID 列的名称正确
url_column <- "image_url"
id_column <- "id"

# 创建一个下载目录（如果没有的话）
dir.create("images", showWarnings = FALSE)

# 下载每个 URL 对应的图片
for (i in 1:nrow(inat_urls)) {
  # 获取当前 URL 和对应的 ID
  image_url <- inat_urls[[url_column]][i]
  image_id <- inat_urls[[id_column]][i]
  
  # 生成保存图片的文件名，使用 ID
  image_name <- paste0("images/", image_id, ".jpg")  # 假设文件格式为 .jpg，调整为实际格式
  
  # 下载图片
  tryCatch({
    download.file(image_url, destfile = image_name, mode = "wb")  # mode = "wb" 适用于二进制文件
    message(paste("Downloaded:", image_name))
  }, error = function(e) {
    message(paste("Failed to download:", image_url))
  })
}

在这里插入图片描述

3.53 下载图片: python

这是论文：Social media and deep learning reveal specific cultural preferences for biodiversity 的参考代码

下载中断后可以继续上次的下载，做法是：下载过的图片，在csv文件中会新增dl列，值设置为Y。

在这里插入图片描述

import time
import pandas as pd
import urllib.request
import urllib.error
import http
from io import BytesIO

from PIL import Image, ImageFile

ImageFile.LOAD_TRUNCATED_IMAGES = True

# csv 文件序号后缀
s = 1

# Set directory
proj_dir = "E:/R_Language"


# General functions

def open_image(entry):
    """function to open image"""

    img = []  # empty img list object as default

    image_url = entry.iloc[1]  # start with lowest resolution image

    if image_url != image_url:
        print("...none available")

        image_url = []

    print(f"image found at {image_url}")

    if len(image_url) != 0:

        e = None  # empty error object
        n = 0  # create request error counter

        while True:

            try:

                response = urllib.request.urlopen(image_url)
                img = Image.open(BytesIO(response.read()))
                img = img.convert('RGB')
                img = [img.resize((400, 400))]
                break

            except (urllib.error.ContentTooShortError, ConnectionResetError) as ex:

                print(ex)
                print('error...retrying...')

                n += 1
                if n > 10:  # after ten error messages, move on
                    break

                time.sleep(1)
                continue

            except (urllib.error.HTTPError, http.client.IncompleteRead,
                    urllib.error.URLError) as ex:

                print(ex)
                if str(ex) in ("HTTP Error 403: Forbidden", "HTTP Error 404: Not Found", "HTTP Error 410: Gone"):

                    print('...does not exist...moving on...')
                    e = ex
                    break

                else:
                    print('...retrying...')
                    time.sleep(2)
                    continue

    return (img)


def next_id(df):
    """function to load index of last downloaded image"""

    if 'dl' in df:

        df = df.iloc[:, 2]
        i = pd.Series.last_valid_index(df) + 1

    else:
        i = 0

    return (i)


def main():
    # image_urls = pd.read_csv(f"{proj_dir}/data/inat/urls/inat_urls_{s}.csv")
    image_urls = pd.read_csv(f"{proj_dir}/inat_urls_{s}.csv")

    # image_dir = f"{proj_dir}/data/inat/imgs"  # results file id (later split between atts and scenes)
    image_dir = f"{proj_dir}/images"

    start_i = next_id(image_urls)

    for i in range(start_i, len(image_urls)):

        print(f"Analysing image {i + 1} out of {len(image_urls)}")

        image = open_image(image_urls.iloc[i])

        if image:  # if list is not empty
            print(f"...image exists, downloading...")

            image[0].save(f"{image_dir}/{image_urls.iloc[i, 0]}.jpg")

            image_urls.loc[i, 'dl'] = 'Y'
            # image_urls.to_csv(f"{proj_dir}/data/inat/urls/inat_urls_{s}.csv", sep=',', index=False)
            image_urls.to_csv(f"{proj_dir}/inat_urls_{s}.csv", sep=',', index=False)

        else:
            print(f"Image for metadata record {i + 1} does not exist, moving on...")
            image_urls.loc[i, 'dl'] = 'N'
            # image_urls.to_csv(f"{proj_dir}/data/inat/urls/inat_urls_{s}.csv", sep=',', index=False)
            image_urls.to_csv(f"{proj_dir}/inat_urls_{s}.csv", sep=',', index=False)


if __name__ == '__main__':
    main()

四、获取详细rinat包的文档

在R的控制台输入相关函数的帮助，即可查看全部参数和详细说明：

如：

help(get_inat_obs)

在这里插入图片描述

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/900974.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

毕业设计选题：基于Python的招聘信息爬取和可视化平台

毕业设计选题：基于Python的招聘信息爬取和可视化平台

开发语言&#xff1a;Python框架&#xff1a;djangoPython版本&#xff1a;python3.7.7数据库&#xff1a;mysql 5.7数据库工具&#xff1a;Navicat11开发软件&#xff1a;PyCharm 系统展示 采集的数据列表 招聘数据大屏 摘要 本系统通过对网络爬虫的分析&#xff0c;研究智…
阅读更多...
xlnt加载excel报错：xl/workbook.xml:2:2581: error: attribute ‘localSheetId‘ expected

xlnt加载excel报错：xl/workbook.xml:2:2581: error: attribute ‘localSheetId‘ expected

解决方案 大家不一定能看懂&#xff0c;地址里说的啥意思&#xff0c;地址过去主要说明了从https://github.com/musshorn/xlnt/tree/issue_685合入可以解决问题&#xff0c;后面再想推送到官方地址&#xff0c;但没人维护了。 我这边直接给大家说一个结果就是&#xff1a;问题…
阅读更多...
dbt-codegen: dbt自动生成模板代码

dbt-codegen: dbt自动生成模板代码

dbt项目采用工程化思维&#xff0c;数据模型分层实现&#xff0c;支持描述模型文档和测试&#xff0c;非常适合大型数据工程项目。但也需要用户编写大量yaml描述文件&#xff0c;这个过程非常容易出错且无聊。主要表现&#xff1a; 手工为dbt模型编写yaml文件&#xff0c;这过…
阅读更多...
关于eclipse的workspace

关于eclipse的workspace

如果项目很多&#xff0c;为了方便管理&#xff0c;最好不要是使用working set 对项目进行分组。一个workspace加载项目过多&#xff0c;即使进行分组&#xff0c;有些操作也很对所有项目生效。为了避免卡顿&#xff0c;建议直接使用workspace分组管理&#xff0c;而不是workin…
阅读更多...
2024年妈杯MathorCup大数据竞赛A题超详细解题思路

2024年妈杯MathorCup大数据竞赛A题超详细解题思路

2024年妈杯大数据竞赛初赛整体难度约为0.6个国赛。A题为台风中心路径相关问题&#xff0c;为评价预测问题&#xff1b;B题为库存和销量的预测优化问题。B题难度稍大于A题&#xff0c;可以根据自己队伍情况进行选择。26日早六点之前发布AB两题相关解题代码论文。 下面为大家带来…
阅读更多...
Github优质项目推荐（第八期）

Github优质项目推荐（第八期）

文章目录 Github优质项目推荐 - 第八期一、【manim】&#xff0c;66.5k stars - 创建数学动画的 Python 框架二、【siyuan】&#xff0c;19.5k stars - 个人知识管理软件三、 【GetQzonehistory】&#xff0c;1.3k stars - 获取QQ空间发布的历史说说四、【SecLists】&#xff0…
阅读更多...
【C++篇】栈的层叠与队列的流动：在 STL 的韵律中探寻数据结构的优雅之舞

【C++篇】栈的层叠与队列的流动：在 STL 的韵律中探寻数据结构的优雅之舞

文章目录 C 栈与队列详解&#xff1a;基础与进阶应用前言第一章&#xff1a;栈的介绍与使用1.1 栈的介绍1.2 栈的使用1.2.1 最小栈1.2.2 示例与输出 1.3 栈的模拟实现 第二章&#xff1a;队列的介绍与使用2.1 队列的介绍2.2 队列的使用2.2.1 示例与输出 2.3 队列的模拟实现2.3.…
阅读更多...
pair类型应用举例

pair类型应用举例

在main.cpp里输入程序如下&#xff1a; #include <iostream> //使能cin(),cout(); #include <utility> //使能pair数据类型; #include <string> //使能string字符串; #include <stdlib.h> //使能exit(); //pair类型可以将两个相同的或不同类…
阅读更多...
一个基于.NET8+WPF开源的简单的工作流系统

一个基于.NET8+WPF开源的简单的工作流系统

项目介绍 AIStudio.Wpf.AClient 是一个基于 WPF (Windows Presentation Foundation) 构建的客户端框架&#xff0c;专为开发企业级应用而设计。该项目目前版本为 6.0&#xff0c;进行了全面优化和升级&#xff0c;提供了丰富的功能和模块&#xff0c;以满足不同场景下的开发需…
阅读更多...
张驰咨询：揭秘六西格玛项目如何“重塑”手术机器人集成度

张驰咨询：揭秘六西格玛项目如何“重塑”手术机器人集成度

项目背景 XR-1000型腔镜手术机器人是精智医疗公司最新推出的智能化手术设备&#xff0c;专注于微创外科手术&#xff0c;具有高度的精度和灵活性。随产品功能的扩展以及市场需求升级&#xff0c;系统集成度成为制约其性能提升的瓶颈。当前的设计中&#xff0c;机器人各模块的集…
阅读更多...
C++20中头文件syncstream的使用

C++20中头文件syncstream的使用

<syncstream>是C20中新增加的头文件&#xff0c;提供了对同步输出流的支持&#xff0c;即在多个线程中可安全地进行输出操作&#xff0c;此头文件是Input/Output库的一部分。包括&#xff1a; 1.std::basic_syncbuf&#xff1a;是std::basic_streambuf的包装器(wrapper)&…
阅读更多...
Golang | Leetcode Golang题解之第509题斐波那契数

Golang | Leetcode Golang题解之第509题斐波那契数

题目&#xff1a; 题解&#xff1a; type matrix [2][2]intfunc multiply(a, b matrix) (c matrix) {for i : 0; i < 2; i {for j : 0; j < 2; j {c[i][j] a[i][0]*b[0][j] a[i][1]*b[1][j]}}return }func pow(a matrix, n int) matrix {ret : matrix{{1, 0}, {0, 1}}…
阅读更多...
格姗知识圈博客网站开源了！

格姗知识圈博客网站开源了！

格姗知识圈博客 一个基于 Spring Boot、Spring Security、Vue3、Element Plus 的前后端分离的博客网站&#xff01;本项目基本上是小格子一个人开发&#xff0c;由于工作和个人能力原因&#xff0c;部分技术都是边学习边开发&#xff0c;特别是前端&#xff08;工作中是后端开…
阅读更多...
中电信翼康工程师：我在 Apache SeaTunnel 社区的贡献之旅

中电信翼康工程师：我在 Apache SeaTunnel 社区的贡献之旅

贡献者Github ID&#xff1a;luckyLJY 文章整理&#xff1a;曾辉 Apache SeaTunnel 作为一款强大的数据同步和转换工具&#xff0c;凭借其部署易用性、容错机制、数据源支持、性能优势、功能丰富性以及活跃的社区支持&#xff0c;成为了数据工程师们不可或缺的利器。 因其具有的…
阅读更多...
LCD手机屏幕高精度贴合

LCD手机屏幕高精度贴合

LCD手机屏幕贴合&#xff0c;作为智能手机生产线上至关重要的一环&#xff0c;其质量直接关乎用户体验与产品竞争力。这一工艺不仅要求屏幕组件间的无缝对接&#xff0c;达到极致的视觉与触觉效果&#xff0c;还需确保在整个生产过程中&#xff0c;从材料准备到最终成品&#x…
阅读更多...
Ansible 的脚本 --- playbooks剧本

Ansible 的脚本 --- playbooks剧本

playbooks 本身由以下各部分组成 &#xff08;1&#xff09;Tasks&#xff1a;任务&#xff0c;即通过 task 调用 ansible 的模板将多个操作组织在一个 playbook 中运行 &#xff08;2&#xff09;Vars&#xff1a;变量 &#xff08;3&#xff09;Templates&#xff1a;模板 &a…
阅读更多...
【JavaEE初阶】网络编程TCP协议实现回显服务器以及如何处理多个客户端的响应

【JavaEE初阶】网络编程TCP协议实现回显服务器以及如何处理多个客户端的响应

前言 &#x1f31f;&#x1f31f;本期讲解关于TCP/UDP协议的原理理解~~~ &#x1f308;感兴趣的小伙伴看一看小编主页&#xff1a;GGBondlctrl-CSDN博客 &#x1f525; 你的点赞就是小编不断更新的最大动力 &#x1f386;那么废话不多说…
阅读更多...
提升数据处理效率：TDengine S3 的最佳实践与应用

提升数据处理效率：TDengine S3 的最佳实践与应用

在当今数据驱动的时代&#xff0c;如何高效地存储与处理海量数据成为了企业面临的一大挑战。为了解决这一问题&#xff0c;我们在 TDengine 3.2.2.0 首次发布了企业级功能 S3 存储。这一功能经历多个版本的迭代与完善后&#xff0c;逐渐发展成为一个全面和高效的解决方案。 S3…
阅读更多...
STM32应用详解（9）使用USART远程控制LED

STM32应用详解（9）使用USART远程控制LED

文章目录 前言一、使用USART远程控制LED二、代码实现及分析1.main函数2.UART串口初始化函数 前言 学习使用USART远程控制&#xff1a;在PC端通过串口助手输入数字&#xff0c;控制开发板上的LED的亮灭。 一、使用USART远程控制LED 《usart.c》文件完成UART串口初始化&#xf…
阅读更多...
Radio单选框组件封装 （学习笔记）

Radio单选框组件封装 （学习笔记）

文章目录 前言一、单选框基础布局二、使用这个组件总结 前言 单选框组件的封装 一、单选框基础布局 首先要现在文件radioBtn.vue文件 <script setup lang"ts"> defineProps<{options: {label: stringvalue: string | number}[]modelValue?: string | n…
阅读更多...
最新文章

Copyright @ 2022~2023