R进阶使用技巧

news2024/11/24 1:34:04

Introduction

分享一些R进阶使用的技巧，相当于是之前写的R语言学习的实践和总结了。

  • Online slide: https://asa-blog.netlify.app/R_tips_for_advanced_use_byAsa/R_tips.html

  • 下载slide和相关的各种test文件: https://asa-blog.netlify.app/R_tips_for_advanced_use_byAsa/R_tips_for_advanced_use_byAsa.zip

  • 视频教程: https://www.bilibili.com/video/BV1eg4y1w7AL/

  • *才疏学浅，仅代表本人学习经验，R是一个宝库，此处只是冰山一角

Use R

R语言简介

R语言是S语言的一个变种。S语言由Rick Becker等人在贝尔实验室开发（著名的C语言、Unix系统开发实验室）。

R是一个自由源代码软件，GPL授权，于1997年发布，实现了与S语言基本相同的功能和统计功能。 现在由R核心团队开发，但全世界的用户都可以贡献软件包。

R的网站: http://www.r-project.org/

特点：

  • 自由软件，免费、开放源代码，支持各个主要计算机系统；
  • 具有完善的数据类型，代码简洁、可读；
  • 强调交互式数据分析，支持复杂算法描述，图形功能强；
  • 统计科研工作者广泛使用R进行计算和发表算法。R有上万扩展包(截止2023年7月5日在R包网站CRAN上有19784个)。

S语言作者，R语言专家J. M. Chambers指出R的.red[本质特征]：

  • R中所有的存在都是对象（object）；
  • R中发生的动作都是函数调用（function call）。

详细地说R有如下技术特点：

  • 函数编程（functional programming）。
  • 支持对象类和类方法，面向对象的程序设计。
  • 动态类型语言，解释执行，速度较慢。
  • 数据框（data.frame）是基本数据类型，类似于数据库的表。
  • 可以用作C和C++、FORTRAN语言编写的算法库的接口。
  • 内部数值算法采用已广泛测试和采纳的算法实现，如排序、线性代数等。

R & Rstudio

  • R是一种统计学编程语言
  • Rstudio是R语言最好的IDE（Integrated development environment）

2022年RStudio公司正式改名Posit，拥抱大数据科学生态：R、Python、Julia…

RStudio使用方法概要PDF下载：rstudio-ide.pdf

Rstuido的魔法：按住Ctrl（Command）单击某个变量名或函数名，如果是data.frame就可以进入预览窗格，
如果是函数就可以进入函数内部看具体的代码。

其实是调用了View()函数，对于不是以上类型的对象我们可以手动调用。

学习资料

  • 全面教程
    小白上手首推北大李老师的课程讲义《R语言教程》，中文讲义，简单易读，甚至整本书就是用Rbookdown编写的，电子书也比较好复制代码进行学习。

    《R语言实战》，也有中文版，介绍地更加全面且有不少进阶知识，值得一看！

    然后是著名的英文书和参考手册：

    • 《An Introduction to R》
    • 《R Cookbook》

  • 数据处理

    tidyverse全家桶，其中包含ggplot2，tibble，dplyr，readr，stringr等常用的全面的数据处理包，能够很好的满足我们下游数据处理需求：

    • 读取数据
    • 清洗数据
    • 转换数据
    • 合并数据
    • 筛选数据
    • 可视化

    官方教程：《R for Data Science》，非常建议熟读并使用

  • 可视化

    ggplot官方教程：《ggplot2: Elegant Graphics for Data Analysis》

    为可视化而建的网站：From data to Viz | Find the graphic you need

基本使用

很多人使用 R，只为用其中的某个包的某个功能，只需学会以下几步即可：

1. 装好R & Rstudio ✅
2. 认识基本数据类型，结构
  • 数值型常量 1,1e2,5L,Inf,-Inf;
  • 字符型常量 "str",'str';
  • 逻辑型常量 TRUE,FALSE,T,F;
  • 缺失值 NaN,NA, 空值 NULL;
  • 复数常量 2.2 + 3.5i;
  • 变量，区分大小写的字母、数字、下划线和句点组成变量名，支持但不建议中文;
  • 向量(vector)：用c()函数把多个元素或向量组合成一个向量。如果元素基本类型不同，将统一转换成最复杂的一个，复杂程度从简单到复杂依次为： logical<integer<double<character。此外还可以有Date和factor类型的元素
  • 列表(list)：包装保存不同类型的数据。单个列表元素必须用两重方括号格式访问,单重方括号结果还是列表而不是列表元素。普通有names属性的列表可以用$访问元素，S4对象可以用@访问元素。
  • 矩阵，数组(matrix, array)：矩阵用matrix函数定义，实际存储成一个向量，根据保存的行数和列数对应到矩阵的元素， 存储次序为按列存储。
  • 数据框(data.frame)：数据框类似于一个矩阵，有多个横行、多个纵列，各列允许有不同类型：数值型、因子、字符、日期时间，但同一列的数据类型相同。取子集应注意drop 。
  • 改进数据框(tibble)：tibble类型是一种改进的数据框，tidyverse全家桶推荐使用，确实有不少好处：
    不会随意改变我们的数据名称，类型。打印优美。
3. 装好需要的包

包是R函数、数据、预编译代码以一种定义完善的格式组成的集合。

  • 找到包，主要平台：
    • CRAN 官方存储库，多个镜像
    • BioConductor 用于生物信息学的开源软件专题库
    • Github 开发版本，无限惊喜，但也可能缺少维护
    • Bitbucket、SVN…
  • 装在哪，本机位置：

计算机上存储包的目录称为库（library）。
函数.libPaths()能够显示库所在的位置，函数library()可以显示库中有哪些包。

.libPaths()

这个地址很重要，有时候会有多个（如Windows分区），我们要搞清楚装在哪里。

  • 怎么装，例子：大部分情况下CRAN用 install.packages("pkg")，BioConductor用BiocManager::install("pkg")，Github用devtools::install_github("repos")即可。
    但有时候会有依赖包相关的报错，我们可以手动下载特定版本包文件后安装。

  • source， 源码，一堆R脚本和文本文件，我们直接在github上看的就是这个。
  • bundle， 捆绑态，其实就是打包过的source，一般.tar.gz结尾。
  • binary， 二进制版本，架构不一样，.zip(Windows)或.tgz(macOS)结尾。

所谓安装包就是把source变成binary在放在我们的.libPaths()文件夹下。

还有问题，谷歌大法，或github问包作者。
带C++的R包出问题会麻烦一些，需要考察自己本机的C语言编译器。

  • 怎么用包

首先可以用library(pkg)或require(pkg)将包导入内存，这样便可以调用其中的函数。
search()函数可以查看我们已经library的包。

library(pcutils)
search()

if(!require("pcutils")) install.packages("pcutils")

使用pkg::加上tab键可以列出某个包里所有导出的函数，多用help(pkg::func)或?pkg::func查看某个函数的用法。

如果不想用某个包了，可以用detach从当前环境移除（不是删除包）

detach("package:pcutils")
4. 正确数据/图像读入和写出

各种表格读取：read.table(), read.csv(), read.delim()

read.table("test.txt") #无法读取

当我们的表格含有 ", ', # 或者列名中含有任何非变量名字符时都要小心

read.table("test.txt",header = T,sep = "\t",comment.char = "",quote = "",check.names = F)

建议在readr包的支持下用read_csv(), read_table2(), read_delim()等函数读入。

保存为tibble类型，快得多，也不自动将字符型列转换成因子，不自动修改变量名为合法变量名。

readr::read_delim("test.txt",delim = "\t")

excel用readxl包，剪切板可用datapasta包或clipr::read_clip()。表格写出用write_*()，与读入一致。

任意文件访问，跟python很像，使用file()打开文件，close()关闭。

  • r—文本型只读;
    w—文本型只写;
    a—文本型末尾添加;
  • rb—二进制只读;
    wb—二进制只写;
    ab—二进制末尾添加;
  • r+或r+b—读写;
    w+或w+b—读写，清空文件;
    a+或a+b—读和末尾添加。

或者可以用cat()直接输出任意文本到文件。

clipr::write_clip()可以把R数据框或向量写入剪切板，可以直接粘贴他处。

图片保存：

pdf("new.pdf") #png(),jpg(),tiff(),bmp()
#画一些图
dev.off() #要记得关闭设备

ggplot2::ggsave("new.pdf",plot = p,device = "pdf") 
#p是一个ggplot对象，device可选各种文件格式

R变量储存：

R的save()命令可以将一个或者多个R变量保存到文件(.rda或.RData)中，保存结果是经过压缩的，在不同的R运行环境中兼容。
使用load()可以恢复保存的变量。

强烈建议传递数据时用这种文件，避免了数据写入和读取时引起的差异。

使用save.image()可以把整个环境的所有变量保存，方便结果复现。

保存单变量时推荐使用saveRDS()，用readRDS()载入并返回变量，这样可以将某个变量赋值给某个拟定的变量名，避免某个变量值变了我们还不知道， 如

saveRDS(old,file = "tmp.RDS")
new=readRDS("tmp.RDS")
5. 关闭R走人 ✅

R programming

程序控制结构

分支结构
x=1
if(x>0) {
  print("x > 0")
} else {
  print("x <= 0")
}

#或者用switch函数
switch (x>0,
    T = {print("x > 0")},
    F = {print("x <= 0")}
)

#或者用ifelse函数，向量式
x <- c(-2, 0, 1)
ifelse(x >=0, 1, 0)
循环结构
for (i in 1:3) {
    print(i)
}
#或者用while函数
i=1
while (i<4) {
    print(i)
    i=i+1
}
#或者用repeat函数
i=1
repeat{
    print(i)
    i=i+1
    if(i>3)break
}

注意用到的判断条件必须是逻辑标量值，不能为NA或零长度。
这是R编程时比较容易出错的地方。

循环结构进阶，apply()家族

上述显式循环是R运行速度较慢的部分，有循环的程序也比较冗长，建议使用apply, sapply, lapply, vapply, tapply等函数替代。

func=function(i)print(i)
a=lapply(1:3, func)

另外，建议循环过程不要制作副本：

类似于x <- c(x, y)这样的累积结果每次运行都会制作一个x的副本， 在x存储量较大或者重复修改次数很多时会减慢程序。

而是应该在循环前设置好用来保存结果的数据结构：

x=numeric(100)
x[[i]]={i循环100次产生的结果}
管道

原生管道，R从4.1.0版本开始提供了一个|>运算符实现管道，如计算 e 2 e^{\sqrt{2}} e2 ​：

2 |> sqrt() |> exp()

但是我还是更喜欢用magrittr提供的%>%，支持更复杂的应用，比如用.代表产生的中间变量放到合适的参数位置：

library(magrittr)
"hhh"%>%paste0("prefix_",.)

还有%<>%等方便的变体:

a="hhh"; a%<>%paste0("prefix_",.)
a
函数

使用自定义函数， 优点是代码复用、模块化设计。

函数名 <- function(形式参数表) 函数体

特殊形参：...

my_mean=function(...)sum(...)/length(c(...))
my_mean(1,2,3,4)

无名函数: 不定义函数名也可以调用

a=lapply(1:3, \(i)print(i))

变量作用域：全局变量 vs 局部变量

x=100
func=function(x){
    print(x+1)
}
func(0)
  • R中所有的存在都是对象（object）
    对象其实就是一种封装的概念，它把事物封装成一个类(class)，然后提供类的方法(method)，而具体的过程人们看不到。
class(mean)
  • R中发生的动作都是函数调用（function call）???

函数调用有四种方式：

1 前缀形式。
这也是一般的格式

mean(1:2)

2 中缀形式。二元运算符实际上都是函数

1+1
`+`(1,1)

`%love%`=function(a,b)paste0(a," loves ",b)
"Romeo"%love%"Juliet"

3 替换形式。

x <- 1:2
names(x) <- c("a", "b")
x

print(`names<-`)

4 特殊形式。x[1], x[[1]]这些取子集或元素等

x <- 1:5
x[1]
`[`(x, 1)

确实，R中发生的动作都是函数调用（function call），知晓函数调用的形式，可以让我们在用某些包的函数时明确问题来源，查找源码等。

Debug

某个函数突然失灵了

  1. 工作环境变化

环境是R语言比较困难的概念，一般不需要深入了解也能用。

但我们要知道，大多数时候我们处于Global Environment，我们敲出来的每一个变量名(函数名)都是优先在全局环境找，找不到的话就search()里面按顺序去每个环境找。
所以要注意环境优先级以及变量名冲突，极端情况如下：

1+1 #正常当然等于2
#定义了`+`,或者新导入的包包含一个`+`的函数名，覆盖了base的加法
`+`=`-`
1+1 #结果会变成0

常使用pkg::func的形式调用函数是个好习惯，可以防止不同包的同名函数冲突。

  1. 断点，traceback()，debug()， browser()

反向追踪(traceback)将错误定位到某一函数调用。

可以用debug(func)命令对函数func开启跟踪运行。

用undebug(func)取消对func的这种操作。

  1. 我要debug的函数在哪？

一般来说我们可以找到报错的代码行以及具体的函数，便可以使用debug()。

但有时候会发现一些函数无法被正确定位，具体代码也只能看到UseMethod()：其实是我们碰到了泛型函数。下面同样一个summary函数，为啥对women和fit做出了完全不同的处理？

summary(women)
fit <- lm(weight ~ height, data=women)
summary(fit)

summary(women)
fit <- lm(weight ~ height, data=women)
summary(fit)

class(women); class(fit)

原来他们是不同的类（class），泛型函数会更具对象的类选择运行什么样的代码（即见人说人话，见鬼说鬼话）：
调用func.class()函数，上述就是分别调用了summary.data.frame()，summary.lm()。print和plot也是非常常见的泛型函数。

或者我们可能发现某些报错函数not found（但我们又确定有这样一个函数）：
其实是我们碰到了非导出函数（R包开发者不想用户看到所有的函数，只把有用的导出）。

library(reshape2)
class(mtcars)
#melt是泛型函数，那应该调用melt.data.frame
melt.data.frame(mtcars,id.vars = "cyl")
## Error in melt.data.frame(mtcars, id.vars = "cyl") : 
##  could not find function "melt.data.frame"

找到这些函数的方法也很简单（毕竟R包需要都开源）：pkg:::func即可

reshape2:::melt.data.frame(mtcars,id.vars = "cyl")

有时候我们通过debug可以发现一些有用的内部函数（比如从那种一步/很久完成XX分析的函数中找到我们需要的功能），
这样我们便可以使用pkg:::func做想做的部分。

代码整理

我们在做数据分析时会产生大量代码，做好整理非常重要。

  • 最开始，每一个独立的R脚本进行分析 （代码冗余度太高，后期很难快速看懂）

  • 学会编写函数，复制函数到不同的R脚本使用（n个地方的函数需要修改n次）

  • 将常用的函数放在一个R脚本下，要用的时候source()整个脚本（全局环境中出现大量函数名，可能还会引起冲突）

  • 将常用函数整理成R包，写好注释和帮助文档，方便调用和分享 （嘎嘎香)

接下来的3,4部分非必需，但我觉得学习后便会有惊喜：

R markdown (to everything)

R Markdown是一种文本格式，用于创建具有代码、文本、图形和输出结果的可重复性报告。
是“文学式编程”(literate programming, (Knuth 1984))思想的实践。

它是在R语言环境中开发的，也可以与其他编程语言（如Python，shell）结合使用。

优点：

  • 可重复性：代码和结果都是可重复的，有助于确保研究结果的可靠性和透明度。
  • 效率：使用R Markdown在单个文件中组织和记录所有内容，节省时间和精力。
  • 灵活性：R Markdown支持多种格式和输出选项，根据需要自定义样式布局。

总之，比word好用，比Latex好学😂

Yihui Xie大佬的官方文档：R Markdown: The Definitive Guide (bookdown.org)

以及参考书：R Markdown Cookbook (bookdown.org)

To Documents

Rmd文档头部是YAML元数据，可指定各种输出参数

  1. HTML

  2. PDF

  3. Word

优点：

  1. 公式，化学分子式非常好写

  2. 文献插入也不错（配合Zotero）

  3. 图表自动编号和引用、链接（我觉得比word好用点）

  4. 支持交互式图形（HTML）

To Presentation

R Markdown支持生成各种幻灯片文件（此幻灯片也是由Rmd生成的😂）

  1. PowerPoint

    常用，易分享

  2. ioslide/Slidy

    网页格式的幻灯片，支持交互 (拜托，PPT可交互真的很酷)

  3. Beamer

    PDF幻灯片，模版众多，大学课堂热衷使用

To Research Papers

rticle包，包含一套自定义 R Markdown 格式和模板，用于创作期刊文章和会议提交。

例子：

  • Frontiers

  • Bioinformatics

To Website

Rmarkdown可以帮助我们搭建简易网站：

  • index.Rmd是主页内容， 可以在此处人工加入其它页面链接。

  • _site.yml是一个YAML文件， 其中包含站点的设定和输出设定。

例子：

File -> New Project -> New directory -> Simple R Markdown Website ->

Create Project (click Open in new session) -> Build -> Build Website

To Blog

R扩展包blogdown可以与Hugo软件配合制作简单的静态博客网站。

网站的所有文件都在一个目录中，只要上传到任意的网站服务器就可以发布，没有任何限制。

我的博客：Asa’s blog

参考书：blogdown: Creating Websites with R Markdown (bookdown.org)

To Book

R的bookdown扩展包

在bookdown的管理下：一本书的内容可以分解成多个Rmd文件， 其中可以有可执行的R代码， R代码生成的文字结果、表格、图形可以自动插入到生成的内容中， 表格和图形可以是浮动排版的。 输出格式主要支持gitbook格式的网页图书。

我也稍微尝试写了一下：MetaNet Tutorial

参考书：bookdown: Authoring Books and Technical Documents with R Markdown

R package/shiny

写R包

包是可重现 R 代码的基本单元，包括可重用的 R 函数、描述如何使用它们的文档和示例数据。
一个包将代码、数据、文档和测试捆绑在一起，并且很容易与他人共享。

简单例子（需要下载roxygen2包）：

File -> New Project -> New directory -> R package ->

Create Project (click Open in new session)-> Package name -> Build -> Install

最简单的包只需要这些目录和文件即可，

  • R目录下放在我们编写的R函数脚本
  • man目录放着所有函数的帮助文档（roxygenise()函数生成，不要自己写）
  • DECRIPTION定义了包的各种元数据，包名/版本/依赖包等等，非常重要
  • NAMESPACE控制函数的可视性（roxygenise()函数生成，不要修改！）

参考书：R Packages (2e) (r-pkgs.org)

如果真的有意开发R包，建议走devtools的流程，要比前面的简单例子好用。

library(devtools)
#创建R包
create_package("testpkg")
#配置git用于版本控制
use_git()
#创建一个R脚本，开始写函数
use_r("first")
#生成man文件和NAMESPACE
document("./")
#使所有函数可用（没有install但R包已在内存）
load_all("./")
#检查R包语法，建议每次重要修改后运行一次，解决完所有的Error，Warning，Note再进一步修改，不要积累较多错误
check("./")
#打包为bundle包，.tar.gz
build("./")
#install我们写好的R包
install("./")
#定义一些测试例子
use_testthat()

循环后面几步：function -> document -> load_all -> check ->install，直到功能完善，check无误。

  • 函数应该功能明确，不能使用library，而应该用pkg::func调用，并且这里的pkg一定要在DESCRIPTION中声明。
  • 函数不应该产生不良副作用，比如修改用户环境变量，谨慎使用option, par, setwd等函数。
  • 函数的头文件很重要，包含了帮助文档以及决定函数性质的参数：
  • 使用Shift+option+command+R可以帮助生成头文件

发布包:

  • CRAN submission 请仔细阅读CRAN Repository Policy，然后必须让代码通过R CMD check再提交，不然会直接拒收。我们提交的包是bundle包，.tar.gz格式。过了机检后就会有“审包人”联系（一般是志愿者，我们应当态度好些），
    再积极沟通修改代码就好，最后通过审核一天就能在CRAN上看到了。

  • BioConductor submission 用于生物信息学的开源软件专题库，上传前仔细阅读Guidelines，
    明确包的主题要跟生物有相关性（ Software, Experiment Data, Annotation and Workflow.），发布包的流程是Github issues，
    审核过程全公开透明，你现在就能点进去看有哪些包正在提交。

  • Github 这里就最自由了，你可以随意上传在自己的仓库，也可以邀请别人直接从github安装。

制作Shiny APP

Shiny 是一个 R 包，可轻松地直接从 R 构建交互式 Web 应用程序。

可以在网页上托管独立应用程序或将它们嵌入 R Markdown 文档。还可以使用 CSS 主题、html 小部件和 JavaScript 操作扩展Shiny 应用程序。

例子：

File -> New Project -> New directory -> Shiny Application ->

Create Project (click Open in new session) -> Run App

shiny::runApp("test_shiny/app.R")

官方教程：Shiny Learning Resources

参考书：Mastering Shiny

关注公众号，获取最新推送

关注公众号 ‘bio llbug’,获取最新推送。

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：http://www.coloradmin.cn/o/1829505.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

【论文阅读】AttnDreamBooth | 面向文本对齐的个性化图片生成

【论文阅读】AttnDreamBooth | 面向文本对齐的个性化图片生成

文章目录 1 动机2 方法3 实验 1 动机 使用灵活的文本控制可以实现一些特定的概念的注入从而实现个性化的图片生成。 最经典的比如一些好玩的动漫人物的概念&#xff0c;SD大模型本身是不知道这些概念的&#xff0c;但是通过概念注入是可以实现的从而生成对应的动漫人物 两个…
阅读更多...
element-plus表单组件之自动补全组件el-autocomplete和级联选择器组件el-cascader

element-plus表单组件之自动补全组件el-autocomplete和级联选择器组件el-cascader

el-autocomplete 自动补全组件 自补全组件的功能和可以根据输入过滤的el-select组件有些类似。 fetch-suggestions 根据输入框的输入获取建议的内容&#xff0c;其接受值是一个函数&#xff0c;有2个参数&#xff0c;querystring:输入的内容&#xff0c;callback内置函数&…
阅读更多...
爱心代码来喽

爱心代码来喽

今天给大家分享一个爱心代码&#xff0c;送给我的粉丝们。愿你们天天开心&#xff0c;事事顺利&#xff0c;学业和事业有成。 下面是运行代码&#xff1a; #include<stdio.h> #include<Windows.h> int main() { system(" color 0c"); printf(&q…
阅读更多...
代码随想录-Day32

代码随想录-Day32

122. 买卖股票的最佳时机 II 给你一个整数数组 prices &#xff0c;其中 prices[i] 表示某支股票第 i 天的价格。 在每一天&#xff0c;你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买&#xff0c;然后在 同一天 出售。 返回 你能…
阅读更多...
【算法专题--链表】删除排序链表中的重复元素II -- 高频面试题（图文详解，小白一看就懂！！）

【算法专题--链表】删除排序链表中的重复元素II -- 高频面试题（图文详解，小白一看就懂！！）

目录 一、前言 二、题目描述 三、解题方法 ⭐ 双指针 -- 采用 哨兵位头节点 &#x1f95d; 什么是哨兵位头节点&#xff1f; &#x1f34d; 解题思路 &#x1f34d; 案例图解 四、总结与提炼 五、共勉 一、前言 删除排序链表中的重复元素II元素这道题&#xff0c…
阅读更多...
MySQL之优化服务器设置(五)

MySQL之优化服务器设置(五)

优化服务器设置 高级InnoDB设置 innodb_old_blocks_time InnoDB有两段缓冲池LRU(最近最少使用)链表&#xff0c;设计目的是防止换出长期很多次的页面。像mysqldump产生的这种一次性的(大)查询&#xff0c;通常会读取页面到缓冲池的LRU列表&#xff0c;从中读取需要的行&…
阅读更多...
ubuntu中安装docker并换源

ubuntu中安装docker并换源

使用 Ubuntu 的仓库安装 Docker sudo apt update现在&#xff0c;你可以使用以下命令在 Ubuntu 中安装 Docker 以及 Docker Compose&#xff1a; sudo apt install docker.io docker-composeDocker 包被命名为 docker.io&#xff0c;因为在 Docker 出现之前就已经存在一个名为…
阅读更多...
C++ virtual public(虚继承类)

C++ virtual public(虚继承类)

这个"virtual"有什么作用&#xff1f; 由于C支持多重继承&#xff0c;所以对于一个派生类中有几个直接父类&#xff0c;而几个直接父类中有几个可能分别继承自某一个基类&#xff08;就是父类的父类&#xff09;&#xff0c;这样在构造最终派生类时&#xff0c;会出现…
阅读更多...
Nginx + Tomcat 负载均衡、动静分离

Nginx + Tomcat 负载均衡、动静分离

前言 Tomcat简介 最初是由Sun的软件构架师詹姆斯邓肯戴维森开发 安装Tomcat后&#xff0c;安装路径下面的目录和文件&#xff0c;是使用或者配置Tomcat的重要文件 Nginx 应用 Nginx是一款非常优秀的HTTP服务器软件 &#xff08;1&#xff09;支持高达50 000个并发连接数的响应…
阅读更多...
单目标应用：基于三角拓扑聚合优化算法TTAO的微电网优化（MATLAB代码）

单目标应用：基于三角拓扑聚合优化算法TTAO的微电网优化（MATLAB代码）

一、微电网模型介绍 微电网多目标优化调度模型简介_vmgpqv-CSDN博客 参考文献&#xff1a; [1]李兴莘,张靖,何宇,等.基于改进粒子群算法的微电网多目标优化调度[J].电力科学与工程, 2021, 37(3):7 二、三角拓扑聚合优化算法求解微电网 2.1算法简介 三角拓扑聚合优化算法&…
阅读更多...
毕业了校园卡怎么改套餐？

毕业了校园卡怎么改套餐？

毕业了校园卡怎么改套餐&#xff1f; 毕业生校园卡99元套餐变更8元保号套餐教程 学弟学妹们恭喜毕业呀&#x1f393; 校园卡绑定了好多东西注销不掉又不想交高额月租的看过来。 今天一招教你更改校园卡套餐。 中国移动/电信/联通App 打开App&#xff0c;在首页右上角点击人工…
阅读更多...
LVS负载均衡集群企业级应用实战-LVS-DR（四）

LVS负载均衡集群企业级应用实战-LVS-DR（四）

目录 LVS-DR 一. 环境准备 二. 对虚拟主机操作 三. 对真实服务器操作 四. 打开网页测试 LVS-DR 一. 环境准备 三台虚拟机&#xff0c;都要在同一网段内&#xff0c;统一关闭防火墙和selinux&#xff0c;时间同步&#xff0c;配置好YUM源。系统用centos和roucky都行。 主…
阅读更多...
【Netty】ByteBuffer原理与使用

【Netty】ByteBuffer原理与使用

Buffer则用来缓冲读写数据&#xff0c;常见的buffer有&#xff1a; ByteBuffer MappedByBuffer DirectByteBuffer HeapByteBuffer hortBuffer IntBuffer LongBuffer FloatBuffer DoubleBuffer CharBuffer 有一个普通文本文件data.txt,内容为&#xff1a; 1234567890a…
阅读更多...
CSS实现前端小组件随笔

CSS实现前端小组件随笔

一.CSSJS实现打字机效果 1.1实现效果 1.2HTML部分 <span class"bottom-text"></span> 1.3CSS部分 .bottom-text {font-fanmily: "fangsong";display:inline-block;position:relative;font-size:20px;height:20px;inline-height:20px;color…
阅读更多...
【Qt项目专栏】贪吃蛇小游戏1.0

【Qt项目专栏】贪吃蛇小游戏1.0

博客主页&#xff1a;Duck Bro 博客主页系列专栏&#xff1a;Qt 专栏关注博主&#xff0c;后期持续更新系列文章如果有错误感谢请大家批评指出&#xff0c;及时修改感谢大家点赞&#x1f44d;收藏⭐评论✍ 贪吃蛇小游戏1.0 项目编号&#xff1a;01 文章目录 贪吃蛇小游戏1.0一…
阅读更多...
基于python深度学习的CNN图像识别鲜花-含数据集+pyqt界面

基于python深度学习的CNN图像识别鲜花-含数据集+pyqt界面

代码下载&#xff1a; https://download.csdn.net/download/qq_34904125/89383615 本代码是基于python pytorch环境安装的。 下载本代码后&#xff0c;有个requirement.txt文本&#xff0c;里面介绍了如何安装环境&#xff0c;环境需要自行配置。 或可直接参考下面博文进行…
阅读更多...
定个小目标之刷LeetCode热题（21）

定个小目标之刷LeetCode热题（21）

这是道技巧题&#xff0c;利用了 &#xff08;num - 1&#xff09;% n 计算下标的形式来将数组元素与数组索引产生映射关系&#xff0c;代码如下&#xff0c;可以看下注释 class Solution {public List<Integer> findDisappearedNumbers(int[] nums) {int n nums.lengt…
阅读更多...
3分钟带手把手带你了解 FL Studio v21.2.3.4004 中文免费版(附中文设置教程)安装指南

3分钟带手把手带你了解 FL Studio v21.2.3.4004 中文免费版(附中文设置教程)安装指南

3分钟带手把手带你了解 FL Studio v21.2.3.4004 中文免费版(附中文设置教程)安装指南&#xff0c;大家我是兔八哥爱分享&#xff0c;今天你带来的安装FL Studio 21破解版&#xff0c;纯正简体中文支持&#xff01; FL Studio 21 简称FL21&#xff0c;全称Fruity Loops Studio&a…
阅读更多...
JDBC常见的几种连接池使用（C3P0、Druid、HikariCP 、DBCP）

JDBC常见的几种连接池使用（C3P0、Druid、HikariCP 、DBCP）

前言 数据库连接池负责分配、管理和释放数据库连接&#xff0c;它允许应用程序重复使用一个现有的数据库连接&#xff0c;而不是重新建立一个。连接池技术尽可能多地重用了消耗内存的资源&#xff0c;大大节省了内存。通过使用连接池&#xff0c;将大大提高程序运行效率。常用的…
阅读更多...
YOLOv10涨点改进创新MSAM注意力，通道注意力升级，魔改CBAM

YOLOv10涨点改进创新MSAM注意力，通道注意力升级，魔改CBAM

目录 1，YOLO v10介绍 1.1 C2fUIB介绍 1.2 PSA介绍 1.3 SCDown 2.自研MSAM 2.1 自研MSAM注意力介绍 3.MSAM如何加入到YOLOv8 3.1 MSAM加入ultralytics/nn/attention/MsAM.py 3.2 修改tasks.py1)首先进行引用定义 3.3 yolov10n-MSAM.yaml 3.4 yolov10n-PSMSAM.yaml 改…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023