Python酷库之旅-第三方库Pandas(036)

news2024/11/26 6:01:29

目录

一、用法精讲

111、pandas.Series.item方法

111-1、语法

111-2、参数

111-3、功能

111-4、返回值

111-5、说明

111-6、用法

111-6-1、数据准备

111-6-2、代码示例

111-6-3、结果输出

112、pandas.Series.xs方法

112-1、语法

112-2、参数

112-3、功能

112-4、返回值

112-5、说明

112-6、用法

112-6-1、数据准备

112-6-2、代码示例

112-6-3、结果输出

113、pandas.Series.add方法

113-1、语法

113-2、参数

113-3、功能

113-4、返回值

113-5、说明

113-6、用法

113-6-1、数据准备

113-6-2、代码示例

113-6-3、结果输出

114、pandas.Series.sub方法

114-1、语法

114-2、参数

114-3、功能

114-4、返回值

114-5、说明

114-6、用法

114-6-1、数据准备

114-6-2、代码示例

114-6-3、结果输出

115、pandas.Series.mul方法

115-1、语法

115-2、参数

115-3、功能

115-4、返回值

115-5、说明

115-6、用法

115-6-1、数据准备

115-6-2、代码示例

115-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

111、pandas.Series.item方法
111-1、语法
# 111、pandas.Series.item方法
pandas.Series.item()
Return the first element of the underlying data as a Python scalar.

Returns:
scalar
The first element of Series or Index.

Raises:
ValueError
If the data is not length = 1.
111-2、参数

        无

111-3、功能

        用于从pandas.Series对象中获取单一的元素值，并返回该值。

111-4、返回值

        返回Series中唯一元素的值。

111-5、说明

        在使用item方法之前，可以考虑检查Series的长度，以确保安全调用。

111-6、用法
111-6-1、数据准备
无
111-6-2、代码示例
# 111、pandas.Series.item方法
import pandas as pd
# 创建一个只有一个元素的Series对象
s = pd.Series([42])
# 使用item方法获取这个元素
if len(s) == 1:
    value = s.item()
else:
    print("Series does not contain exactly one element.")
print(value)
111-6-3、结果输出
# 111、pandas.Series.item方法
# 42
112、pandas.Series.xs方法
112-1、语法
# 112、pandas.Series.xs方法
pandas.Series.xs(key, axis=0, level=None, drop_level=True)
Return cross-section from the Series/DataFrame.

This method takes a key argument to select data at a particular level of a MultiIndex.

Parameters:
key
label or tuple of label
Label contained in the index, or partially in a MultiIndex.

axis
{0 or ‘index’, 1 or ‘columns’}, default 0
Axis to retrieve cross-section on.

level
object, defaults to first n levels (n=1 or len(key))
In case of a key partially contained in a MultiIndex, indicate which levels are used. Levels can be referred by label or position.

drop_level
bool, default True
If False, returns object with same levels as self.

Returns:
Series or DataFrame
Cross-section from the original Series or DataFrame corresponding to the selected index levels.
112-2、参数

112-2-1、key(必须)：任意数据类型，通常为索引标签，表示要提取的索引标签值，如果Series有多层索引，则key可以是一个具体的层级标签(对于多层索引，需要指定level)。

112-2-2、axis(可选，默认值为0)：一个整数或字符串，表示指定操作的轴。对于Series来说，axis总是 0，因为Series只有一个轴，表示索引轴；在多层索引的DataFrame中，这个参数允许指定不同的轴。

112-2-3、level(可选，默认值为None)：一个整数或字符串，表示指定要在多层索引中提取的具体层级。如果Series没有多层索引，此参数被忽略。如果指定此参数，则key应为指定层级的标签值。例如，在多层索引的Series中，可以通过指定level来选择特定的层级。

112-2-4、drop_level(可选，默认值为True)：布尔值，表示指定在提取值后是否从结果中删除所使用的层级。如果为True，提取的结果将不包含使用的索引层级；如果为False，结果将保留该层级的索引。

112-3、功能

        用于从一个pandas.Series对象中选择特定的数据，该方法可以通过给定的索引标签来切片Series，并返回与该标签对应的值。

112-4、返回值

        返回指定索引标签对应的单个值，或者如果key匹配多个值，则返回一个新的Series。

112-5、说明

112-5-1、如果指定的key不存在于索引中，会引发KeyError。

112-5-2、当使用level时，确保Series是多层索引的，否则指定level参数会导致错误。

112-5-3、drop_level的设置会影响结果的索引结构，True时会去掉提取的层级，False时保留。

112-6、用法
112-6-1、数据准备
无
112-6-2、代码示例
# 112、pandas.Series.xs方法
# 112-1、基本应用
import pandas as pd
s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
# 获取索引为'b'的值
value = s.xs('b')
print(value, end='\n\n')

# 112-2、多层索引示例
import pandas as pd
# 创建多层索引的 Series
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
index = pd.MultiIndex.from_arrays(arrays, names=('letters', 'numbers'))
s_multi = pd.Series([100, 200, 300, 400], index=index)
# 获取数字为1的所有值，保持原始层级
value = s_multi.xs(1, level='numbers', drop_level=False)
print(value, end='\n\n')
# 获取数字为1的所有值，删除层级
value = s_multi.xs(1, level='numbers', drop_level=True)
print(value)
112-6-3、结果输出
# 112、pandas.Series.xs方法
# 112-1、基本应用
# 20

# 112-2、多层索引示例
# 获取数字为1的所有值，保持原始层级
# letters  numbers
# A        1          100
# B        1          300
# dtype: int64

# 获取数字为1的所有值，删除层级
# letters
# A    100
# B    300
# dtype: int64
113、pandas.Series.add方法
113-1、语法
# 113、pandas.Series.add方法
pandas.Series.add(other, level=None, fill_value=None, axis=0)
Return Addition of series and other, element-wise (binary operator add).

Equivalent to series + other, but with support to substitute a fill_value for missing data in either one of the inputs.

Parameters:
other
Series or scalar value
level
int or name
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
None or float value, default None (NaN)
Fill existing missing (NaN) values, and any new element needed for successful Series alignment, with this value before computation. If data in both corresponding Series locations is missing the result of filling (at that location) will be missing.

axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.

Returns:
Series
The result of the operation.
113-2、参数

113-2-1、other(必须)：表示要与当前Series对象进行加法操作的对象。如果是Series或DataFrame，则将其与当前Series对象按元素逐一加法；如果是标量值，则该值会与Series中的每一个元素相加。

113-2-2、level(可选，默认值为None)：一个整数或字符串，如果other是一个多层索引的Series或DataFrame，可以通过指定此参数来对齐相同的层级进行加法，level用于指明要对齐的层级标签。

113-2-3、fill_value(可选，默认值为None)：标量值，当other中存在缺失值(NaN)时，用于填充缺失的值，即当other中某些索引标签在Series中不存在时，使用此值填补。

113-2-4、axis(可选，默认值为0)：一个整数或字符串，表示指定沿哪个轴进行操作。对于Series，此参数通常被忽略，因为Series只有一个轴；对于DataFrame，则可以指定沿行或列进行操作。

113-3、功能

        用于执行两个Series对象之间的逐元素加法操作。

113-4、返回值

        返回一个新的Series对象，其中的每个元素是原Series和other对应位置元素的和。返回的Series的索引是Series与other的并集，如果other的索引中有当前Series中不存在的标签，这些标签对应的值会是填充值(如果设置了fill_value)或NaN(如果没有设置fill_value)。

113-5、说明

113-5-1、如果other的索引不完全匹配Series的索引，并且fill_value参数没有设置，缺失值会导致结果中的NaN。

113-5-2、使用fill_value可以处理缺失值，使加法操作更加鲁棒。

113-5-3、当涉及到多层索引时，确保level参数正确指定，以保证对齐的准确性。

113-6、用法
113-6-1、数据准备
无
113-6-2、代码示例
# 113、pandas.Series.add方法
# 113-1、基本用法
import pandas as pd
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['a', 'b', 'c'])
# 执行逐元素加法
result = s1.add(s2)
print(result, end='\n\n')

# 113-2、使用标量值
import pandas as pd
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['a', 'b', 'c'])
# 使用标量值进行加法
result = s1.add(10)
print(result, end='\n\n')

# 113-3、使用fill_value参数
import pandas as pd
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['a', 'b', 'c'])
s3 = pd.Series([7, 8], index=['a', 'd'])
result = s1.add(s3, fill_value=0)
print(result, end='\n\n')

# 113-4、使用多层索引
import pandas as pd
# 创建多层索引的Series
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
index = pd.MultiIndex.from_arrays(arrays, names=('letters', 'numbers'))
s_multi1 = pd.Series([10, 20, 30, 40], index=index)
s_multi2 = pd.Series([1, 2, 3, 4], index=index)
# 执行逐元素加法
result_multi = s_multi1.add(s_multi2)
print(result_multi)
113-6-3、结果输出
# 113、pandas.Series.add方法
# 113-1、基本用法
# a    5
# b    7
# c    9
# dtype: int64

# 113-2、使用标量值
# a    11
# b    12
# c    13
# dtype: int64

# 113-3、使用fill_value参数
# a    8.0
# b    2.0
# c    3.0
# d    8.0
# dtype: float64

# 113-4、使用多层索引
# letters  numbers
# A        1          11
#          2          22
# B        1          33
#          2          44
# dtype: int64
114、pandas.Series.sub方法
114-1、语法
# 114、pandas.Series.sub方法
pandas.Series.sub(other, level=None, fill_value=None, axis=0)
Return Subtraction of series and other, element-wise (binary operator sub).

Equivalent to series - other, but with support to substitute a fill_value for missing data in either one of the inputs.

Parameters:
other
Series or scalar value
level
int or name
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
None or float value, default None (NaN)
Fill existing missing (NaN) values, and any new element needed for successful Series alignment, with this value before computation. If data in both corresponding Series locations is missing the result of filling (at that location) will be missing.

axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.

Returns:
Series
The result of the operation.
114-2、参数

114-2-1、other(必须)：被减数，可以是与当前Series对象相同长度的Series、DataFrame或一个标量值，如果是DataFrame，则会对每列执行相应的减法操作。

114-2-2、level(可选，默认值为None)：一个整数或字符串，如果当前Series或other有多层索引(MultiIndex)，level参数用于指定在哪一层索引上对齐，这样可以在指定层级上进行逐元素减法运算，而不是在所有层级上。

114-2-3、fill_value(可选，默认值为None)：标量值，当other的某些索引值在当前Series中不存在时，使用fill_value来填补这些缺失值，这样，fill_value代替了缺失的数据参与计算。

114-2-4、axis(可选，默认值为0)：这个参数主要在DataFrame上有效，用于指定操作的轴；在Series上，通常没有必要设置这个参数，因为Series只有一个轴(轴0)。

114-3、功能

        用于对两个Series对象进行逐元素的减法操作。

114-4、返回值

        返回一个新的Series对象，其中的每个元素是原Series和other对应位置元素的差。返回的Series的索引是Series与other的并集，如果other的索引中有当前Series中不存在的标签，这些标签对应的值会是填充值(如果设置了fill_value)或NaN(如果没有设置fill_value)。

114-5、说明

        无

114-6、用法
114-6-1、数据准备
无
114-6-2、代码示例
# 114、pandas.Series.sub方法
# 114-1、基本用法
import pandas as pd
s1 = pd.Series([5, 6, 7], index=['a', 'b', 'c'])
s2 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
result = s1.sub(s2)
print(result, end='\n\n')

# 114-2、使用level参数
import pandas as pd
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
index = pd.MultiIndex.from_arrays(arrays, names=('letters', 'numbers'))
s1 = pd.Series([10, 20, 30, 40], index=index)
s2 = pd.Series([1, 2, 3, 4], index=index)
result = s1.sub(s2, level='letters')
print(result, end='\n\n')

# 114-3、使用fill_value参数
import pandas as pd
s1 = pd.Series([5, 6], index=['a', 'b'])
s2 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
result = s1.sub(s2, fill_value=0)
print(result, end='\n\n')

# 114-4、使用axis参数(主要适用于DataFrame)
import pandas as pd
df1 = pd.DataFrame({'A': [10, 20], 'B': [30, 40]})
df2 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
result = df1.sub(df2, axis=0)
print(result)
114-6-3、结果输出
# 114、pandas.Series.sub方法
# 114-1、基本用法
# a    4
# b    4
# c    4
# dtype: int64

# 114-2、使用level参数
# letters  numbers
# A        1           9
#          2          18
# B        1          27
#          2          36
# dtype: int64

# 114-3、使用fill_value参数
# a    4.0
# b    4.0
# c   -3.0
# dtype: float64

# 114-4、使用axis参数(主要适用于DataFrame)
#     A   B
# 0   9  27
# 1  18  36
115、pandas.Series.mul方法
115-1、语法
# 115、pandas.Series.mul方法
pandas.Series.mul(other, level=None, fill_value=None, axis=0)
Return Multiplication of series and other, element-wise (binary operator mul).

Equivalent to series * other, but with support to substitute a fill_value for missing data in either one of the inputs.

Parameters:
other
Series or scalar value
level
int or name
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
None or float value, default None (NaN)
Fill existing missing (NaN) values, and any new element needed for successful Series alignment, with this value before computation. If data in both corresponding Series locations is missing the result of filling (at that location) will be missing.

axis
{0 or ‘index’}
Unused. Parameter needed for compatibility with DataFrame.

Returns:
Series
The result of the operation.
115-2、参数

115-2-1、other(必须)：乘数，可以是与当前Series对象长度相同的Series、DataFrame或一个标量值。如果是DataFrame，会对每列进行逐元素的乘法操作。

115-2-2、level(可选，默认值为None)：如果当前Series或other有多层索引(MultiIndex)，level参数用于指定在哪一层索引上对齐，这样可以在指定层级上进行逐元素乘法运算，而不是在所有层级上。

115-2-3、fill_value(可选，默认值为None)：当other的某些索引值在当前Series中不存在时，使用fill_value来填补这些缺失值，这样，fill_value代替了缺失的数据参与计算。

115-2-4、axis(可选，默认值为0)：主要在DataFrame上有效，用于指定操作的轴；在Series上，通常没有必要设置这个参数，因为Series只有一个轴(轴0)。

115-3、功能

        用于执行元素级的乘法操作。具体来说，它会将Series中的每个元素与另一个序列(Series或兼容的数组类型，如NumPy数组)中的对应元素相乘。如果不存在对应元素(比如两个Series的索引不完全匹配)，则可以通过fill_value参数来指定一个填充值，以便进行乘法操作。

115-4、返回值

        返回一个新的Series，其中包含原始Series和other参数指定的序列(或数组)之间元素级乘法的结果。如果两个输入序列的索引不完全匹配，并且指定了fill_value，则结果Series的索引将是两个输入序列索引的并集，缺失值将用fill_value替换以进行乘法操作。

115-5、说明

        无

115-6、用法
115-6-1、数据准备
无
115-6-2、代码示例
# 115、pandas.Series.mul方法
# 115-1、基本用法
import pandas as pd
s1 = pd.Series([2, 3, 4], index=['a', 'b', 'c'])
s2 = pd.Series([5, 6, 7], index=['a', 'b', 'c'])
result = s1.mul(s2)
print(result, end='\n\n')

# 115-2、使用level参数
import pandas as pd
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
index = pd.MultiIndex.from_arrays(arrays, names=('letters', 'numbers'))
s1 = pd.Series([10, 20, 30, 40], index=index)
s2 = pd.Series([2, 3, 4, 5], index=index)
result = s1.mul(s2, level='letters')
print(result, end='\n\n')

# 115-3、使用fill_value参数
import pandas as pd
s1 = pd.Series([1, 2], index=['a', 'b'])
s2 = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
result = s1.mul(s2, fill_value=1)
print(result, end='\n\n')

# 115-4、使用axis参数(主要适用于DataFrame)
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [10, 20], 'B': [30, 40]})
result = df1.mul(df2, axis=0)
print(result)
115-6-3、结果输出
# 115、pandas.Series.mul方法
# 115-1、基本用法
# a    10
# b    18
# c    28
# dtype: int64

# 115-2、使用level参数
# letters  numbers
# A        1           20
#          2           60
# B        1          120
#          2          200
# dtype: int64

# 115-3、使用fill_value参数
# a    10.0
# b    40.0
# c    30.0
# dtype: float64

# 115-4、使用axis参数(主要适用于DataFrame)
#     A    B
# 0  10   90
# 1  40  160

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

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/1938689.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

快速了解死锁及如何解决死锁问题

快速了解死锁及如何解决死锁问题

目录 什么是死锁？ 死锁代码示例 产生死锁的条件： 死锁的危害： 如何解决死锁问题？ 1、预防死锁（破坏上述4个产生死锁的条件）： 2、银行家算法 3、死锁的检测、解除 4、采用超时机制 什么…
阅读更多...
C语言 ——— 写一个函数，调整 整型数组 中 奇数偶数的顺序

C语言 ——— 写一个函数，调整 整型数组 中 奇数偶数的顺序

目录 题目要求 代码实现 题目要求 创建一个整型数组 自定义函数实现：调整该数组中数字的顺序，使得数组中所有的奇数位于数组的前半部分，数组中所有的偶数位于数组的后半部分 举例： 输入的整型数组为：[234,24,45,…
阅读更多...
计算机网络知识点面试总结3

计算机网络知识点面试总结3

#来自ウルトラマンゼロ（赛罗） 1 数据链路层功能 数据链路层在物理层提供的服务的基础上向网络层提供服务，其最基本的服务是将源自网络层来的数据可靠地传输到相邻节点的目标机网络层，其主要作用是加强物理层传输原始比特流的功能。…
阅读更多...
嵌入式面试总结

嵌入式面试总结

C语言中struct和union的区别 struct和union都是常见的复合结构。 结构体和联合体虽然都是由多个不同的数据类型成员组成的，但不同之处在于联合体中所有成员共用一块地址空间，即联合体只存放了一个被选中的成员，结构体中所有成员占用空间是累…
阅读更多...
nginx基本原理

nginx基本原理

进程模型 当nginx启动之后，会有一个master进程和多个worker进程。默认是一个worker进程。 master进程的作用：接收来自外界信号，向各worker进程发送信号，监控worker进程的运行状态，当worker进程在异常情况下退出后&am…
阅读更多...
Golang | Leetcode Golang题解之第242题有效的字母异位词

Golang | Leetcode Golang题解之第242题有效的字母异位词

题目&#xff1a; 题解&#xff1a; func isAnagram(s, t string) bool {if len(s) ! len(t) {return false}cnt : map[rune]int{}for _, ch : range s {cnt[ch]}for _, ch : range t {cnt[ch]--if cnt[ch] < 0 {return false}}return true }
阅读更多...
系统架构设计师教程 第3章 信息系统基础知识-3.6 办公自动化系统（OAS）-解读

系统架构设计师教程 第3章 信息系统基础知识-3.6 办公自动化系统（OAS）-解读

系统架构设计师教程 第3章 信息系统基础知识-3.6 办公自动化系统&#xff08;OAS&#xff09; 3.6.1 办公自动化系统的概念3.6.1.1 办公活动3.6.1.1 办公自动化的概念 3.6.2 办公自动化系统的功能3.6.2.1 事务处理3.6.2.1.1 单机系统3.6.2.1.2 多机系统 3.6.2.2 信息管理3.6.2.…
阅读更多...
科研绘图系列：R语言雨云图（Raincloud plot）

科研绘图系列：R语言雨云图（Raincloud plot）

介绍 雨云图（Raincloud plot）是一种数据可视化工具，它结合了多种数据展示方式，旨在提供对数据集的全面了解。雨云图通常包括以下几个部分： 密度图（Density plot）：表示数据的分布情况，密度图的曲线可以展示数据在不同数值区间的密度。箱线图（Box plot）：显示数据的中…
阅读更多...
大模型实战—大模型赋能网络爬虫

大模型实战—大模型赋能网络爬虫

大模型赋能网络爬虫 简单来说，网页抓取就是从网站抓取数据和内容，然后将这些数据保存为XML、Excel或SQL格式。除了用于生成潜在客户、监控竞争对手和市场研究外，网页抓取工具还可以用于自动化你的数据收集过程。 借助AI网页抓取工具，可以解决手动或纯基于代码的抓取工具的…
阅读更多...
配置kali 的apt命令在线安装包的源为国内源

配置kali 的apt命令在线安装包的源为国内源

目录 一、安装VMware Tools 二、配置apt国内源 一、安装VMware Tools 点击安装 VMware Tools 后&#xff0c;会加载一个虚拟光驱&#xff0c;里面包含 VMware Tools 的安装包 鼠标右键单击 VMware Tools 的安装包&#xff0c;点击复制到 点击 主目录&#xff0c;再点击选择…
阅读更多...
XILINX芯片解密FPGA/CPLD芯片解密

XILINX芯片解密FPGA/CPLD芯片解密

Xilinx与其技术和制造合作伙伴(TSMC)为FPGA开发了一种高介电层金属闸(HKMG)、高性能、低功耗的28nm工艺技术。这一全新28nm工艺技术是在40nmFPGA工艺技术开发成果的基础上构建的&#xff0c;它推出了新的HKMG技术&#xff0c;可通过较低的功耗来最大程度地发挥可用系统性能。 …
阅读更多...
一文彻底搞懂虚拟地址空间

一文彻底搞懂虚拟地址空间

虚拟地址空间&#xff1a;传统的进程管理每个进程都占连续的物理内存空间&#xff0c;如果内存爆满需要将很久没用的但还在内存中的整个进程拷贝到硬盘中&#xff0c;等需要用时重新加载回内存。现代计算机使用虚拟地址空间&#xff0c;虚拟地址空间每个进程的4g并不是真的有&a…
阅读更多...
【ROS2】高级:安全-检查网络流量

【ROS2】高级:安全-检查网络流量

目标&#xff1a;捕获和检查原始 ROS 2 网络流量。 教程级别&#xff1a;高级 时间&#xff1a;20 分钟 内容 概述 先决条件 运行演示 安装 tcpdump启动说话者和听者显示未加密的发现数据包显示未加密的数据包 启用加密显示加密的发现数据包显示加密数据包 概述 ROS 2 通信安全…
阅读更多...
【Unity】Android Failed to transform Error while dexing.

【Unity】Android Failed to transform Error while dexing.

文章目录 一、背景二、问题描述三、原因和解决方法 一、背景 1、Unity 2021.3.33f1 2、Firebase 11.7.0 3、升级至API-34 二、问题描述 错误信息 Failed to transform play-services-measurement-api-21.5.0.aar (com.google.android.gms:play-services-measurement-api:21.5.…
阅读更多...
【yolov8】3、yolov8 环境安装 【GPU版】

【yolov8】3、yolov8 环境安装 【GPU版】

pycharm下载安装 yolov8 环境安装 【GPU版】 1、要求1.1 什么是 CUDA 和 CUDNN1.2 查看cuda版本的3种方法&#xff08;版本在10.2以上的可以忽略本章节&#xff09;&#xff1a;1.3 没有找到NIVDIA图标&#xff0c;确认是否有英伟达显卡 2、pycharm下载安装进入官网 3、yolov8…
阅读更多...
【数据分享】2013-2022年我国省市县三级的逐日SO2数据（excel\shp格式\免费获取）

【数据分享】2013-2022年我国省市县三级的逐日SO2数据（excel\shp格式\免费获取）

空气质量数据是在我们日常研究中经常使用的数据&#xff01;之前我们给大家分享了2000——2022年的省市县三级的逐日PM2.5数据和2013-2022年的省市县三级的逐日CO数据&#xff08;均可查看之前的文章获悉详情&#xff09;&#xff01; 本次我们分享的是我国2013——2022年的省…
阅读更多...
【从零开始实现stm32无刷电机FOC】【实践】【5/7 stm32 adc外设的高级用法】

【从零开始实现stm32无刷电机FOC】【实践】【5/7 stm32 adc外设的高级用法】

目录 采样时刻触发采样同步采样 点击查看本文开源的完整FOC工程 本节介绍的adc外设高级用法用于电机电流控制。 从前面几节可知&#xff0c;电机力矩来自于转子的q轴受磁力&#xff0c;而磁场强度与电流成正比&#xff0c;也就是说电机力矩与q轴电流成正相关&#xff0c;控制了…
阅读更多...
【C++】类和对象——默认成员函数（下）

【C++】类和对象——默认成员函数（下）

目录 前言拷贝构造1.概念2.特征3.总结 赋值重载运算符重载赋值运算符重载探讨传引用返回和传值返回的区别 const成员取地址及const取地址操作符重载 前言 上一讲我们已经说了关于C的默认成员函数中的两个——构造和析构函数。所谓默认成员函数也就是&#xff1a;用户没有显示定…
阅读更多...
《背包乱斗》为什么好玩 苹果电脑怎么玩《背包乱斗》游戏 mac怎么玩steam windows游戏

《背包乱斗》为什么好玩 苹果电脑怎么玩《背包乱斗》游戏 mac怎么玩steam windows游戏

在当今竞争激烈的游戏市场中&#xff0c;《背包乱斗》以其独特的魅力在众多作品中脱颖而出&#xff0c;吸引了大量玩家的关注和喜爱。其创新的游戏机制和不断迭代的内容&#xff0c;加之出色的视觉效果和社区建设&#xff0c;使其成为了游戏界的一股清流。 一、《背包乱斗》为…
阅读更多...
钡铼EdgeIO系统BL206对接MQTT、Modbus TCP、OPC UA

钡铼EdgeIO系统BL206对接MQTT、Modbus TCP、OPC UA

钡铼EdgeIO系统BL206提供双网口支持交换机级联功能&#xff0c;支持标准MQTT协议、Modbus TCP协议、OPC UA协议&#xff0c;由耦合器与IO模块组成&#xff0c;采用Web配置&#xff0c;内置云驱动、可编程逻辑控制功能&#xff0c;用户点击即可连接云平台。耦合器自带诊断功能&a…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023