Python酷库之旅-第三方库Pandas(098)

news2024/11/16 0:00:56

目录

一、用法精讲

421、pandas.DataFrame.infer_objects方法

421-1、语法

421-2、参数

421-3、功能

421-4、返回值

421-5、说明

421-6、用法

421-6-1、数据准备

421-6-2、代码示例

421-6-3、结果输出

422、pandas.DataFrame.copy方法

422-1、语法

422-2、参数

422-3、功能

422-4、返回值

422-5、说明

422-6、用法

422-6-1、数据准备

422-6-2、代码示例

422-6-3、结果输出

423、pandas.DataFrame.bool方法

423-1、语法

423-2、参数

423-3、功能

423-4、返回值

423-5、说明

423-6、用法

423-6-1、数据准备

423-6-2、代码示例

423-6-3、结果输出

424、pandas.DataFrame.to_numpy方法

424-1、语法

424-2、参数

424-3、功能

424-4、返回值

424-5、说明

424-6、用法

424-6-1、数据准备

424-6-2、代码示例

424-6-3、结果输出

425、pandas.DataFrame.head方法

425-1、语法

425-2、参数

425-3、功能

425-4、返回值 

425-5、说明

425-6、用法

425-6-1、数据准备

425-6-2、代码示例

425-6-3、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

421、pandas.DataFrame.infer_objects方法
421-1、语法
# 421、pandas.DataFrame.infer_objects方法
pandas.DataFrame.infer_objects(copy=None)
Attempt to infer better dtypes for object columns.

Attempts soft conversion of object-dtyped columns, leaving non-object and unconvertible columns unchanged. The inference rules are the same as during normal Series/DataFrame construction.

Parameters:
copybool, default True
Whether to make a copy for non-object or non-inferable columns or Series.

Note

The copy keyword will change behavior in pandas 3.0. Copy-on-Write will be enabled by default, which means that all methods with a copy keyword will use a lazy copy mechanism to defer the copy and ignore the copy keyword. The copy keyword will be removed in a future version of pandas.

You can already get the future behavior and improvements through enabling copy on write pd.options.mode.copy_on_write = True

Returns:
same type as input object.
421-2、参数

421-2-1、copy(可选，默认值为None)：布尔值，决定是否在执行推断操作时创建数据的副本。如果设置为True，则会返回一个新的DataFrame，其推断后的类型会应用到新的对象上，原始的DataFrame不会被修改；如果设置为False，则推断的类型会直接在原始的DataFrame上进行修改。若设置为None(默认值)，函数会决定是否创建副本，这个决定可能依赖于底层实现，通常情况下会在需要时创建副本。

421-3、功能

        用于从数据类型为object的列中推断出更具体的数据类型。例如，如果某一列中实际存储的是整数或浮点数，但由于某些原因被读取为object类型，这个方法就可以尝试将其转化为int64或float64类型。

421-4、返回值

        返回一个DataFrame，其object类型的列被尝试推断为更具体的类型，如果copy=True，返回的是一个新的DataFrame；否则，原始DataFrame将被修改并返回。

421-5、说明

        无

421-6、用法
421-6-1、数据准备
无
421-6-2、代码示例
# 421、pandas.DataFrame.infer_objects方法
import pandas as pd
# 创建一个DataFrame，其中的某些列被推断为object类型
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4.0, 5.1, 6.2],
    'C': ['2022-01-01', '2023-01-01', '2024-01-01']
}, dtype='object')
# 使用infer_objects来推断更具体的类型
df_inferred = df.infer_objects()
print(df_inferred.dtypes)
421-6-3、结果输出
# 421、pandas.DataFrame.infer_objects方法
# A      int64
# B    float64
# C     object
# dtype: object
422、pandas.DataFrame.copy方法
422-1、语法
# 422、pandas.DataFrame.copy方法
pandas.DataFrame.copy(deep=True)
Make a copy of this object’s indices and data.

When deep=True (default), a new object will be created with a copy of the calling object’s data and indices. Modifications to the data or indices of the copy will not be reflected in the original object (see notes below).

When deep=False, a new object will be created without copying the calling object’s data or index (only references to the data and index are copied). Any changes to the data of the original will be reflected in the shallow copy (and vice versa).

Note

The deep=False behaviour as described above will change in pandas 3.0. Copy-on-Write will be enabled by default, which means that the “shallow” copy is that is returned with deep=False will still avoid making an eager copy, but changes to the data of the original will no longer be reflected in the shallow copy (or vice versa). Instead, it makes use of a lazy (deferred) copy mechanism that will copy the data only when any changes to the original or shallow copy is made.

You can already get the future behavior and improvements through enabling copy on write pd.options.mode.copy_on_write = True

Parameters:
deep
bool, default True
Make a deep copy, including a copy of the data and the indices. With deep=False neither the indices nor the data are copied.

Returns:
Series or DataFrame
Object type matches caller.

Notes

When deep=True, data is copied but actual Python objects will not be copied recursively, only the reference to the object. This is in contrast to copy.deepcopy in the Standard Library, which recursively copies object data (see examples below).

While Index objects are copied when deep=True, the underlying numpy array is not copied for performance reasons. Since Index is immutable, the underlying data can be safely shared and a copy is not needed.

Since pandas is not thread safe, see the gotchas when copying in a threading environment.

When copy_on_write in pandas config is set to True, the copy_on_write config takes effect even when deep=False. This means that any changes to the copied data would make a new copy of the data upon write (and vice versa). Changes made to either the original or copied variable would not be reflected in the counterpart. See Copy_on_Write for more information.
422-2、参数

422-2-1、deep(可选，默认值为True)：布尔值，该参数决定是否执行深复制(deep copy)：

  • deep=True(默认值)：进行深复制，这意味着副本和原始DataFrame的数据将独立存储，改变副本中的数据不会影响原始DataFrame，反之亦然。
  • deep=False：进行浅复制，这意味着副本和原始DataFrame共享数据存储空间，改变副本中的数据可能会影响原始DataFrame，反之亦然。
422-3、功能

        用于生成现有DataFrame的一个副本，它允许用户选择进行深复制还是浅复制，从而根据需要选择合适的数据复制方式：

  • 深复制(deep copy)：创建DataFrame和其数据的完整拷贝，包括数据、索引等，确保副本和原始对象完全独立。
  • 浅复制(shallow copy)：创建DataFrame的新引用，但不复制数据本身，因此两者共享相同的底层数据存储空间。
422-4、返回值

        返回一个新的DataFrame对象，对于深复制，这个新对象是对原始DataFrame的完全独立的拷贝；对于浅复制，这个新对象与原始DataFrame共享相同的数据。

422-5、说明

        无

422-6、用法
422-6-1、数据准备
无
422-6-2、代码示例
# 422、pandas.DataFrame.copy方法
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4.0, 5.1, 6.2]
})
# 执行深复制（默认行为）
df_deep_copy = df.copy()
df_deep_copy.iloc[0, 0] = 10  # 修改深复制的DataFrame中的数据
print("Original DataFrame:")
print(df)
print("\nDeep Copy DataFrame:")
print(df_deep_copy)
# 执行浅复制
df_shallow_copy = df.copy(deep=False)
df_shallow_copy.iloc[0, 0] = 10  # 修改浅复制的DataFrame中的数据
print("\nOriginal DataFrame after shallow copy modification:")
print(df)
print("\nShallow Copy DataFrame:")
print(df_shallow_copy)
422-6-3、结果输出
# 422、pandas.DataFrame.copy方法
# Original DataFrame:
#    A    B
# 0  1  4.0
# 1  2  5.1
# 2  3  6.2
# 
# Deep Copy DataFrame:
#     A    B
# 0  10  4.0
# 1   2  5.1
# 2   3  6.2
# 
# Original DataFrame after shallow copy modification:
#     A    B
# 0  10  4.0
# 1   2  5.1
# 2   3  6.2
# 
# Shallow Copy DataFrame:
#     A    B
# 0  10  4.0
# 1   2  5.1
# 2   3  6.2
423、pandas.DataFrame.bool方法
423-1、语法
# 423、pandas.DataFrame.bool方法
pandas.DataFrame.bool()
Return the bool of a single element Series or DataFrame.

Deprecated since version 2.1.0: bool is deprecated and will be removed in future version of pandas. For Series use pandas.Series.item.

This must be a boolean scalar value, either True or False. It will raise a ValueError if the Series or DataFrame does not have exactly 1 element, or that element is not boolean (integer values 0 and 1 will also raise an exception).

Returns:
bool
The value in the Series or DataFrame.
423-2、参数

        无

423-3、功能

        用于将DataFrame转换为布尔上下文，但它仅适用于包含单个元素(一个值)的DataFrame。换句话说，只有在DataFrame中包含一个元素的情况下，该方法才会返回该元素的布尔值；否则，它会引发ValueError。

423-4、返回值

        如果DataFrame中唯一的元素的布尔值为True，则返回True；否则返回False。

423-5、说明

        无

423-6、用法
423-6-1、数据准备
无
423-6-2、代码示例
# 423、pandas.DataFrame.bool方法
import pandas as pd
# 创建一个包含单个元素的DataFrame
df_single = pd.DataFrame({'A': [True]})
# 将DataFrame转换为布尔值
try:
    result = df_single.bool()
    print("The boolean value of the DataFrame is:", result)
except ValueError as e:
    print('Error:', e)
# 创建一个包含多个元素的DataFrame
df_multiple = pd.DataFrame({'A': [True, False]})
# 尝试将包含多个元素的DataFrame转换为布尔值
try:
    result = df_multiple.bool()
    print("The boolean value of the DataFrame is:", result)
except ValueError as e:
    print('Error:', e)
# 创建一个包含超过一个元素的DataFrame
df_multiple_elements = pd.DataFrame({'A': [5]})
# 尝试将单个非布尔值元素的DataFrame转换为布尔值
try:
    result = df_multiple_elements.bool()
    print("The boolean value of the DataFrame is:", result)
except ValueError as e:
    print('Error:', e)
423-6-3、结果输出
# 423、pandas.DataFrame.bool方法
# The boolean value of the DataFrame is: True
# Error: The truth value of a DataFrame is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
# Error: bool cannot act on a non-boolean single element DataFrame
424、pandas.DataFrame.to_numpy方法
424-1、语法
# 424、pandas.DataFrame.to_numpy方法
panas.DataFrame.to_numpy(dtype=None, copy=False, na_value=_NoDefault.no_default)
Convert the DataFrame to a NumPy array.

By default, the dtype of the returned array will be the common NumPy dtype of all types in the DataFrame. For example, if the dtypes are float16 and float32, the results dtype will be float32. This may require copying data and coercing values, which may be expensive.

Parameters:
dtype
str or numpy.dtype, optional
The dtype to pass to numpy.asarray().

copy
bool, default False
Whether to ensure that the returned value is not a view on another array. Note that copy=False does not ensure that to_numpy() is no-copy. Rather, copy=True ensure that a copy is made, even if not strictly necessary.

na_value
Any, optional
The value to use for missing values. The default value depends on dtype and the dtypes of the DataFrame columns.

Returns:
numpy.ndarray
424-2、参数

424-2-1、dtype(可选，默认值为None)：指定生成数组的目标数据类型，如果未指定，默认情况下会保留数据的原始类型，可以通过该参数改变所有数据的类型，例如将所有元素转换为浮点型 (float)或整型(int)。

424-2-2、copy(可选，默认值为False)：是否强制复制数据，如果设置为False，则在可能的情况下，不会创建数据的副本，而是返回数据的视图(引用)；如果设置为True，则始终会复制数据，并返回新的数组。

424-2-3、na_value(可选)：在生成的数组中，用于替换缺失值(NaN)的值，如果未指定此参数，缺失值将保留为原来的形式(通常为NaN或者None)，指定此参数可以将所有缺失值替换为一个指定的值。

424-3、功能

        将DataFrame中的数据转换并返回为numpy.ndarray，这对于需要进行高效的数值计算和数组操作非常有用。

424-4、返回值

        返回一个numpy.ndarray对象，对象中每个元素对应DataFrame中的值。数据类型、元素值和是否复制数据都取决于传递给该方法的参数。

424-5、说明

        无

424-6、用法
424-6-1、数据准备
无
424-6-2、代码示例
# 424、pandas.DataFrame.to_numpy方法
import pandas as pd
import numpy as np
# 创建一个示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7.1, 8.2, np.nan]
})
# 默认转换为NumPy数组
array_default = df.to_numpy()
print("Default conversion to NumPy array:")
print(array_default)
# 指定数据类型为float32
array_float32 = df.to_numpy(dtype='float32')
print("\nConversion to NumPy array with dtype='float32':")
print(array_float32)
# 强制复制数据
array_copy = df.to_numpy(copy=True)
print("\nConversion to NumPy array with copy=True:")
print(array_copy)
# 替换缺失值NaN为0
array_na_value = df.to_numpy(na_value=0)
print("\nConversion to NumPy array with na_value=0:")
print(array_na_value)
424-6-3、结果输出
# 424、pandas.DataFrame.to_numpy方法
# Default conversion to NumPy array:
# [[1.  4.  7.1]
#  [2.  5.  8.2]
#  [3.  6.  nan]]
# 
# Conversion to NumPy array with dtype='float32':
# [[1.  4.  7.1]
#  [2.  5.  8.2]
#  [3.  6.  nan]]
# 
# Conversion to NumPy array with copy=True:
# [[1.  4.  7.1]
#  [2.  5.  8.2]
#  [3.  6.  nan]]
# 
# Conversion to NumPy array with na_value=0:
# [[1.  4.  7.1]
#  [2.  5.  8.2]
#  [3.  6.  0. ]]
425、pandas.DataFrame.head方法
425-1、语法
# 425、pandas.DataFrame.head方法
pandas.DataFrame.head(n=5)
Return the first n rows.

This function returns the first n rows for the object based on position. It is useful for quickly testing if your object has the right type of data in it.

For negative values of n, this function returns all rows except the last |n| rows, equivalent to df[:n].

If n is larger than the number of rows, this function returns all rows.

Parameters:
n
int, default 5
Number of rows to select.

Returns:
same type as caller
The first n rows of the caller object.
425-2、参数

425-2-1、n(可选，默认值为5)：整数，指定返回的行数，如果未提供，该方法默认返回前5行。

425-3、功能

        用于返回一个DataFrame的前n行，默认返回前5行，这在预览数据内容时非常有用，特别是当你想要查看一个DataFrame的前几行以便了解数据的结构和内容时。

425-4、返回值 

        返回一个pandas.DataFrame对象，对象包含前n行。

425-5、说明

425-5-1、数据预览：当读入一个新的数据集时，快速查看前几行数据。

425-5-2、调试和检查：在数据处理过程中的不同步骤，检查中间数据的内容和格式。

425-5-3、报告和展示：在展示数据时，只需要展示前几行数据以保持简洁和清晰。

425-6、用法
425-6-1、数据准备
无
425-6-2、代码示例
# 425、pandas.DataFrame.head方法
import pandas as pd
# 创建一个示例DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank', 'Grace'],
    'Age': [24, 30, 22, 25, 29, 32, 27],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix', 'Philadelphia', 'San Antonio']
}
df = pd.DataFrame(data)
# 使用head方法查看前5行
print("前5行：")
print(df.head())
# 使用head方法查看前3行
print("\n前3行：")
print(df.head(n=3))
425-6-3、结果输出
# 425、pandas.DataFrame.head方法
# 前5行：
#       Name  Age         City
# 0    Alice   24     New York
# 1      Bob   30  Los Angeles
# 2  Charlie   22      Chicago
# 3    David   25      Houston
# 4      Eve   29      Phoenix
# 
# 前3行：
#       Name  Age         City
# 0    Alice   24     New York
# 1      Bob   30  Los Angeles
# 2  Charlie   22      Chicago

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/2073653.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

sheng的学习笔记-AI-半监督学习

sheng的学习笔记-AI-半监督学习

AI目录：sheng的学习笔记-AI目录-CSDN博客 基础知识 什么是半监督学习 我们在丰收季节来到瓜田，满地都是西瓜，瓜农抱来三四个瓜说这都是好瓜，然后再指着地里的五六个瓜说这些还不好，还需再生长若干天。基于这些信息&a…
阅读更多...
前端面试题-场景设计题

前端面试题-场景设计题

1. 如何使用 css 画一个三角形 借助 border 实现，在 width 和 height 都为 0 时，设置 border，便会呈现三角形。想要哪个方向的三角形，设置其他三边为 透明即可。 同时，可以通过调整不同边的宽度，来调整三角…
阅读更多...
巨省成本的电子版招生简章越来越流行，你知道是怎么制作的吗？

巨省成本的电子版招生简章越来越流行，你知道是怎么制作的吗？

随着科技的不断发展，传统的纸质招生简章逐渐被电子版招生简章所取代。电子版招生简章不仅能够节省大量成本，还能够提高宣传效果，因此在市场上越来越流行。你知道它是怎么制作的吗？ 1.要制作电子杂志,首先需要选择一款适合自己的软…
阅读更多...
Milvus在数派数据大模型业务中的实践

Milvus在数派数据大模型业务中的实践

01. 写在前面 云南数派数据科技有限公司是一家总部位于美丽春城昆明的大模型创新企业，在深圳和昆明双城并立，设立了两个研发中心。我们的旗舰产品——SUPIEDT大模型开发平台，作为一款全生命周期的异构算力大模型开发平台，集一站式…
阅读更多...
推荐3款好用的电脑动态壁纸软件，资源丰富,图片精美

推荐3款好用的电脑动态壁纸软件，资源丰富,图片精美

WinDynamicDesktop WinDynamicDesktop是一款将macOS Mojave的动态桌面功能移植到Windows平台上的开源软件。它允许用户根据时间、地点和天气等条件自动更换壁纸，从而实现类似macOS系统中的动态壁纸效果。 该软件的主要特点包括： 动态壁纸：W…
阅读更多...
查找1

查找1

一、查找的基本概念 二、线性表的查找 1）顺序查找（线性查找） 2）折半查找（二分或对分查找） 3)（分块）索引查找
阅读更多...
具有宽输入电压范围的75V同步降压控制器LM5145

具有宽输入电压范围的75V同步降压控制器LM5145

芯品快报：亚德诺（ADI）汽车音频总线AB收发器AD2428 这周末，除非外面下钞票，否则谁也拦不住我玩《黑神话悟空》（附：两款可以玩转悟空的显卡推荐） LM5145是德州仪器推出的一款具有较宽输入电压的75V同步降压控制器，其输入电压范围可达6V~75V，具有0.8V~60V可调整的输出…
阅读更多...
【研发日记】嵌入式处理器技能解锁(五)——TI C2000 DSP的中断系统

【研发日记】嵌入式处理器技能解锁(五)——TI C2000 DSP的中断系统

文章目录 前言 背景介绍 中断框架 外设中断 ePIE模块 CPU中断 中断嵌套 应用实例 总结 参考资料 前言 见《【研发日记】嵌入式处理器技能解锁(一)——多任务异步执行调度的三种方法》 见《【研发日记】嵌入式处理器技能解锁(二)——TI C2000 DSP的SCI(串口)通信》 见…
阅读更多...
大数据中台建设整体技术方案（中台设计）word完整版

大数据中台建设整体技术方案（中台设计）word完整版

1. 中台概念 2. 推动企业组织模式演进 3. 建设方法 4 .中台内容 5. 数据安全体系 中台内容围绕数据中台建设评估、整体框架、数据采集，结构化、半结构化、非结构化的数据采集，数据计算能力、存储计算引擎、数据架构、数据挖掘、各种不同数据层建设、模型…
阅读更多...
ssrf+redis

ssrf+redis

curl支持很多协议，有FTP, FTPS, HTTP, HTTPS, GOPHER, TELNET, DICT, FILE以及LDA dict被禁用了用（?urlhttp://172.19.0.3端口）来探测一下端口吧 172.19.0.3主机只开放一个80端口 看看内网还有其他服务器没 这里可以看到内网还有一台172.1…
阅读更多...
【Python】给动态图片加水印

【Python】给动态图片加水印

文章目录 原文：https://blog.c12th.cn/archives/35.html前言部分代码ini文件CMD 完整代码使用教程(打包整理后文件)注意事项 最后 原文：https://blog.c12th.cn/archives/35.html 前言 之前 图片加水印 是对于静态图片，而现在这个是对动态图片…
阅读更多...
一个快速简单的工具来分析SSL/TLS协议数据帧 （C/C++代码实现）

一个快速简单的工具来分析SSL/TLS协议数据帧 （C/C++代码实现）

SSL/TLS协议是网络安全通信的基石，它通过在客户端和服务器之间建立一个加密的通道，确保数据传输的安全性和完整性。SSL（Secure Sockets Layer）最初由Netscape公司开发，而TLS（Transport Layer Security&…
阅读更多...
Renesa Version Board开发RT-Thread 之UART驱动应用

Renesa Version Board开发RT-Thread 之UART驱动应用

目录 概述 1 硬件介绍 2 软件配置 2.1 RT-Thread Studio配置参数 2.2 FSP配置MCU 3 RT-Thread中UART的接口介绍 3.1 RT-Thread UART简介 3.2 RT-Thread 下的UART接口 4 UART的应用 4.1 应用功能实现 4.2 源代码文件 5 测试 程序下载地址： RenesaVersio…
阅读更多...
Open3D 最小点约束的体素滤波（34）

Open3D 最小点约束的体素滤波（34）

Open3D 最小点约束的体素滤波（34） 一、算法介绍二、算法流程三、算法代码四、实现效果一、算法介绍 体素滤波可以达到快速减少点云数量的目的，而海量点云往往是需要这一步骤才可以进行后续处理的，比如配准时使用千万级别的原始点云配准显然是不合理的，因此体素滤波是比较重…
阅读更多...
Mybatis搭建配置文件基础用法参数传递

Mybatis搭建配置文件基础用法参数传递

背景介绍 Mybatis原是Apache的一个开源项目iBatis 2010碾开发团队转移到谷歌旗下改名为Mybatis Mybatis介绍 Mybatis是一个优秀的数据持久层框架(dao层 数据访问层 数据持久层) Mybatis是对jdbc进行封装,比见面jdbc这手动设置参数,手动映射结果的操作 Mybatis是将jdbc中的…
阅读更多...
高变比LLC谐振变换器中“十”字型低匝比平面变压器设计

高变比LLC谐振变换器中“十”字型低匝比平面变压器设计

导语 为了解决高变比LLC谐振变换器的变压器绕组匝数过多、绕组结构复杂这一技术瓶颈背后的核心科学问题，本文提出一种“十”字型低匝比平面变压器，用于高变比LLC谐振变换器。 1.0引言 大数据中心的建设离不开供配电系统—电源设备的建设，为大…
阅读更多...
15天速通java基础：java(J2SE)阶段学习总结（数据类型、数组、方法、面向对象、异常处理、容器、流、多线程、网络编程）

15天速通java基础：java(J2SE)阶段学习总结（数据类型、数组、方法、面向对象、异常处理、容器、流、多线程、网络编程）

有一段时间没有写博客了，我这段时间去学习java了，谁也不会想到，短短两周的时间，我的java学习已经学习了不少东西了，毕竟python这座山也可以去攻java这块玉，对应python那就是基础的大部分内容，不…
阅读更多...
吴恩达机器学习课后作业-06支持向量机（SVM）

吴恩达机器学习课后作业-06支持向量机（SVM）

SVM 线性可分SVM题目绘制决策边界改变C,观察决策边界代码 线性不可分SVM核函数代码 寻找最优C、gamma垃圾邮件过滤 线性可分SVM 题目 数据分布 绘制决策边界 import numpy as np import matplotlib.pyplot as plt import scipy.io as sio from scipy.optimize import minimi…
阅读更多...
电子电路学习之二极管-1

电子电路学习之二极管-1

特别感谢：B站博主：唐老师讲电赛 工科男孙老师 本文图片出自两位博主视频 再次感谢 1 半导体 1. 本征半导体 (Intrinsic Semiconductor) 定义：本征半导体是指纯净的、不掺杂任何杂质的半导体材料，如硅（Si）…
阅读更多...
日本人形机器人仿真环境搭建

日本人形机器人仿真环境搭建

机器人 官网在这里 http://ai2001.ifdef.jp/uvc/uvc.html 我们可以下载他们的源码 ODE引擎安装 这个是刚体动力学模拟引擎，我用的是windows，大家可以自己参考着官网来（http://ode.org/wiki/index.php/Manual#Install_and_Use）…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023