python——Echarts现交互式动态可视化

news2025/1/19 3:31:20

数据展示

20192018201720162015201420132012
北京5817.15785.91765430.78755081.264723.864027.16093661.10973314.934
天津2410.252106.23972310.35522723.52667.112390.35182079.07161760.0201
河北3742.673513.86433233.83322849.872649.182446.61662295.62032084.2825
山西2347.562292.69821867.002215571642.351820.6351701.62271516.378
内蒙古2059.741857.64931703.20952016.431964.481843.67361720.98431552.7453
辽宁2651.962616.08322392.76532200.492127.393192.78133343.81063105.3785
吉林1116.861240.88921210.90811263.781229.351203.38431156.96161041.2514
黑龙江1262.641282.5951243.31181148.411165.881301.3121277.39511163.1708
上海7165.17108.1486642.26386406.135519.54585.55344109.50863743.7053
江苏8802.368630.16058171.53158121.238028.597233.14266568.4645860.6884
浙江70486598.2125804.38375301.984809.944122.02113796.92413441.2267
安徽3182.543048.67052812.44952672.792454.32218.44182075.0751792.7192
福建3052.723007.40872809.03322654.832544.242362.21382119.44551776.1728
江西2486.512373.0082247.06242151.472165.741881.83151621.23581371.994
山东6526.646485.39596098.63245860.185529.335026.82734559.94634059.4301
河南4041.63766.01833407.21873153.473016.052739.25562415.44822040.331
湖北3388.393307.07823248.31593102.063005.532566.89532191.22211823.0532
湖南3006.992860.84432757.82122697.882515.432262.78592030.87581782.156
广东12651.4612105.255211320.349710390.359366.788065.07587081.46556229.1804
广西1811.891681.44661615.12731556.271515.161422.28031317.60351166.0614
海南814.13752.6673674.105637.51627.7555.3064481.014409.437
重庆2134.882265.54212252.37882227.912154.831922.01591693.24381703.4885
四川4070.693911.00923577.98873388.853355.443061.06842784.09522421.2703
贵州1767.361726.85161613.83771561.341503.381366.67311206.41461014.0547
云南2073.531994.34581886.16871812.291808.11698.05741611.29551338.1509
西藏222230.3543185.8341155.99137.13124.270895.023786.5827
陕西2287.732243.13912006.69391833.992059.951890.40441748.33051600.6862
甘肃850.23871.0537815.7323786.97743.86672.6698607.2717520.3993
青海282.14272.887246.1961238.51267.13251.6759223.8586186.4165
宁夏423.55436.5205417.5888387.66373.4339.8627308.3376263.9569
新疆1577.61531.42291466.51891298.951330.91282.33671128.4875908.9655

2011201020092008200720062005
3006.282353.93012026.80891837.32381492.6381117.1514919.2098
1455.131068.8093821.9916675.6186540.439417.0479331.8507
1737.771331.85471067.1231947.5858789.1198620.534515.7017
1213.43969.6652805.8279748.0047597.887583.3752368.3437
1356.671069.9776850.8588650.6764492.3615343.3774277.4553
2643.152004.83521591.21971356.08121082.6948817.6718675.2768
850.1602.4092487.0943422.7961320.6892245.2045207.152
997.55755.5788641.6627578.2773440.4689386.844318.2056
3429.832873.5842540.29752358.74642074.47921576.07421417.3976
5148.914079.85953228.782731.40742237.72761656.6821322.6753
3150.82608.46552142.51311933.3891649.49811298.20441066.5964
1463.561149.3952863.9175724.6197543.6973428.0265334.017
1501.511151.4923932.4282833.4032699.4577541.1707432.6003
1053.43778.0922581.3012488.6476389.851305.5214252.9236
3455.932749.38422198.63241957.05411675.3981356.25261073.125
1721.761381.31781126.06381008.9009862.0804679.1715537.6514
1526.911011.2314814.8653710.8492590.3552476.0823375.5217
1517.071081.6901847.6178722.7122606.5508477.9274395.2651
5514.844517.04453649.8113310.32352785.80072179.46081807.2044
947.72771.9918620.9888518.4245418.8265342.5788283.0359
340.12270.9915178.242144.8584108.293581.813968.6802
1488.33952.0745655.1701577.5738442.7317.7165256.8072
2044.791561.67271174.59271041.6603850.8606607.585479.6635
773.08533.7309416.4761347.8416285.1375226.8157182.4963
1111.16871.1875698.2525614.0518486.7146379.9702312.649
54.7636.647330.089424.882320.141214.560712.0312
1500.18958.2065735.2704591.475475.2398362.4805275.3183
450.12353.5833286.5898264.965190.9107141.2152123.5026
151.81110.215387.738171.569256.708342.243733.8222
219.98153.5507111.575595.00980.031261.35747.7216
720.43500.5759388.7848361.0616285.86219.4628180.3184
20042003200220012000
744.4874592.5388533.99454.1676344.9968
246.18204.5295209.7021163.635133.6069
407.8273335.8263302.3068283.5023248.7621
256.3634186.0547150.8245132.7618114.4762
196.7589138.7157112.854699.431395.032
529.6405447.049399.6888370.4387295.6274
166.2807154.0033131.4885121.1015103.8267
289.42248.8643231.8908213.6398185.3379
1106.1932886.2277719.79609.4719485.3777
980.4939798.1065643.6966572.1473448.3097
805.9479706.5607566.8522500.6948342.7745
274.6284220.7487200.2154192.1813178.7187
333.523304.7095272.8867274.2846234.1061
205.7667168.167140.5457131.979111.5536
828.3306713.7877610.2242573.1793463.6788
428.7799338.0535296.7179267.7459246.4694
310.4464259.7636243.4403231.941214.345
320.6279268.6469231.1459205.4078177.0403
1418.50561315.51511201.61261160.5126910.556
237.7721203.6578186.732178.6706147.0539
57.035851.320546.238543.765639.1995
200.6241161.5618157.8651106.124387.2442
385.7848336.5917291.8746271.1245233.863
149.2855124.5552108.2899.749485.2324
263.3618228.9992206.7594191.2799180.745
10.01888.14997.30826.11085.3848
214.9586177.33150.2934135.8109114.9711
104.1687.656176.243269.948561.2849
26.99624.041121.096519.824116.5843
37.467730.03126.471427.574520.8244
155.704128.2218116.472495.093379.0724

在 Python 中，可以使用 Echarts 来实现交互式动态可视化。Echarts 是一个强大的可视化库，能够创建各种精美的图表和可视化效果。

以下是实现步骤：

一、安装必要的库

首先，确保你已经安装了 Python 和以下库：

  • pyecharts：用于在 Python 中生成 Echarts 图表。

可以使用以下命令安装 pyecharts：

pip install pyecharts

二、创建图表

  1. 导入所需的模块：
from pyecharts.charts import Bar
from pyecharts import options as opts
  1. 创建一个柱状图示例：
bar = Bar()
bar.add_xaxis(["A", "B", "C", "D", "E"])
bar.add_yaxis("Series 1", [10, 20, 30, 40, 50])
bar.set_global_opts(title_opts=opts.TitleOpts(title="Sample Bar Chart"))

三、渲染图表

  1. 可以将图表渲染为 HTML 文件：
bar.render("bar_chart.html")
  1. 也可以在 Jupyter Notebook 中直接显示图表：
bar.render_notebook()


import pyecharts.options as opts
from pyecharts.globals import ThemeType
from pyecharts.commons.utils import JsCode
from pyecharts.charts import Timeline, Grid, Bar, Map, Pie
import pandas as pd
data = pd.read_excel('全国各省财政收入.xlsx',index_col=0)

years=list(data.keys()) #获取列名
citys=list(data.index)    #获取索引行名
citys=[city.replace('省','').replace('市','').replace('自治区','') for city in citys]
datas=[]
for time in years:
    dict_year={}
    dict_year['time']=time
    data_list=[[i,j] for i,j in zip(citys,list(data[time]))]
    dict_year['data']=sorted(data_list, key=(lambda x: x[1]),reverse=True)
    datas.append(dict_year)
def get_year_chart(year: int):
    map_data = [datasDict["data"] for datasDict in datas if datasDict["time"]==year][0][:10]
    print(map_data)
    min_data, max_data = (
            min([d[1] for d in map_data]),
            max([d[1] for d in map_data]),
        )
    map_chart = (
            Map(init_opts=opts.InitOpts(theme=ThemeType.DARK))## 实例化一个Map对象
            .add(
                series_name="",
                data_pair=map_data,
                label_opts=opts.LabelOpts(is_show=True),
                is_map_symbol_show=False,
                maptype="china"
            )#创建地图
            #Map图表中add基本参数为：add(‘图例名称’,date,maptype)，maptype选项分为：全球：world；中国：china；
            #set_series_opts(label_opts=opts.LabelOpts(is_show=False))作用为不显示地图中省份名称
            #设置全局配置项
            .set_global_opts(
                title_opts=opts.TitleOpts(
                    title="{}年以来中国各省GDP排名情况".format(year),
                    subtitle="GDP单位:亿元",
                    pos_left="center",
                    pos_top="top",
                    title_textstyle_opts=opts.TextStyleOpts(
                        font_size=25, color="rgba(123,104,238, 0.9)"
                    ),
                ),
                visualmap_opts=opts.VisualMapOpts(
                    is_calculable=True,
                    dimension=0,
                    pos_left="10",
                    pos_top="center",#
                    range_text=["High", "Low"],
                    range_color=["lightskyblue", "yellow", "orangered"],#visualMap 组件过渡颜色 (可以自定义)(颜色从淡到深)
                    textstyle_opts=opts.TextStyleOpts(color="#ddd"),#文字样式配置项
                    min_=min_data,
                    max_=max_data,
                ),#视觉映射配置项，设置最大值后不同金额会显示不同颜色
            )
        )
    bar_x_data = [x[0] for x in map_data]
    bar_y_data = [x[1] for x in map_data]
    bar = (
            Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK))
            .add_xaxis(xaxis_data=bar_x_data)
            .add_yaxis(
                series_name="",
                y_axis=bar_y_data,
                label_opts=opts.LabelOpts(
                    is_show=True, position="right", formatter="{b}: {c}"
                ),
            )
            .reversal_axis()#横向柱状图展示
            .set_global_opts(
                xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(is_show=False)),#对X轴和Y轴标上名字
                yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(is_show=False)),#柱状图X轴和Y轴上面的个性化标记,旋转坐标轴: 解决坐标轴名字过长的问题
                tooltip_opts=opts.TooltipOpts(is_show=True),#要设置柱形图上面的提示框，这个时候需要用到TooltipOpts。
                visualmap_opts=opts.VisualMapOpts(
                    is_calculable=True,#是否显示拖拽用的手柄
                    dimension=0,
                    pos_left="10",
                    pos_top="center",
                    range_text=["High", "Low"],
                    range_color=["lightskyblue", "yellow", "orangered"],
                    textstyle_opts=opts.TextStyleOpts(color="#ddd"),
                    min_=min_data,
                    max_=max_data,
                ),
            )
        )
    pie_data = [[x[0], x[1]] for x in map_data]
    percent_sum = sum([x[1] for x in map_data])
    print(percent_sum)
    rest_value = 0
    for d in map_data:
        rest_percent = 100.0
        rest_percent = rest_percent - percent_sum
        rest_value = d[1] * (rest_percent / d[1])
    pie = (
        Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK))
        .add(
            series_name="",
            data_pair=pie_data,
            radius=["12%", "20%"],# #百分比根据实际情况进行修改（空心和实心）,饼图的半径，数组的第一项是内半径，第二项是外半径
            center=["80%", "90%"],#饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标
            itemstyle_opts=opts.ItemStyleOpts(
                border_width=1, border_color="rgba(0,0,0,0.3)"#RGBA，比如'rgba(128, 128, 128, 0.5),0.5参数通道表示不透明度
            ),## 图元样式配置项
        )
        .set_global_opts(
            tooltip_opts=opts.TooltipOpts(is_show=True, formatter="{b} {d}%"),
            legend_opts=opts.LegendOpts(is_show=False),
        )
    )
    grid_chart = (
        Grid()#Grid 类：并行显示多张图
        .add(
            bar,
            grid_opts=opts.GridOpts(
                pos_left="10", pos_right="45%", pos_top="70%", pos_bottom="5"
            ),
        )
        .add(pie, grid_opts=opts.GridOpts())
        .add(map_chart, grid_opts=opts.GridOpts())
    )

    return grid_chart
# 生成时间轴实现轮播
time_list = list(range(2000,2020))
#timeline本身是时间轴，Timeline 类：提供时间线轮播多张图
timeline = Timeline(
    init_opts=opts.InitOpts(width="900px", height="400px", theme=ThemeType.DARK)
)
for time in time_list:
    g = get_year_chart(year=time)
    timeline.add(g, time_point=str(time))
timeline.add_schema(
    orient="vertical",
    is_auto_play=True,#是否自动播放。
    is_inverse=True,##是否反向放置 timeline，反向则首位颠倒过来
    play_interval=500,#表示播放的速度（跳动的间隔）
    pos_left="null",
    pos_right="5",
    pos_top="20",
    pos_bottom="20",
    width="50",
    label_opts=opts.LabelOpts(is_show=True, color="#fff"),
)
timeline.render(path='test_bar.html')

import pyecharts.options as opts
from pyecharts.charts import Timeline, Map
import pandas as pd

# 读取 Excel 文件中的数据（假设你的 Excel 文件中包含省份和对应年份的 GDP 数据）
data = pd.read_excel('全国各省财政收入.xlsx', index_col=0)
years = list(data.keys())
citys = list(data.index)
citys = [city.replace('省', '').replace('市', '').replace('自治区', '') for city in citys]

# 重新组织数据
total_data = {}
for year in years:
    temp = list(data[year])
    total_data[year] = []
    for i in range(len(temp)):
        total_data[year].append({"name": citys[i], "value": temp[i]})


# 获取指定年份的中国地图图表
def get_map_chart(year: int) -> Map:
    map_chart = (
        Map()
      .add("GDP", total_data[year], "china")
      .set_global_opts(
            title_opts=opts.TitleOpts(title=f"{year}年各省 GDP 分布"),
            visualmap_opts=opts.VisualMapOpts(max_=max([item["value"] for item in total_data[year]]),
                                              min_=min([item["value"] for item in total_data[year]]))
        )
    )
    return map_chart


# 生成时间轴的图
timeline = Timeline()

for y in years:
    timeline.add(get_map_chart(year=y), time_point=str(y))

# 设置时间轴自动播放等属性
timeline.add_schema(is_auto_play=True, play_interval=1000)
timeline.render("gdp_china_map_timeline.html")

 

import pyecharts.options as opts
from pyecharts.charts import Timeline, Bar, Pie
import pandas as pd


# 读取 Excel 文件中的数据
data = pd.read_excel('全国各省财政收入.xlsx', index_col=0)
years = list(data.keys())
citys = list(data.index)
citys = [city.replace('省', '').replace('市', '').replace('自治区', '') for city in citys]

# 重新组织数据
total_data = {}
for year in years:
    temp = list(data[year])
    total_data[year] = []
    for i in range(len(temp)):
        total_data[year].append({"name": citys[i], "value": temp[i]})

    max_data = max(temp)
    sum_data = sum(temp)
    total_data[str(year) + "max"] = int(max_data / 100) * 100
    total_data[str(year) + "sum"] = sum_data


# 获取指定年份的图表
def get_year_overlap_chart(year: int) -> Bar:
    bar = (
        Bar()
       .add_xaxis(xaxis_data=[item["name"] for item in total_data[year]])
       .add_yaxis(
            series_name="财政收入",
            y_axis=[item["value"] for item in total_data[year]],
            label_opts=opts.LabelOpts(is_show=False),
        )
       .set_global_opts(
            title_opts=opts.TitleOpts(
                title="{}年全国各省财政收入".format(year), subtitle="数据来源：全国各省财政收入.xlsx"
            ),
            tooltip_opts=opts.TooltipOpts(
                is_show=True, trigger="axis", axis_pointer_type="shadow"
            ),
            legend_opts=opts.LegendOpts(
                selected_map={
                    "财政收入": False,
                }
            ),
        )
    )
    return bar


# 生成时间轴的图
timeline = Timeline()

for y in years:
    timeline.add(get_year_overlap_chart(year=y), time_point=str(y))

# 设置时间轴自动播放等属性
timeline.add_schema(is_auto_play=True, play_interval=1000)
timeline.render("finance_indices_2003.html")

 

 

import pyecharts.options as opts
from pyecharts.charts import Pie
import pandas as pd
import pandas as pd
from pyecharts.charts import Bar, Scatter
from pyecharts import options as opts

# 读取 Excel 文件中的数据
data = pd.read_excel('全国各省财政收入.xlsx', index_col=0)
years = list(data.keys())
citys = list(data.index)
citys = [city.replace('省', '').replace('市', '').replace('自治区', '') for city in citys]

# 重新组织数据
total_data = {}
for year in years:
    temp = list(data[year])
    total_data[year] = []
    for i in range(len(temp)):
        total_data[year].append({"name": citys[i], "value": temp[i]})

# 选择某一年份（这里以第一年为例）来绘制饼图
year = years[0]
data_for_pie = total_data[year]

# 获取饼图
def get_pie_chart() -> Pie:
    pie = (
        Pie()
      .add(
            "",
            [(item["name"], item["value"]) for item in data_for_pie],
            radius=["30%", "75%"],
        )
      .set_global_opts(
            title_opts=opts.TitleOpts(title=f"{year}年全国各省财政收入饼图"),
            tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"),
        )
      .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    )
    return pie

get_pie_chart().render("pie_chart.html")

 

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/2198428.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

泛微流程隐藏按钮

泛微流程隐藏按钮

隐藏右键菜单的按钮 控制台输入 mobx.toJS(WfForm.getGlobalStore().rightMenu.rightMenus) 获取相对应 type在js中进行隐藏 ecodeSDK.overwritePropsFnQueueMapSet(WeaRightMenu,{ //复写组件名隐藏菜单fn:(newProps)>{ //newProps代表组件参数newProps.datas newProps.…
阅读更多...
使用Spring Security实现用户-权限-资源的精细化控制

使用Spring Security实现用户-权限-资源的精细化控制

文章目录 一、基于权限的请求控制二、加载用户权限信息三、自定义异常处理四、注册自定义异常处理器五、总结 在开发Web应用时&#xff0c;权限管理是一个不可忽视的部分。最近在项目中&#xff0c;我使用了Spring Security来实现用户、权限、资源之间的精细化控制。这里我想分…
阅读更多...
开放式耳机哪个牌子好？开放式耳机怎么选？蓝牙耳机推荐2024

开放式耳机哪个牌子好？开放式耳机怎么选？蓝牙耳机推荐2024

2024年值得推荐的开放式耳机还是有很多的&#xff0c;不过大部分人还是不知道开放式耳机怎么选&#xff0c;因为总不能跟风选择&#xff0c;看别人推荐哪款好就选择哪款&#xff0c;这样子盲目跟风&#xff0c;只会浪费钱包&#xff0c;而且买了一堆完全不适合自己的开放式耳机…
阅读更多...
通信工程学习：什么是DIP数据集成点

通信工程学习：什么是DIP数据集成点

DIP&#xff1a;数据集成点 DIP数据集成点&#xff08;Data Integration Point&#xff09;&#xff0c;简称DIP&#xff0c;是物联网技术&#xff08;IoT&#xff09;和机器到机器&#xff08;M2M&#xff09;通信中的一个重要组成部分。DIP在数据集成和传输过程中扮演着关键角…
阅读更多...
【MYSQL】mysql 约束---默认约束（default）和零填充约束（zerofill）

【MYSQL】mysql 约束---默认约束（default）和零填充约束（zerofill）

1、默认约束概念 Mysql默认值约束用来指定某列的默认值。 所谓的默认约束是当我们创建表时&#xff0c;比如有些字段&#xff0c;我们没有给值&#xff0c;那么可以给其一个默认值&#xff0c;如果该字段是被默认约束了&#xff0c;且给该字段值了&#xff0c;则给的是什么值…
阅读更多...
gaussdb hccdp认证模拟题（判断）

gaussdb hccdp认证模拟题（判断）

1.在事务ACID特性中&#xff0c;原子性指的是事务必须始终保持系统处于一致的状态。(1 分) 错。 2.某IT公司在开发软件时&#xff0c;需要使用GaussDB数据库&#xff0c;因此需要实现软件和数据的链接&#xff0c;而DBeaver是一个通用的数据库管理工具和 SQL 客户端&#xff…
阅读更多...
代码随想录day22：回溯part4

代码随想录day22：回溯part4

491.递增子序列 class Solution {List<List<Integer>> result new ArrayList<>();List<Integer> path new ArrayList<>();public List<List<Integer>> findSubsequences(int[] nums) {backTracking(nums, 0);return result;}priv…
阅读更多...
室内物品墙体脱落分割系统源码＆数据集分享

室内物品墙体脱落分割系统源码＆数据集分享

室内物品墙体脱落分割系统源码&#xff06;数据集分享 [yolov8-seg-dyhead-DCNV3&#xff06;yolov8-seg-AFPN-P345等50全套改进创新点发刊_一键训练教程_Web前端展示] 1.研究背景与意义 项目参考ILSVRC ImageNet Large Scale Visual Recognition Challenge 项目来源AAAI G…
阅读更多...
计组与体系软题1-数据表示与校验码

计组与体系软题1-数据表示与校验码

一、数的编码方式 题1-0的表示 题2-补码的补码原码 1. 这道题涉及到数的编码范围和进制转换2. 题3-采用补码的目的 二、编码范围 题1-补码的表示范围(-2^(n-1)~2 ^(n-1)-1) n是字长/位数&#xff0c;2^7128&#xff0c;范围为-128~127题2-原码范围&#xff08;-2^&#xff0…
阅读更多...
GNURadio 平台实现DSB信号调制解调实验

GNURadio 平台实现DSB信号调制解调实验

目录 一、DSB 信号调制解调原理 二、搭建的GRC流图 一、DSB 信号调制解调原理 1.调制原理 由于AM 信号载波信号占用很大的能量&#xff0c;但是不携带信息&#xff0c;不传递信息&#xff0c;直接去掉载波信号就得到了DSB信号。可见 DSB 信号与 AM 信号的不同之处是&#xff…
阅读更多...
来了，使用YOLOv11目标检测教程

来了，使用YOLOv11目标检测教程

来了&#xff0c;使用YOLOv11目标检测教程 概述 YOLO11 在 2024 年 9 月 27 日的 YOLO Vision 2024 活动中宣布&#xff1a;https://www.youtube.com/watch?vrfI5vOo3-_A。 YOLO11 是 Ultralytics YOLO 系列的最新版本&#xff0c;结合了尖端的准确性、速度和效率&#xff…
阅读更多...
【CPP】类与多态

【CPP】类与多态

目录 15 类与多态15.1 如何理解多态15.2 动态绑定15.3 虚函数及重写的生效方式15.4 动态多态的生效方式15.5 坑15.6 协变15.7 析构函数的重写15.8 CPP11新增关键字15.8.1 override15.8.2 final 15.8 纯虚函数与抽象类15.9 虚函数表指针和虚函数表15.9.1 粗看虚函数表指针和虚函…
阅读更多...
List子接口

List子接口

1.特点&#xff1a;有序&#xff0c;有下标&#xff0c;元素可以重复 2.方法&#xff1a;包含Collection中的所有方法&#xff0c;还包括自己的独有的方法&#xff08;API中查找&#xff09; 还有ListIterator&#xff08;迭代器&#xff09;&#xff0c;功能更强大。 包含更多…
阅读更多...
一篇文章快速认识YOLO11 | 关键改进点 | 安装使用 | 模型训练和推理

一篇文章快速认识YOLO11 | 关键改进点 | 安装使用 | 模型训练和推理

前言 本文分享YOLO11的关键改进点、性能对比、安装使用、模型训练和推理等内容。 YOLO11 是 Ultralytics 最新的实时目标检测器&#xff0c;凭借更高的精度、速度和效率重新定义了可能性。 除了传统的目标检测外&#xff0c;YOLO11 还支持目标跟踪、实例分割、姿态估计、OBB…
阅读更多...
ACM介绍

ACM介绍

ACM介绍 1. ACM简介 ACM&#xff08;Association for Computing Machinery&#xff0c;国际计算机学会&#xff09;是世界上最大的计算机领域专业性学术组织&#xff0c;汇集了国际计算机领域教育家、研究人员、工业界人士及学生。ACM致力于提高在中国的活动的规格与影响力&a…
阅读更多...
【微服务】—SpringBoot入门

【微服务】—SpringBoot入门

⭐⭐⭐⭐⭐⭐ Github主页&#x1f449;https://github.com/A-BigTree 笔记仓库&#x1f449;https://github.com/A-BigTree/tree-learning-notes 个人主页&#x1f449;https://www.abigtree.top ⭐⭐⭐⭐⭐⭐ 文章目录 1 SpringBoot快速入门1.1 SpringBoot简介1.1.1 简介1.1.2…
阅读更多...
新电脑 Windows 系统初始配置

新电脑 Windows 系统初始配置

文章目录 前言1 前置配置2 安装软件2.1 通讯工具2.2 后端开发工具2.3 硬件开发工具2.4 前端开发工具2.4 其它工具 3 Windows 11 优化4 写在最后 前言 分区&#xff08;个人习惯&#xff09;&#xff1a;1TB SSD 分为 2 个分区&#xff0c;一个 256GB 分区为系统盘&#xff0c;剩…
阅读更多...
网络受限情况下安装openpyxl模块提示缺少Jdcal，et_xmlfile

网络受限情况下安装openpyxl模块提示缺少Jdcal，et_xmlfile

1.工作需要处理关于Excel文件内容的东西 2.用公司提供的openpyxl模块总是提示缺少jdcal文件,因为网络管控,又没办法直接使用命令下载&#xff0c;所以网上找了资源&#xff0c;下载好后上传到个人资源里了 资源路径 openpyxl jdcal et_xmlfile 以上模块来源于&#xff1a;Py…
阅读更多...
[已解决]Mac使用更改idea.vmoptions文件导致idea打不开

[已解决]Mac使用更改idea.vmoptions文件导致idea打不开

直接在访达中全局搜索 idea.vmoptions 文件&#xff0c;然后根据报错信息更改成默认的或者更改成默认的格式即可。
阅读更多...
陪伴系统，会成为女性向游戏的下一个争夺点吗？

陪伴系统，会成为女性向游戏的下一个争夺点吗？

乙游提供给女性玩家的只有恋爱感吗&#xff1f; 一般来说&#xff0c;对于乙女游戏的概括常常以为玩家提供“恋爱陪伴感”为主&#xff0c;恋爱很好理解&#xff0c;通过与多位男主角的剧情互动来模拟在真实恋爱中的情感交互&#xff0c;当下乙游都将重点放在了营造恋爱感上。…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023