python_day8_综合案例

news2024/12/31 6:37:28

综合案例，全球GDP排行榜

1、知识点补充：sort()方法

sort()方法： 列表.sort(key=选择排序依据的函数,reverse=True|False)

my_list = [['a', 33], ['b', 55], ['c', 11]]


def choose_sort_key(element):
    return element[1]  # 列表中每个元素传进来，按照元素下标1排序


# 逆序
my_list.sort(key=choose_sort_key, reverse=True)  # 注意此处调用函数方式
print(my_list)

在这里插入图片描述

匿名函数写法

my_list = [['a', 33], ['b', 55], ['c', 11]]
my_list.sort(key=lambda element: element[1], reverse=True)
print(my_list)

在这里插入图片描述

2、实战案例 ，全球GDP数据可视化

导包

from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import *

数据准备

f = open("D:/1960-2019全球GDP数据.csv", "r", encoding="ansi")  # 本机编码为GB2312
data = f.readlines()  # readlines()返回列表，read()返回字符串
f.close()
print(data)
print(type(data))

在这里插入图片描述
在这里插入图片描述

第一行为标头，非数据，使用pop()方法去除

data.pop(0)
print(data)

在这里插入图片描述

将数据转为字典格式

错误思路

{年份:[国家，GDP],年份:[国家，GDP],int:[str，float]…} ，实际上，同年应有多个国家GDP数据，故此格式错误

for element in data:
    element = element.strip()
    element = element.split(',')
    print("element:",element)

在这里插入图片描述
此方法错误，年份key相同时，为更新value操作！！！！！严重丢失数据！！！

data_dict = {}
# {年份:[国家，GDP],年份:[国家，GDP],int:[str，float]......}，实际上，同年应有多个国家GDP数据，故此格式错误
for element in data:
    element = element.strip()
    element = element.split(',')
    # print("element:",element)
    # 注意字典添加/更新数据方式：my_dict[key] = value
    # 此方法错误，年份key相同时，为更新value操作！！！！！严重丢失数据！！！
    # data_dict = {element[0]: [element[1], element[2]]}
    data_dict[int(element[0])] = [element[1], float(element[2])]
print(data_dict)
print(type(data_dict))

在这里插入图片描述

正确思路

{年份:[[国家，GDP],[国家，GDP],…],年份:[[国家，GDP],[国家，GDP],…],int:[[str，float],[str，float],…],…}
正确数据格式，年份：value，而value是一个列表，包含不同国家的数据，其中每个元素又是一个列表；而某一国家具体数据列表为[国家，GDP]。

data_dict = {}
for line in data:
    print(line)

在这里插入图片描述

	print(type(line))

在这里插入图片描述

	print(line.split(','))  # ['2018', '巴巴多斯', '5086500000\n']

在这里插入图片描述

split()方法生成列表，取0号索引元素为年份，1号索引元素为国家，2号索引元素为GDP
data_dict = {}
# {年份:[[国家，GDP],[国家，GDP],......],年份:[[国家，GDP],[国家，GDP],......],int:[[str，float],[str，float],......],......}，正确数据格式，年份：value，而value是一个列表，包含不同国家的数据，其中每个元素又是一个列表；而某一国家具体数据列表为[国家，GDP]。
for line in data:
    # print(line)
    # print(type(line))
    # print(line.split(','))  # ['2018', '巴巴多斯', '5086500000\n']
    # split()方法生成列表，取0号索引元素为年份，1号索引元素为国家，2号索引元素为GDP
    year = int(line.split(',')[0])
    country = line.split(',')[1]
    GDP = float(line.split(',')[2])  # 换行符消失 543300000000.0
    print(GDP)

在这里插入图片描述

注意此处灵活使用try捕获异常语句，妙

"""
    {key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP]
    try:
        无异常的情况，向列表(value)中使用append()方法追加元素(list)
        data_dict[year].append([country,GDP])
    except：
        出现异常情况，data_dict[year]此时无对应value，构建空列表，再向列表中追加元素
        data_dict[year] = []
        data_dict[year].append([country,GDP])
    """

    try:
        data_dict[year].append([country, GDP])
    except:
        data_dict[year] = []
        data_dict[year].append([country, GDP])

print(data_dict)
print(type(data_dict))

在这里插入图片描述
在这里插入图片描述

将数据转为字典格式完整代码

# 将数据转为字典格式


"""
data_dict = {}
# {年份:[国家，GDP],年份:[国家，GDP],int:[str，float]......}，实际上，同年应有多个国家GDP数据，故此格式错误
for element in data:
    element = element.strip()
    element = element.split(',')
    # print("element:",element)
    # 注意字典添加/更新数据方式：my_dict[key] = value
    # 此方法错误，年份key相同时，为更新value操作！！！！！严重丢失数据！！！
    # data_dict = {element[0]: [element[1], element[2]]}
    data_dict[int(element[0])] = [element[1], float(element[2])]
print(data_dict)
print(type(data_dict))
"""

data_dict = {}
# {年份:[[国家，GDP],[国家，GDP],......],年份:[[国家，GDP],[国家，GDP],......],int:[[str，float],[str，float],......],......}，正确数据格式，年份：value，而value是一个列表，包含不同国家的数据，其中每个元素又是一个列表；而某一国家具体数据列表为[国家，GDP]。
for line in data:
    # print(line)
    # print(type(line))
    # print(line.split(','))  # ['2018', '巴巴多斯', '5086500000\n']
    # split()方法生成列表，取0号索引元素为年份，1号索引元素为国家，2号索引元素为GDP
    year = int(line.split(',')[0])
    country = line.split(',')[1]
    GDP = float(line.split(',')[2])  # 换行符消失 543300000000.0
    # print(GDP)
    # 注意此处灵活使用try捕获异常语句，妙
    """
    {key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP]
    try:
        无异常的情况，向列表(value)中使用append()方法追加元素(list)
        data_dict[year].append([country,GDP])
    except：
        出现异常情况，data_dict[year]此时无对应value，构建空列表，再向列表中追加元素
        data_dict[year] = []
        data_dict[year].append([country,GDP])
    """
    try:
        data_dict[year].append([country, GDP])
    except:
        data_dict[year] = []
        data_dict[year].append([country, GDP])

# print(data_dict)
# print(type(data_dict))

可转为json，放入格式化工具查看一下

data_json = json.dumps(data_dict)
print(data_json)
print(type(data_json))

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

时间线柱状图timeline的时间节点应有序，故先对年份进行排序（实际上字典中year（key）已是升序）

sorted_year_list = sorted(data_dict.keys())  # keys()方法取出字典所有关键字，可用for循环遍历字典
print(sorted_year_list)

在这里插入图片描述

每年国家数量非常多，取GDP排名前十作柱状图

print(data_dict[1960])  # 每年国家数量非常多，取GDP排名前十作柱状图

在这里插入图片描述

构建时间线对象

timeline = Timeline(
    {"theme": ThemeType.LIGHT}  # 设置主题
)

每年GDP降序排序

for year in sorted_year_list:
    data_dict[year].sort(key=lambda element: element[1],
                         reverse=True)  # sort()方法：  列表.sort(key=选择排序依据的函数,reverse=True|False)
    print(data_dict[year]) # [['美国', 543300000000.0], ['英国', 73233967692.0], ['法国', 62225478000.0], ['中国', 59716467625.0],......]

在这里插入图片描述

取出本年度GDP前十的国家， 数据类型为列表，可通过切片[::]，取出前十名

print(type(data_dict[year]))  # 数据类型为列表，可通过切片[::]，取出前十名
    prior_gdp = data_dict[year][0:10]

在这里插入图片描述

每一年都构建一个柱状图

# 创建两个列表分别存放X轴数据与Y轴数据
    x_data = []
    y_data = []

前十名

print(prior_gdp)

在这里插入图片描述

取国家名存入列表作为X轴数据，取GDP值存入列表作为Y轴数据

    for country_gdp in prior_gdp:
        print(country_gdp)  # ['美国', 17527200000000.0]
        x_data.append(country_gdp[0])
        y_data.append(country_gdp[1] / 100000000)

在这里插入图片描述

print(x_data)  # ['美国', '英国', '法国', '中国', '日本', '加拿大', '意大利', '印度', '澳大利亚', '瑞典']
    print(y_data)  # [5433.0, 732.33967692, 622.25478, 597.16467625, 443.0734295, 404.61721692, 403.85288344, 370.29883875, 185.77668271, 158.22585033]

在这里插入图片描述

构建柱状图对象

反转X轴与Y轴，此操作导致GDP高的国家在最下面，故上方使用reverse()方法逆置X轴与Y轴数据

# 构建柱状图对象
    bar = Bar()
    # 逆置X轴与Y轴数据，使GDP值高的排在前面
    x_data.reverse()
    y_data.reverse()

    bar.add_xaxis(x_data)
    # Y轴设置图例，数据，以及数据在右侧显示
    bar.add_yaxis("GDP(亿元)", y_data, label_opts=LabelOpts(position="right"))
    bar.reversal_axis()  # 反转X轴与Y轴，此操作导致GDP高的国家在最下面，故上方使用reverse()方法逆置X轴与Y轴数据

设置每年图的标题

bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前十GDP"),
        toolbox_opts=ToolboxOpts(is_show=True)
    )

    timeline.add(bar, str(year))  # 要求为字符串

设置自动播放

timeline.add_schema(
    play_interval=500,
    is_loop_play=False,
    is_auto_play=True,
    is_timeline_show=True
)

绘图

timeline.render("GDP排行榜.html")

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

PS完整代码（含思路注释版）

from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import *
import json


# 实战案例 ，全球GDP数据可视化

# 数据准备
f = open("D:/1960-2019全球GDP数据.csv", "r", encoding="ansi")  # 本机编码为GB2312
data = f.readlines()  # readlines()返回列表，read()返回字符串
f.close()
# print(data)
# print(type(data))

# 第一行为标头，非数据，使用pop()方法去除
data.pop(0)
# print(data)

# 将数据转为字典格式


"""
data_dict = {}
# {年份:[国家，GDP],年份:[国家，GDP],int:[str，float]......}，实际上，同年应有多个国家GDP数据，故此格式错误
for element in data:
    element = element.strip()
    element = element.split(',')
    # print("element:",element)
    # 注意字典添加/更新数据方式：my_dict[key] = value
    # 此方法错误，年份key相同时，为更新value操作！！！！！严重丢失数据！！！
    # data_dict = {element[0]: [element[1], element[2]]}
    data_dict[int(element[0])] = [element[1], float(element[2])]
print(data_dict)
print(type(data_dict))
"""

data_dict = {}
# {年份:[[国家，GDP],[国家，GDP],......],年份:[[国家，GDP],[国家，GDP],......],int:[[str，float],[str，float],......],......}，正确数据格式，年份：value，而value是一个列表，包含不同国家的数据，其中每个元素又是一个列表；而某一国家具体数据列表为[国家，GDP]。
for line in data:
    # print(line)
    # print(type(line))
    # print(line.split(','))  # ['2018', '巴巴多斯', '5086500000\n']
    # split()方法生成列表，取0号索引元素为年份，1号索引元素为国家，2号索引元素为GDP
    year = int(line.split(',')[0])
    country = line.split(',')[1]
    GDP = float(line.split(',')[2])  # 换行符消失 543300000000.0
    # print(GDP)
    # 注意此处灵活使用try捕获异常语句，妙
    """
    {key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP]
    try:
        无异常的情况，向列表(value)中使用append()方法追加元素(list)
        data_dict[year].append([country,GDP])
    except：
        出现异常情况，data_dict[year]此时无对应value，构建空列表，再向列表中追加元素
        data_dict[year] = []
        data_dict[year].append([country,GDP])
    """
    try:
        data_dict[year].append([country, GDP])
    except:
        data_dict[year] = []
        data_dict[year].append([country, GDP])

# print(data_dict)
# print(type(data_dict))

# 可转为json，放入格式化工具查看一下
# data_json = json.dumps(data_dict)
# print(data_json)
# print(type(data_json))

# 时间线柱状图timeline的时间节点应有序，故先对年份进行排序（实际上字典中year（key）已是升序）
sorted_year_list = sorted(data_dict.keys())  # keys()方法取出字典所有关键字，可用for循环遍历字典
# print(sorted_year_list)

# print(data_dict[1960])  # 每年国家数量非常多，取GDP排名前十作柱状图

# 构建时间线对象
timeline = Timeline(
    {"theme": ThemeType.LIGHT}  # 设置主题
)

for year in sorted_year_list:
    data_dict[year].sort(key=lambda element: element[1],
                         reverse=True)  # sort()方法：  列表.sort(key=选择排序依据的函数,reverse=True|False)
    # print(data_dict[year]) # [['美国', 543300000000.0], ['英国', 73233967692.0], ['法国', 62225478000.0], ['中国', 59716467625.0],......]
    # 取出本年度GDP前十的国家
    # print(type(data_dict[year]))  # 数据类型为列表，可通过切片[::]，取出前十名
    prior_gdp = data_dict[year][0:10]

    # 每一年都构建一个柱状图
    # 创建两个列表分别存放X轴数据与Y轴数据
    x_data = []
    y_data = []
    # print(prior_gdp)
    for country_gdp in prior_gdp:
        # print(country_gdp)  # ['美国', 17527200000000.0]
        x_data.append(country_gdp[0])
        y_data.append(country_gdp[1] / 100000000)

    # print(x_data)  # ['美国', '英国', '法国', '中国', '日本', '加拿大', '意大利', '印度', '澳大利亚', '瑞典']
    # print(y_data)  # [5433.0, 732.33967692, 622.25478, 597.16467625, 443.0734295, 404.61721692, 403.85288344, 370.29883875, 185.77668271, 158.22585033]

    # 构建柱状图对象
    bar = Bar()
    # 逆置X轴与Y轴数据，使GDP值高的排在前面
    x_data.reverse()
    y_data.reverse()

    bar.add_xaxis(x_data)
    # Y轴设置图例，数据，以及数据在右侧显示
    bar.add_yaxis("GDP(亿元)", y_data, label_opts=LabelOpts(position="right"))
    bar.reversal_axis()  # 反转X轴与Y轴，此操作导致GDP高的国家在最下面，故上方使用reverse()方法逆置X轴与Y轴数据

    # bar.render()
    # 设置每年图的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前十GDP"),
        toolbox_opts=ToolboxOpts(is_show=True)
    )

    timeline.add(bar, str(year))  # 要求为字符串

# 设置自动播放
timeline.add_schema(
    play_interval=500,
    is_loop_play=False,
    is_auto_play=True,
    is_timeline_show=True
)
# 绘图
timeline.render("GDP排行榜.html")

PS完整代码（清爽版）

from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import *

# 实战案例 ，全球GDP数据可视化

# 数据准备
f = open("D:/1960-2019全球GDP数据.csv", "r", encoding="ansi")  # 本机编码为GB2312
data = f.readlines()  # readlines()返回列表，read()返回字符串
f.close()

# 第一行为标头，非数据，使用pop()方法去除
data.pop(0)

# 将数据转为字典格式
data_dict = {}
# {年份:[[国家，GDP],[国家，GDP],......],年份:[[国家，GDP],[国家，GDP],......],int:[[str，float],[str，float],......],......}，正确数据格式，年份：value，而value是一个列表，包含不同国家的数据，其中每个元素又是一个列表；而某一国家具体数据列表为[国家，GDP]。
for line in data:
    # split()方法生成列表，取0号索引元素为年份，1号索引元素为国家，2号索引元素为GDP
    year = int(line.split(',')[0])
    country = line.split(',')[1]
    GDP = float(line.split(',')[2])  # 换行符消失 543300000000.0
    # 注意此处灵活使用try捕获异常语句，妙
    """
    {key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP]
    try:
        无异常的情况，向列表(value)中使用append()方法追加元素(list)
        data_dict[year].append([country,GDP])
    except：
        出现异常情况，data_dict[year]此时无对应value，构建空列表，再向列表中追加元素
        data_dict[year] = []
        data_dict[year].append([country,GDP])
    """
    try:
        data_dict[year].append([country, GDP])
    except:
        data_dict[year] = []
        data_dict[year].append([country, GDP])

# 时间线柱状图timeline的时间节点应有序，故先对年份进行排序（实际上字典中year（key）已是升序）
sorted_year_list = sorted(data_dict.keys())  # keys()方法取出字典所有关键字，可用for循环遍历字典

# 构建时间线对象
timeline = Timeline(
    {"theme": ThemeType.LIGHT}  # 设置主题
)

for year in sorted_year_list:
    data_dict[year].sort(key=lambda element: element[1],
                         reverse=True)  # sort()方法：  列表.sort(key=选择排序依据的函数,reverse=True|False)
    # 取出本年度GDP前十的国家
    prior_gdp = data_dict[year][0:10]

    # 每一年都构建一个柱状图
    # 创建两个列表分别存放X轴数据与Y轴数据
    x_data = []
    y_data = []
    for country_gdp in prior_gdp:
        x_data.append(country_gdp[0])
        y_data.append(country_gdp[1] / 100000000)

    # 构建柱状图对象
    bar = Bar()
    # 逆置X轴与Y轴数据，使GDP值高的排在前面
    x_data.reverse()
    y_data.reverse()

    bar.add_xaxis(x_data)
    # Y轴设置图例，数据，以及数据在右侧显示
    bar.add_yaxis("GDP(亿元)", y_data, label_opts=LabelOpts(position="right"))
    bar.reversal_axis()  # 反转X轴与Y轴，此操作导致GDP高的国家在最下面，故上方使用reverse()方法逆置X轴与Y轴数据

    # 设置每年图的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前十GDP"),
        toolbox_opts=ToolboxOpts(is_show=True)
    )

    timeline.add(bar, str(year))  # 要求为字符串

# 设置自动播放
timeline.add_schema(
    play_interval=500,
    is_loop_play=False,
    is_auto_play=True,
    is_timeline_show=True
)
# 绘图
timeline.render("GDP排行榜.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/754298.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

动态规划01背包之494 目标和（第10道）

动态规划01背包之494 目标和（第10道）

题目： 给你一个整数数组 nums 和一个整数 target 。 向数组中的每个整数前添加 或 - ，然后串联起所有整数，可以构造一个 表达式 ： 例如，nums [2, 1] ，可以在 2 之前添加 ，在 1 之前添加 -…
阅读更多...
C语言知识扫盲

C语言知识扫盲

文章目录 1,各种类型所占字节数2,main函数是可以传入参数的3,C语言中extern的用法4,gettop()函数5，C/C中枚举类型enum使用 1,各种类型所占字节数 类型16位32位64位char111short int222int244unsigned int244float444double888long448long long888unsigned long448 …
阅读更多...
QUIC协议原理分析

QUIC协议原理分析

Quic 相比现在广泛应用的 http2tcptls 协议有如下优势 [2]： 减少了 TCP 三次握手及 TLS 握手时间。改进的拥塞控制。避免队头阻塞的多路复用。连接迁移。前向冗余纠错。 队头阻塞 队头阻塞主要是 TCP 协议的可靠性机制引入的。TCP 使用序列号来标识数据的顺序&am…
阅读更多...
学C的第二十七天【指针的进阶（三）】

学C的第二十七天【指针的进阶（三）】

相关代码gitee自取：C语言学习日记: 加油努力 (gitee.com) 接上期： 学C的第二十六天【指针的进阶（二）】_高高的胖子的博客-CSDN博客 复习巩固： 数组名： 数组名是数组首元素的地址， 但是有两个…
阅读更多...
数据结构与算法：10种常见算法

数据结构与算法：10种常见算法

前言 本文主要讲解10种常见算法 数据结构与算法文章列表 数据结构与算法文章列表: 点击此处跳转查看 目录 1 二分查找算法 二分查找（Binary Search）是一种在有序数组中查找目标值的常用算法。它通过将目标值与数组中间元素进行比较，可以快…
阅读更多...
Cesium被接入数字孪生系统后会产生怎样的改变？

Cesium被接入数字孪生系统后会产生怎样的改变？

众所周知，Cesium凭借其开源免费的特点一直垄断着整个三维GIS的生态系统，但是随着数字孪生技术的发展以及各项新需求的不断涌现，Cesium与数字孪生系统相结合的潜力也逐渐凸显。 一般而言，Cesium如果想要升级视效就需要去用CesiumF…
阅读更多...
基于springboot的智慧养老系统

基于springboot的智慧养老系统

博主主页：猫头鹰源码 博主简介：Java领域优质创作者、CSDN博客专家、公司架构师、全网粉丝5万、专注Java技术领域和毕业设计项目实战 主要内容：毕业设计(Javaweb项目|小程序等)、简历模板、学习资料、面试题库、技术咨询 文末联系获取 项目介绍…
阅读更多...
常用的前端可视化Web组态工具

常用的前端可视化Web组态工具

前言 随着创新技术驱动工业物联网不断发展，设备联网所产生的多样化数据，在边缘端与云端进行大数据分析，成为工业应用场景数字化的需求。跨系统可通用，不受硬件限制达成无缝整合，监控组态软件SCADA成为物联网时代建构出…
阅读更多...
Unity游戏源码分享-Unity手游火柴忍者游戏StickmanDojo

Unity游戏源码分享-Unity手游火柴忍者游戏StickmanDojo

Unity游戏源码分享-Unity手游火柴忍者游戏StickmanDojo 项目地址：https://download.csdn.net/download/Highning0007/88050234
阅读更多...
Windows bat隐藏运行窗口的几种方案

Windows bat隐藏运行窗口的几种方案

文章目录 一、背景二、测试数据三、隐藏bat运行窗口方案1. 使用VBScript脚本2. 使用mshta调用js或vbs脚本3. 将bat编译为exe程序4. 使用任务计划程序 一、背景 有些程序在执行批处理脚本时，可能会看到dos窗口，或者看到窗口一闪而过。如果批处理脚本执行…
阅读更多...
Layui基本功能（增删改查）

Layui基本功能（增删改查）

话不多说，根据我前面的博客我们直接进行操作。记住以下的文件放置，防止操作出不来. 这是我们要完成的界面及功能 后台功能实现 数据查看 我们在userDao方法里面进行增删改查的方法我们在userAction进行方法的编写R工具类的介绍 查询 userDao方法 因为我…
阅读更多...
使用亚马逊(AWS)云服务在S3上实现图片缩放功能(CloudFront/S3[AccessPoint/LambdaAccessPoint])

使用亚马逊(AWS)云服务在S3上实现图片缩放功能(CloudFront/S3[AccessPoint/LambdaAccessPoint])

亚马逊云服务中的S3对象存储功能和国内阿里云的oss对象存储使用基本一致。但是涉及到存储内容处理时，两家有些差别。 比如：对于云存储中的图片资源，阿里云比较人性化对于基本的缩放裁剪功能已经帮我们封装好了，只需要在url地址后…
阅读更多...
window环境下安装Node并修改保存缓存的位置

window环境下安装Node并修改保存缓存的位置

0, 卸载Node 打开cmd命令行窗口 输入： npm cache clean --force然后在控制面版中卸载node 1，官网下载Node.js 点击官网下载 如一台电脑需要多个node环境 可使用nvm命令进行操作安装并且可以切换 2， 配置环境变量 安装成功之后&#x…
阅读更多...
竹云参编 |《数据经纪从业人员评价规范》团体标准在2023全球数字经济大会发布

竹云参编 |《数据经纪从业人员评价规范》团体标准在2023全球数字经济大会发布

经国务院批准，由北京市人民政府、国家发展和改革委员会、工业和信息化部、商务部、国家互联网信息办公室、中国科学技术协会共同主办的2023全球数字经济大会在中国北京国家会议中心隆重召开。 深圳竹云科技股份有限公司作为主要编制单位，联合深圳数据交…
阅读更多...
新大陆物联网云平台-物联网云平台推荐-免费好用的物联网平台

新大陆物联网云平台-物联网云平台推荐-免费好用的物联网平台

一、前言 作为多年的物联网开发者，使用过很多付费的物联网云平台，包括阿里云、华为云等，也使用过很多免费开源的物联网云平台，但就操作来说，我认为最便利的还是新大陆物联网云平台（NLECloud - 新大陆物联网…
阅读更多...
【Elasticsearch】DSL查询文档

【Elasticsearch】DSL查询文档

目录 1.DSL查询文档 1.1.DSL查询分类 1.2.全文检索查询 1.2.1.使用场景 1.2.2.基本语法 1.2.3.示例 1.2.4.总结 1.3.精准查询 1.3.1.term查询 1.3.2.range查询 1.3.3.总结 1.4.地理坐标查询 1.4.1.矩形范围查询 1.4.2.附近查询 1.5.复合查询 1.5.1.相关性算分 …
阅读更多...
vagrant和vitrulBox创建虚拟机后使用xshell连接

vagrant和vitrulBox创建虚拟机后使用xshell连接

1. 先在cmd使用vagrant ssh连接主机, 修改系统配置,允许密码登录 vi /etc/ssh/sshd_config PasswordAuthentication no 将这行的no改成yes 2. 重启ssh service sshd restart 3.打开ssh,输入主机ip 端口22 账号root 密码默认为 vagrant
阅读更多...
解决 param image not exist 与 image format error（百度 AI）

解决 param image not exist 与 image format error（百度 AI）

前言 注意，此文的 AI，是指识别图文、人脸的 AI 功能，而不是文心一言那种对话形 AI。 最近在尝试使用百度 AI 功能，很有趣是不假了，但也有很多坑，特此记录一下。 正文 后文以使用 通用物体和场景识别 功能…
阅读更多...
Linux之磁盘管理

Linux之磁盘管理

说一下linux中磁盘分区问题 首先每一个分区都是独立的 ，基本上来说都是可以独立分配空间的 但是一般如下目录是自动放到根目录下面的 如果根分区用完了，/home下面的分区空间还能用吗，对系统有什么影响 文件类型 给linux虚拟机扩展分区 备注&…
阅读更多...
简爱思维导图怎么画？几个超实用绘制步骤赶紧get

简爱思维导图怎么画？几个超实用绘制步骤赶紧get

简爱思维导图怎么画？思维导图是一种有效的信息组织和表达工具，能够帮助我们更好地整理思路、提高学习效率。下面这篇文章就带大家了解一下简爱思维导图的绘制步骤，并分享4个超实用步骤，助你快速掌握。 在绘制思维导图之前&#xf…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023