当前位置：首页 > news >正文

高级可视化图表分析实践——以《大侠立志传》武器系统为例

news 来源：原创 2025/8/7 1:35:25

高级可视化图表分析实践——以《大侠立志传》武器系统为例

引言
武器类型分布
- 矩形树图
- 结论
不同品质/类别武器的攻击力分布情况
- 蜂群图
- 分析结论
武器来源
- 桑基图
- 分析结论
武器附加属性
- 词云图
- 分析结论
不同品级武器装备熟练度要求/特质要求
- 离散热力图
- 结论
- - 品质与熟练度的正相关性
  - 品质与熟练度的非线性关系
  - 装备品质与需求特质的正相关性
  - 不同装备类型对需求特质的类型要求
使用python制作上述图表
- 矩形树图
- 蜂群图
- 桑基图
- 词云图
- 离散热点图

引言

引言：当武侠世界遇见数据可视化
在开放世界武侠游戏《大侠立志传》中，武器系统是构建角色成长体系的重要模块。本文将以游戏内192件武器数据为样本，通过5种高级可视化图表（矩形树图、蜂群图、桑基图、词云图、离散热力图），深入解析武器系统的设计逻辑，同时熟悉高级可视化图表的制作（python）和作用。

武器类型分布

矩形树图

所有品级武器数量分布
所有品级武器数量分布图
甲级武器数量分布

乙级武器数量分布

丙级武器数量分布

丁级武器数量分布

结论

剑和刀是最常见的武器，剑和刀各有24个，是图中数量最多的两种武器类型。
锤、长弓、火焰令和笑傲江湖的数量非常少。锤有2个，长弓有1个，火焰令有1个，笑傲江湖有1个。
整体分布不均匀，少数几种武器占据了较大的比例，而其他类型的武器则相对较少。

不同品质/类别武器的攻击力分布情况

蜂群图

不同品质/类别武器的攻击力分布情况

分析结论

品质越高，攻击力普遍越高。
丁级武器攻击力整体偏低。
武器类型对攻击力分布的影响不大，相同品质下攻击力整体相同。

武器来源

桑基图

分析结论

品级越高（甲、乙），获取方式越依赖任务/事件或战斗掉落，符合高风险高回报机制。
品级越低（丙、丁），获取方式越依赖合成或商店，可能为普通或基础装备。

武器附加属性

词云图

武器附加属性

分析结论

多个攻击类词汇集中在中心且字号较大，说明攻击强化是武器属性的主要设计方向。

不同品级武器装备熟练度要求/特质要求

离散热力图

不同品级武器装备熟练度要求
不同品级武器装备特质要求

结论

品质与熟练度的正相关性

趋势：品质等级（丁→丙→乙→甲）与所需熟练度呈显著正相关。
丁级：熟练度普遍为 0-5。
丙级：熟练度提升至 5-10。
乙级：熟练度显著提高至 40-50。
甲级：熟练度达到 80-150。

品质与熟练度的非线性关系

跃升式增长：从丁到丙、乙到甲的熟练度增幅更大（如丁→丙：+5；乙→甲：+30-110），说明高品质装备对熟练度要求陡增。

装备品质与需求特质的正相关性

随着装备品质从丁→甲升级，需求特质值显著增加
丁级、丙级装备：普遍无需求特质。
乙级装备：开始有需求特质值，大多数装备需求特质值要求3，少数要求5。
甲级装备：大多数装备需求特质值达到10，少数装备要求8或15。

不同装备类型对需求特质的类型要求

1.物理近战武器（拳掌/剑/刀/枪/棍）：
核心特质：臂力、体质、敏捷。
具体分布：

拳掌类：以臂力为主（3/6），其次是体质（2/6）和敏捷（1/6）。
剑类：臂力（4/8）和体质（3/8）并重，敏捷次之（2/8）。
刀类：体质需求最高（4/7），臂力（2/7）和敏捷（2/7）均衡。
枪类：臂力（2/4）为主，体质（1/4）和敏捷（1/4）辅助。
棍类：完全依赖臂力（4/4），无其他特质需求。

规律：
物理武器普遍需要臂力（力量型输出），部分依赖体质（生存能力）或敏捷（灵活性）。棍类因高力量需求成为臂力特化武器。

2.轻型武器（匕首/扇子/短兵）：
核心特质：敏捷主导。
具体分布：

匕首类：敏捷占比最高（3/5），臂力（1/5）和体质（1/5）次要。
扇子类：特质分布较均衡（臂力、体质、敏捷各1/3）。
火焰令/飞雪寒霜刃：全部需求敏捷。

规律：
轻型武器更依赖敏捷（快速攻击或闪避），部分兼顾臂力或体质。

其他武器（毛笔/琴/箫笛/琵琶）

核心特质：悟性、福缘。
具体分布：毛笔：悟性和福缘各占一半。琴/琵琶：悟性（3/5）为主，敏捷（2/5）次之。

规律：
毛笔/琴/箫笛/琵琶需求的特质更依赖与悟性与福源。

使用python制作上述图表

矩形树图

import squarify
import matplotlib.pyplot as plt
import matplotlib.cm as cm
from pylab import *
mpl.rcParams['font.sans-serif']=['SimHei']
# 示例数据（类别名称和对应的值）
data = [10, 20, 30, 40]
labels = ['A', 'B', 'C', 'D']# 生成颜色（根据值的大小映射到viridis色系）
colors = cm.viridis([x / max(data) for x in data])# 创建标签（显示名称和数值）
labels_with_values = [f"{label}\n{val}" for label, val in zip(labels, data)]# 绘制矩形树图
plt.figure(figsize=(10, 6))
squarify.plot(sizes=data,label=labels_with_values,color=colors,alpha=0.6,     # 透明度pad=True       # 矩形间留空隙
)
plt.axis('off')    # 关闭坐标轴
plt.title('矩形树图示例')
plt.show()

在这里插入图片描述

蜂群图

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np# 设置中文字体（Windows用SimHei，macOS用STHeiti）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False# 生成示例数据
np.random.seed(42)
data = {'类别': np.repeat(['A组', 'B组', 'C组'], 50),'数值': np.concatenate([np.random.normal(90, 10, 50),np.random.normal(60, 15, 50),np.random.normal(75, 5, 50)])
}# 创建画布
plt.figure(figsize=(10, 6))# 绘制蜂群图
sns.swarmplot(x='类别',y='数值',data=data,size=6,          # 点的大小palette='Set2',  # 颜色方案edgecolor='black',  # 点边缘颜色linewidth=0.5     # 边缘线宽
)# 添加标题和标签
plt.title('不同组别的数值分布蜂群图', fontsize=14)
plt.xlabel('实验组别', fontsize=12)
plt.ylabel('测量数值', fontsize=12)# 显示图形
plt.show()

在这里插入图片描述

桑基图

import plotly.graph_objects as go# 定义节点（资金流动的所有端点）
labels = ["销售收入",   # 0"投资收益",   # 1"政府补贴",   # 2"研发支出",   # 3"人力成本",   # 4"税费",      # 5"股东分红",   # 6"运营储备"    # 7
]# 定义资金流动关系 (source -> target)
source = [0, 0, 1, 1, 2, 3, 4, 5, 7]
target = [3, 4, 4, 7, 7, 5, 5, 6, 6]
value = [120, 80, 50, 30, 20, 90, 70, 60, 40]  # 单位：百万元# 创建桑基图
fig = go.Figure(go.Sankey(node={"label": labels,"pad": 20,"thickness": 15,"color": "#1F77B4",  # 统一节点颜色（蓝色系）"line": {"color": "black", "width": 0.5}  # 节点边框},link={"source": source,"target": target,"value": value,"color": "rgba(255, 165, 0, 0.4)",  # 橙色半透明流线"hoverinfo": "all"  # 悬停显示数值和端点}
))# 设置布局
fig.update_layout(title={"text": "企业年度资金流动分析（单位：百万元）","x": 0.5,"font": {"size": 18}},font_family="Arial",plot_bgcolor="white",height=600
)# 显示图表
fig.show()# 可选：保存为HTML文件
# fig.write_html("corporate_cash_flow.html")

在这里插入图片描述

词云图

from wordcloud import WordCloud
import matplotlib.pyplot as plt# 示例文本
text = """
Python is an interpreted, high-level, general-purpose programming language.
Created by Guido van Rossum and first released in 1991, Python's design philosophy emphasizes code readability with its notable use of significant whitespace.
"""# 生成词云对象
wordcloud = WordCloud(width=800, height=400, background_color='white',max_words=100
).generate(text)# 显示词云
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()# 保存图片
wordcloud.to_file("wordcloud_english.png")

在这里插入图片描述

离散热点图

import pandas as pd
import plotly.express as px
import numpy as np# 1. 创建数据框架（基于你提供的完整数据样例）
data = {"类型": ["拳掌"]*21 + ["剑"]*22 + ["刀"]*22 + ["枪"]*14 + ["棍"]*16 + ["锤"]*2 + ["扇子"]*15 + ["匕首"]*16 + ["火焰令"]*1 + ["毛笔"]*11 + ["琴"]*11 + ["箫笛"]*11 + ["笑傲江湖"]*1 + ["琵琶"]*17,"品质": ["丁","丁","丁","丁","丙","丙","丙","丙","乙","乙","乙","乙","乙","乙","甲","甲","甲","甲","甲","甲","甲"] + ["丁","丁","丙","丙","丙","丙","乙","乙","乙","乙","乙","乙","乙","甲","甲","甲","甲","甲","甲","甲","甲","甲"] + ["丁","丁","丙","丙","丙","丙","乙","乙","乙","乙","乙","乙","乙","乙","甲","甲","甲","甲","甲","甲","甲","甲"] + ["丁","丁","丙","丙","丙","丙","乙","乙","乙","乙","甲","甲","甲","甲"] + ["丁","丁","丁","丙","丙","丙","丙","乙","乙","乙","乙","乙","乙","甲","甲","甲"] + ["乙","乙"] + ["丁","丁","丁","丙","丙","丙","乙","乙","乙","乙","乙","乙","甲","甲","甲"] + ["丁","丁","丁","丙","丙","丙","丙","乙","乙","乙","乙","乙","乙","甲","甲","甲"] + ["甲"] + ["丁","丁","丙","丙","丙","乙","乙","乙","乙","甲","甲"] + ["丁","丁","丁","丙","丙","丙","乙","乙","乙","甲","甲"] + ["丁","丁","丁","丙","丙","丙","乙","乙","乙","甲","甲"] + ["甲"] + ["丁","丁","丙","丙","丙","丙","乙","乙","乙","乙","甲","甲","丙","丙","乙","乙","甲"],"熟练度": [0,5,5,5,10,10,10,10,40,40,40,40,40,50,80,80,80,80,80,100,100] + [5,5,10,10,10,10,40,50,40,40,40,40,50,60,80,80,80,100,100,80,80,100] + [5,5,10,10,10,10,40,40,40,50,40,40,40,40,80,80,80,100,80,100,80,80] + [5,5,10,10,10,10,40,40,50,40,80,80,100,80] + [5,5,5,10,10,10,10,40,40,40,50,50,50,100,150,150] + [40,40] + [5,5,5,10,10,10,40,40,40,40,40,40,100,100,80] + [5,5,5,10,10,10,10,40,40,40,40,40,50,100,100,100] + [100] + [5,5,10,10,20,40,40,40,40,100,100] + [5,5,5,10,10,10,40,40,40,100,100] + [5,5,5,10,10,10,40,40,40,100,100] + [100] + [5,5,10,10,10,10,40,40,40,40,100,100,10,10,40,40,100]
}df = pd.DataFrame(data)# 2. 创建离散热力图
fig = px.scatter(df,x="品质",y="类型",color="类型",text="熟练度",category_orders={  # 强制指定分类顺序"品质": ["丁", "丙", "乙", "甲"],"类型": ["刀", "剑", "匕首", "扇子", "拳掌", "枪", "棍","毛笔", "火焰令", "琴", "琵琶", "笑傲江湖", "箫笛", "锤"]},color_discrete_sequence=px.colors.qualitative.Pastel,title="武器类型熟练度分布图"
)# 3. 自定义样式
fig.update_traces(marker=dict(size=35, line=dict(width=1, color="Gray")),textfont=dict(color="black", size=12),textposition="middle center"
)fig.update_layout(height=800,width=1000,xaxis=dict(title="武器品质", showgrid=False),yaxis=dict(title="武器类型", categoryorder="array"),plot_bgcolor="white",legend=dict(orientation="h", yanchor="bottom", y=1.02),uniformtext=dict(minsize=10, mode="show")
)# 4. 处理重叠点（添加水平抖动）
# 为每个品质等级添加微小的水平位置偏移
df["x_jitter"] = df.groupby(["类型", "品质"]).cumcount().apply(lambda x: x * 0.08 - 0.12  # 在X轴方向添加±0.12的偏移
)fig.update_traces(x=pd.Categorical(df["品质"]).codes + 1 + df["x_jitter"]  # 将分类转换为数值坐标
)# 保持X轴标签正确显示
fig.update_xaxes(tickvals=[0, 1, 2, 3],ticktext=["丁", "丙", "乙", "甲"]
)# 显示图表
fig.show()

在这里插入图片描述

高级可视化图表分析实践——以《大侠立志传》武器系统为例

高级可视化图表分析实践——以《大侠立志传》武器系统为例引言武器类型分布矩形树图结论不同品质/类别武器的攻击力分布情况蜂群图分析结论武器来源桑基图分析结论武器附加属性词云图分析结论不同品级武器装备熟练度要求/特质要求离散热力图结论品质与熟练度的正相关性品质…...

编程日记 2025/8/7 1:35:25

HT71663同步升压2.7V-13V输入10A聚能芯半导体禾润一级代理

在便携式设备飞速发展的今天，电源转换效率与产品尺寸始终是行业难以平衡的难题。但现在，HT71663 高功率全集成升压转换器强势登场，一举打破僵局，为便携式系统带来颠覆性的高效小尺寸解决方案！ HT71663 的卓越性能&am…...

编程日记 2025/8/4 10:07:57

3D桌面可视化开发平台HOOPS Native Platform，如何实现3D系统快速开发与部署？

无论是制造、工程还是软件行业，高效的3D应用开发能力都直接影响着产品创新、客户体验和市场响应速度。HOOPS技术，凭借领先的技术实力和广泛的行业应用，正成为推动企业数字化转型、驱动业务增长的核心引擎。本文将深入解析HOOPS技术的优势&…...

编程日记 2025/8/7 1:32:45

DeepResearch深度搜索实现方法调研

DeepResearch深度搜索实现方法调研 Deep Research 有三个核心能力能力一：自主规划解决问题的搜索路径（生成子问题，queries，检索）能力二：在探索路径时动态调整搜索方向（刘亦菲最好的一部电影是…...

编程日记 2025/7/7 2:49:26

使用Python删除PDF中多余或空白的页面

目录为什么需要删除 PDF 中的多余或空白页面？ 所需工具环境准备如何使用Python删除PDF中的多余页面实现思路详细实现步骤实现代码如何使用Python检测并删除PDF中的空白页实现思路详细实现步骤实现代码在处理 PDF 文件时，常常会遇到…...

编程日记 2025/8/4 10:07:53

什么是分布式光伏系统？屋顶分布式光伏如何并网？

政策窗口倒计时！分布式光伏如何破局而立？ 2025年，中国分布式光伏行业迎来关键转折： ▸ "430"落幕——抢装潮收官，但考验才刚开始； ▸ "531"生死线——新增项目全面市场化交易启动&…...

编程日记 2025/8/4 10:07:51

MySQL——七、索引

优势：极高查询效率；极高排序效率劣势：占用磁盘空间；降低更新表的速度（可忽略，磁盘相对便宜；增删改比例较小） 索引结构 MYSQL的索引是在存储引擎层实现的，不同的存储引…...

编程日记 2025/8/4 10:07:49

LVGL的核心：lv_timer_handler

文章目录 🧠 一句话总结 LVGL 的运行核心：🔁 1. while(1) 主循环中的 lv_task_handler()⏱️ 2. lv_timer_handler() 定时器调度核心✅ 并发控制✅ 关键行为流程：🌀 任务执行逻辑：🧮 计算下一次…...

编程日记 2025/8/4 10:07:47

LLM量化方法：ZeroQuant、LLM.int8()、SmoothQuant、GPTQ、AWQ

文章目录 TLDR;量化分类量化时机量化粒度ZeroQuant: Efficient and Affordable Post-Training Quantization for Large-Scale Transformers细粒度硬件感知量化低成本逐层知识蒸馏（Layer-by-layer Knowledge Distillation, LKD） LLM.int8(): 8-bit Matrix…...

编程日记 2025/8/4 10:07:45

数据结构集合类与复杂度

文章目录 📕1. 集合类📕2. 时间复杂度✏️2.1 时间复杂度✏️2.2 大O渐进表示法✏️2.3 常见的时间复杂度量级✏️2.4 常见时间复杂度计算举例 📕3. 空间复杂度 📕1. 集合类 Java 集合框架（Java Collection Framework…...

编程日记 2025/8/4 10:07:43

AI服务器通常会运用在哪些场景当中？

人工智能行业作为现代科技的杰出代表，在多个领域当中发展其强大的应用能力和价值，随之，AI服务器也在各个行业中日益显现出来，为各个行业提供了强大的计算能力和处理能力，帮助企业处理复杂的大规模数据，本文…...

编程日记 2025/8/4 10:07:41

keepalived详细笔记

keepalived 是一种基于VRRP（虚拟路由器冗余协议）的高可用解决方案，主要是用于服务器的负载均衡和高可用性的保障，自动将服务切换到备份服务器上，确保业务的连续性。工作原理： VRRP协议：一组路…...

编程日记 2025/8/4 10:07:39

基于大模型的母婴ABO血型不合溶血病全方位预测与诊疗方案研究

目录一、引言 1.1 研究背景与目的 1.2 国内外研究现状 1.3 研究方法与创新点二、母婴 ABO 血型不合溶血病概述 2.1 发病机制 2.2 临床表现 2.3 流行病学特征三、大模型在母婴 ABO 血型不合溶血病预测中的应用 3.1 模型选择与构建 3.2 预测指标与数据输入 3.3 模…...

编程日记 2025/8/4 10:07:37

【5分钟学Docker】Docker快速使用

目录 1. 概述 2. 基本操作 2.1. 镜像操作 2.2. 容器操作 2.3. 运行操作 2.4. 镜像保存 2.5. 镜像分享 3. 高级操作 4. 挂载 4.1. 目录挂载 4.2. 卷映射 1. 概述 Docker 镜像有镜像名称和TAG 2. 基本操作 2.1. 镜像操作查看镜像 docker images docker image ls …...

编程日记 2025/8/7 1:34:49

单调栈所有模版型题目（1）

普通单调栈模型首先介绍单调栈模版这个图里有5个数字，我们从右往左看，第一个数字是4，第二个数字是7,数字4小于数字7，所以7这个数之前的下一个更大值永远不会是4，那么此时4在数组里就相当于没有用了，所以…...

编程日记 2025/8/4 8:28:00

拆分sql数据，(shop_backup)sql文档过大（＞5G）

执行表结构 sed -n /^-- Table structure/,/^-- Dumping data/p shop_backup.sql > structure.sql mysql -u root -p shop < structure.sql 执行数据 awk /^INSERT INTO/{if(count%1000001) {file"data_part_"i".sql"}; print > file} shop_bac…...

编程日记 2025/8/7 1:33:11

‌FunASR‌阿里开源的语音识别工具

FunASR‌是一个由阿里云智能团队开源的语音识别工具。它旨在通过发布工业级语音识别模型的训练和微调，促进学术研究和工业应用之间的交流，推动语音识别生态的发展‌。今天来试着搭建下。 1、先贴上github地址。 https://github.com/modelscope/FunASR…...

编程日记 2025/8/4 8:27:56

【网络入侵检测】基于源码分析Suricata的IP分片重组

【作者主页】只道当时是寻常【专栏介绍】Suricata入侵检测。专注网络、主机安全，欢迎关注与评论。目录目录 1.概要 2. 配置信息 2.1 名词介绍 2.2 defrag 配置 3. 代码实现 3.1 配置解析 3.1.1 defrag配置 3.1.2 主机系统策略 3.2 分片重组模块 3.2.1…...

编程日记 2025/8/4 8:27:54

“Cobalt Strike Aggressor脚本提权全解析：从监听器到SYSTEM/root的渗透实战指南“

目录 1. Aggressor脚本是什么？如何提权？ 2. 这种脚本提权针对什么漏洞？ 3. 如何发现可用于CS提权的漏洞？ 4. Windows和Linux利用Aggressor脚本提权的全过程 Windows提权：CVE-2021-1732 (Win32k提权) Linux提权&a…...

编程日记 2025/8/7 1:34:48

为啥大模型一般将kv进行缓存，而q不需要

1. 自回归生成的特点大模型（如 GPT 等）在推理时通常采用自回归生成的方式： 模型逐个生成 token，每次生成一个新 token 时，需要重新计算注意力。在生成第 t 个 token 时，模型需要基于前 t-1 个已生成的 t…...

编程日记 2025/8/4 8:27:50

一些模型测试中的BUG和可能解决方法

一些模型测试中的BUG和可能解决方法模型一直重复反馈相同内容的问题查找思路如下顺序也是排查优先级检查提示词和上下文，保证提示词中没有类似的要求，然后再查看上下文是不是占满了token长度。检查一下选择的model是不是本身就有这样的问题尝试增加repeat_penalty（1.05、…...

编程日记 2025/8/7 1:33:10

智慧农业运维平台养殖—传感器管理监控设计—仙盟创梦IDE

智慧农业综合监测与智能执行系统简介该系统围绕农业生产全流程，融合气象环境监测、农技指导精准推送及多维度智能控制，助力农业高效、科学发展。气象环境与农技指导：于农业现场部署慧云智能物联网设备，实时监测空气温湿度、光照…...

编程日记 2025/8/4 8:27:44

linux中的日志分割

1.问题背景，nginx日志过大不好删除 [rootlocalhost cron.daily]# cd /lk/nginx/log/ [rootlocalhost log]# ll 总用量 2386188 -rw-r--r--. 1 root root 2078699697 5月 9 13:02 access.log -rw-r--r--. 1 root root 11138 5月 6 10:28 error.log [rootloc…...

编程日记 2025/8/4 8:27:42

零基础学Java——第十一章：实战项目 - 控制台应用开发

第十一章：实战项目 - 控制台应用开发在前面的章节中，我们已经学习了Java的基础知识、面向对象编程、高级特性、文件IO、多线程、网络编程和数据库操作等内容。现在，是时候将这些知识应用到实际项目中了。本章我们将从最基础的控制台应用开始…...

编程日记 2025/8/7 1:33:11

从逻辑学视角理解统计学在数据挖掘中的作用

文章目录一、引言：逻辑学与统计学的交汇1.1 问题的逻辑本质：为什么需要统计学解析数据1.2 数据挖掘中的三重逻辑关系：数据-模式-知识二、统计学的逻辑基础2.1 归纳逻辑与统计推断2.2 假设检验的逻辑结构2.3 概率论：不确定性的逻…...

编程日记 2025/8/7 1:34:48

Cluster Interconnect in Oracle RAC

Cluster Interconnect in Oracle RAC (文档 ID 787420.1)编辑转到底部 In this Document Purpose Scope Details Physical Layout of the Private Interconnect Why Do We Need a Private Interconnect ? Interconnect Failure Interconnect High Availability Private Inte…...

编程日记 2025/8/2 17:20:04

OPENSSL-1.1.1的使用及注意事项

下载链接： OpenSSL1.1.1一个广泛使用的开源加密库资源-CSDN文库 OpenSSL 1.1.1 是一个广泛使用的开源加密库，以下是其使用方法及注意事项： 使用方法安装： Linux系统： 从源码编译安装：访问 OpenSSL 官网…...

编程日记 2025/8/2 17:20:02

Element-UI字体图标不显示

原因我在控制台查看请求后，发现elementUI的字体文件请求路径不对， 我的路径是/static/css/static/fonts/element-icons.535877f.woff， 正确的是/static/fonts/element-icons.535877f.woff 解决 build - utils function generateLoaders (loa…...

编程日记 2025/8/7 1:32:48

lambda 表达式

C 的 lambda 表达式是一种轻量、内联的函数对象写法，广泛用于标准算法、自定义回调、事件响应等场景。它简洁且强大。以下将系统、详细地讲解 lambda 的语法、捕获规则、应用技巧和实际使用场景。 🧠 一、基本语法 [捕获列表](参数列表) -> 返回类型…...

编程日记 2025/8/2 17:19:58

vue3: pdf.js 2.16.105 using typescript

npm create vite vuepdfpreview //创建项目npm install vue-pdf-embed npm install vue3-pdfjs npm install pdfjs-dist2.16.105 <!--* |~~~~~~~|* | |* | |…...

编程日记 2025/8/2 17:19:56

自然语言处理-词性标注的基本概念

在自然语言处理过程中，进行词性标注是很有必要的一个步骤，词性揭示了一个词的类别，识别每个词的词性可以分析句子的语法和结构，从而为后续的命名实体识别、句法分析、情感分析、信息抽取以及机器翻译等文本分析任务提供必要且有用…...

编程日记 2025/8/2 17:19:55

电机密集型工厂环境下的无线通信技术选型与优化策略

点击下面图片带您领略全新的嵌入式学习路线 🔥爆款热榜 88万阅读 1.6万收藏在电机、变频器、电焊机等强电磁干扰源遍布的工业环境中，无线通信系统的可靠性面临严峻挑战。本文从抗干扰能力、传输稳定性、实时性需求三大核心维度出发，结合工…...

编程日记 2025/8/2 17:19:53

【软件安装那些事 2 】Multisim 14.3 安装教程（中文版）步骤完整不跳步 { 附百度网盘中软件提取下载链接，永久有效 }

百度网盘分享的文件：Multisim 14.3 安装包中文 （永久有效） 链接: https://pan.baidu.com/s/1XE4X9_M496lyHCN3DGrOzw?pwd4yku 提取码: 4yku 1、解压完成后，打开【Setup】文件夹 2、右击【Install】，选择…...

编程日记 2025/8/2 17:19:51

NextDenovo2.5.2安装与使用-生信工具53

01 NextDenovo 简介适用于三代数据基因组组装！ NextDenovo 是一个基于字符串图（String Graph）的长读段（如 PacBio CLR， ONT）从头组装工具。它采用类似于 Canu 的“先纠错后组装”（correct-th…...

编程日记 2025/8/2 17:19:49

结构性变革与新兴机遇

近年来，全球就业市场正经历深刻的结构性变革。受技术进步、产业升级、人口结构变化及全球经济格局调整的影响，传统就业模式被重塑，新的职业机会不断涌现。本文将分析当前就业市场的主要趋势，并探讨其对劳动者、企业和政策制定者的…...

编程日记 2025/8/2 17:19:47

第20篇：Linux设备驱动程序入门＜七＞

Q：如何编写定时器中断驱动内核模块？ A：使用在FPGA中实现的间隔定时器FPGA Timer0，寄存器接口基地址为0x00002000，时钟频率100MHz，中断ID为72。调用这个定时器需要向Counter start value寄存器写入适当的值…...

编程日记 2025/8/2 17:19:45

基于Transformer与SHAP可解释性分析的神经网络回归预测模型【MATLAB】

基于Transformer与SHAP可解释性分析的神经网络回归预测模型【MATLAB】在当今的数据科学与人工智能领域，构建一个高精度的预测模型固然重要，但越来越多的应用场景开始关注模型的可解释性。尤其在金融、医疗、工业控制等对决策透明度要求较高的领域&…...

编程日记 2025/8/2 17:19:43

基于Java和GeoTools的根据矢量BBOx自动生成格网文件实践

目录前言一、基础数据介绍及生成方法简介 1、矢量数据处理 2、格网生成算法二、代码实现 1、根据Shp计算Bounds 2、生成经纬网要素集合 3、写入 Shapefile 三、结果输出与验证 1、格网文件输出格式 2、GIS工具验证四、总结前言在当今数字化与信息化高速发展的…...

编程日记 2025/8/2 17:19:41

[docker基础二]NameSpace隔离实战

目录一实战目的二基础知识 1)dd 命令详解 2)mkfs命令详解 3)df命令详解 4)mount 命令详解 5)unshare命令详解三实战操作一(PID隔离) 四实战操作二(MOunt隔离) 1）创建 Mount 隔离进程 2）在新进程里边，创建空白文件&#…...

编程日记 2025/8/4 8:27:35

PIC18F45K80 ECAN模块使用

PIC18F45K80的CAN使用过程遇到一些问题，记录一下，主要是代码的理解。在MPLAB X中配置工程： 1，在MCC中添加ECAN外设 2，CAN通讯有波特率的概念，整一个CAN网络需要运行在同一个速率。这里我们把他配置到12…...

编程日记 2025/8/4 8:27:33

RuntimeError: expected scalar type ComplexDouble but found Float

要解决 RuntimeError: expected scalar type ComplexDouble but found Float 错误，请按照以下步骤操作： 步骤 1：定位错误发生的位置查看完整的错误堆栈跟踪，确定具体是哪一行代码引发了错误。例如：RuntimeError: exp…...

编程日记 2025/8/4 8:27:31

基于DeepSeek的韦恩图绘制：方法、优化与应用

一、研究背景与冲突在生物信息学、医学研究、数据科学等众多领域，清晰展示数据集之间的交集关系至关重要。韦恩图（Venn diagram）作为一种有效的可视化工具，能以直观的图形呈现多个数据集之间的重叠情况，帮助研究者快…...

编程日记 2025/8/4 8:27:29

自动驾驶的“眼睛”：用Python构建智能障碍物检测系统

自动驾驶的“眼睛”：用Python构建智能障碍物检测系统在自动驾驶技术日益成熟的今天，障碍物检测系统成了汽车智能化不可或缺的部分。无论是高速公路上的突发状况，还是城市街道中的行人与车辆，准确识别障碍物并及时反应，是保证行车安全的关键。那么，我们如何用Python构…...

编程日记 2025/8/4 8:27:27

基于HTML+JavaScript+CSS实现教学网站

摘要 21世纪是信息化的时代，信息化物品不断地涌入我们的生活。同时，教育行业也产生了重大变革。传统的身心教授的模式，正在被替代。互联网模式的教育开辟了一片新的热土。这算是对教育行业的一次重大挑战。截至目前，众多教育行…...

编程日记 2025/8/4 8:27:25

【Pandas】pandas DataFrame all

Pandas2.2 DataFrame Computations descriptive stats 方法描述DataFrame.abs()用于返回 DataFrame 中每个元素的绝对值DataFrame.all([axis, bool_only, skipna])用于判断 DataFrame 中是否所有元素在指定轴上都为 True pandas.DataFrame.all() pandas.DataFrame.all() 方…...

编程日记 2025/8/4 6:47:59

何时需要import css文件？怎么知道需要导入哪些css文件？为什么webpack不提示CSS导入？（导入css导入规则、css导入规范）

文章目录何时需要import css文件？**1. 使用模块化工具（如 Webpack、Vite、Rollup 等）****适用场景：****示例：****优点：** **2. 动态加载 CSS（按需加载）****适用场景：***…...

编程日记 2025/8/4 6:47:57

智汇云舟亮相第二十七届北京科博会

5月8日，备受瞩目的第二十七届中国北京国际科技产业博览会（以下简称：北京科博会）在国家会议中心盛大开幕。作为我国科技领域的重要盛会，北京科博会汇聚了众多前沿科技成果与创新力量，为全球科技产业交流搭建…...

编程日记 2025/8/4 6:47:55

ThreadLocal

9.1.1 面试题 ThreadLocal中ThreadLocalMap的数据结构和关系ThreadLocal的key是弱引用，这是为什么？ThreadLocal内存泄漏问题你知道吗？ThreadLocal中最后为什么要加remove方法？...

编程日记 2025/8/4 6:47:53

【高并发内存池】从零到一的项目之centralcache整体结构设计及核心实现

个人主页 ： zxctscl 专栏【C】、【C语言】、【Linux】、【数据结构】、【算法】如有转载请先通知文章目录前言1. central cache整体结构2. central cache基础结构2.1 span类设计2.2 SpanList带头双向循环链表设计2.3 central cache类设计 3. central cache核…...

编程日记 2025/8/4 6:47:51

（pnpm）引入其他依赖失败，例如‘@element-plus/icons-vue‘失败

当我们在开发项目的时候，利用了 pnpm 来进行管理，可能有些依赖就无法引入，这是因为 pnpm 和 npm 管理包的方式不一样， 举个例子，假如我们现在需要安装一个 A 包，A 包依赖 B 包， 此时我们通过 …...

编程日记 2025/8/4 6:47:49

高级可视化图表分析实践——以《大侠立志传》武器系统为例

引言

武器类型分布

矩形树图

结论

不同品质/类别武器的攻击力分布情况

蜂群图

分析结论

武器来源

桑基图

分析结论

武器附加属性

词云图

分析结论

不同品级武器装备熟练度要求/特质要求

离散热力图

结论

品质与熟练度的正相关性

品质与熟练度的非线性关系

装备品质与需求特质的正相关性

不同装备类型对需求特质的类型要求

使用python制作上述图表

矩形树图

蜂群图

桑基图

词云图

离散热点图

相关文章：