当前位置：首页 > news >正文

matlab快速入门（2）-- 数据处理与可视化

news 来源：原创 2025/5/9 13:57:53

MATLAB的数据处理

1. 数据导入与导出

(1) 从文件读取数据

Excel 文件：

data = readtable('data.xlsx');  % 读取为表格（Table）

CSV 文件：

data = readtable('data.csv');   % 自动处理表头和分隔符

文本文件：

data = load('data.txt');        % 数值数据直接加载为矩阵

(2) 导出数据到文件

保存为 Excel：
```
writetable(data, 'output.xlsx'); 
```
保存为 CSV：
```
writetable(data, 'output.csv');
```

2. 数据清洗与预处理

(1) 处理缺失值

1>查找缺失值：ismissing(data)

missingValues = ismissing(data);  % 返回逻辑矩阵标记缺失值（NaN 或空字符）

功能：检测 data（可以是数组、表格、时间表等）中的缺失值，生成一个与 data 维度相同的 逻辑矩阵（logical matrix）。
输出规则：
- missingValues 中 true（1）表示对应位置是缺失值。
- false（0）表示该位置数据正常。

支持的缺失值类型

数值型数据：NaN（Not a Number）。
时间型数据：NaT（Not a Time）。
字符串/字符数据：空字符串 ""（字符串数组）或 <missing>。
分类数据：<undefined>。
表格/时间表：自动识别各列的缺失值类型。

示例
假设 data 是一个表格：

ID	Age	Status
1	25	“Complete”
2	NaN	“”
3	30	“”

执行 missingValues = ismissing(data) 后，结果如下：

ID	Age	Status
0	0	0
0	1	1
0	0	1

2> 填充缺失值：fillmissing
代码作用

data.Age = fillmissing(data.Age, 'constant', mean(data.Age, 'omitnan'));  % 用均值填充

功能：将 data.Age 列中的缺失值（NaN）填充为该列的均值（忽略缺失值计算）。
参数解析：
1. data.Age：待填充的列（数值型向量）。
2. 'constant'：填充方式为“常量填充”，即用固定值替换缺失值。
3. mean(data.Age, 'omitnan')：计算 data.Age 列的均值时忽略 NaN 值。

关键步骤

计算均值：
```
avg = mean(data.Age, 'omitnan');  % 忽略 NaN 计算均值
```
- 假设 data.Age = [25, NaN, 30]，则 avg = (25 + 30)/2 = 27.5。
填充缺失值：
```
data.Age = fillmissing(data.Age, 'constant', avg);
```
- 原始数据：[25, NaN, 30] → 填充后：[25, 27.5, 30]。

其他填充方法

插值填充：fillmissing(data.Age, 'linear')（线性插值）。
邻近值填充：fillmissing(data.Age, 'previous')（用前一个有效值填充）。

注意事项

确保数据类型一致：
- fillmissing 的填充值必须与列的数据类型兼容（例如，数值列用数值填充，字符串列用字符串填充）。
处理全缺失列：
- 若某列全部为 NaN，mean(..., 'omitnan') 会返回 NaN，导致填充无效。需额外处理：
```
if all(isnan(data.Age))data.Age = zeros(size(data.Age));  % 用0填充全缺失列
end
```

分类变量处理：

分类数据（如 'Male', 'Female'）需用众数填充：

modeGender = mode(data.Gender, 'omitnan');
data.Gender = fillmissing(data.Gender, 'constant', modeGender);

完整示例
原始数据

Age
25
NaN
30

执行代码后

Age
25
27.5
30

总结

ismissing：精准定位数据中的缺失值，生成逻辑掩码。
fillmissing：灵活填充缺失值，支持均值、插值、邻近值等方法。
核心技巧：结合 ismissing 的检测结果，选择合适策略清洗数据，确保后续分析可靠性。

(2) 数据筛选

按条件筛选行：

highScores = data(data.Score > 90, :);  % 筛选 Score 列大于90的行

选择特定列：

selectedData = data(:, {'Name', 'Age'});  % 选择 Name 和 Age 列

(3) 数据转换

涵盖 类型转换 和 分类数据编码 的核心操作。

一、类型转换：`data.Age = double(data.Age);`

1. 作用与原理

目标：将 data.Age 列的数据类型转换为 双精度浮点数（double）。
适用场景：
- 原始数据可能是整数（int）、字符（char）或其他类型。
- 需要统一数值类型以确保计算精度（例如参与科学计算或统计分析）。

2. 示例说明

原始数据

假设 data.Age 原本是整数类型（int32）：

data = table([25; 30; 28], {'Male'; 'Female'; 'Male'}, 'VariableNames', {'Age', 'Gender'});
disp(class(data.Age));  % 输出 'int32'

原始数据

Age (double)	Gender
25	Male
30	Female
28	Male

转换代码

data.Age = double(data.Age);  % 转换为双精度浮点数
disp(class(data.Age));         % 输出 'double'

转换后数据

Age (double)	Gender
25.0	Male
30.0	Female
28.0	Male

3. 常见类型转换函数

函数	作用	示例
`double()`	转为双精度浮点数	`x = double(int32(5))` → `5.0`
`single()`	转为单精度浮点数	`x = single(3.14)`
`int32()`	转为32位整数	`x = int32(10.7)` → `10`
`string()`	转为字符串数组	`x = string(123)` → `"123"`
`cellstr()`	转为字符向量元胞数组	`x = cellstr("Text")` → `{'Text'}`

4. 注意事项

精度丢失：将浮点数转换为整数时，小数部分会被截断（非四舍五入）。
```
x = 3.9;
y = int32(x);  % y = 3
```

数据溢出：超出目标类型范围的转换会引发错误或产生意外值。

x = 500;
y = int8(x);   % int8 范围是 [-128, 127]，y = 127（溢出）

分类数据编码：data.Gender = categorical(data.Gender);

1. 作用与原理

目标：将字符或字符串数据转换为 分类变量（categorical）。
优势：
- 节省内存：分类变量内部存储为整数索引，而非重复的字符串。
- 高效操作：支持快速分组统计、排序、筛选。
- 语义清晰：保留原始标签，方便可视化与分析。

2. 示例说明

原始数据

假设 data.Gender 是字符串数组：

data.Gender = ["Male"; "Female"; "Male"; "Female"];
disp(class(data.Gender));  % 输出 'string'

注意：一定要转换为categorical类型的数据

转换代码

data.Gender = categorical(data.Gender);  % 转换为分类变量
disp(class(data.Gender));                % 输出 'categorical'
disp(categories(data.Gender));           % 输出 {'Female', 'Male'}

转换后数据

Gender (categorical)
Male
Female
Male
Female

3. 分类变量的核心操作

(1) 统计频数

counts = countcats(data.Gender);  % 输出 [2; 2]（Female:2, Male:2）

(2) 排序数据

sortedData = sortrows(data, 'Gender');  % 按分类顺序排序（默认字母顺序）

(3) 合并类别

% 将 'Male' 和 'Female' 合并为 'Other'
data.Gender = mergecats(data.Gender, {'Male', 'Female'}, 'Other');
disp(categories(data.Gender));  % 输出 {'Other'}

(4) 处理缺失值

% 添加缺失值并填充
data.Gender(2) = missing;        % 设置为 <undefined>
data.Gender = addcats(data.Gender, 'Unknown');  % 添加新类别
data.Gender(isundefined(data.Gender)) = 'Unknown';  % 填充缺失

4. 分类变量的优势对比

操作	字符串数组	分类变量
内存占用	高（存储所有字符）	低（存储整数索引）
分组统计速度	慢	快
支持自定义类别顺序	不支持	支持（有序分类）

三、综合应用场景

场景：数据预处理流程

% 步骤1：读取数据
data = readtable('survey_data.csv');% 步骤2：类型转换（Age列转为double）
data.Age = double(data.Age);% 步骤3：分类编码（Gender列转为分类变量）
data.Gender = categorical(data.Gender);% 步骤4：处理缺失值（用众数填充Gender）
modeGender = mode(data.Gender, 'omitnan');
data.Gender = fillmissing(data.Gender, 'constant', modeGender);% 步骤5：保存处理后的数据
writetable(data, 'cleaned_survey_data.csv');

四、注意事项

类型转换前检查数据：
- 确保转换后的类型适合后续分析（例如日期数据应转为 datetime）。
分类变量的顺序：
- 默认按字母顺序排列，可通过 'Ordinal', true 指定逻辑顺序。
缺失值处理：
- 分类变量中的缺失值显示为 <undefined>，需用 addcats 和 fillmissing 处理。

总结

类型转换：确保数据格式统一，满足计算需求。
分类编码：提升处理离散标签数据的效率和可读性。
核心函数：double(), categorical(), countcats(), mergecats()。

3. 数据分析与统计

一、聚合统计

1. 分组统计：`groupsummary`

功能：按指定分组变量对数据进行分组，并计算统计量（如均值、总和、标准差等）。

语法

groupStats = groupsummary(data, groupVars, method, dataVars)

data：输入表格（table）。
groupVars：分组变量（列名或列索引），支持单列或多列。
method：统计方法（如 'mean', 'sum', 'std'）。
dataVars：需要统计的数据列（列名或列索引）。

示例 1：按性别计算平均分

% 创建示例数据
data = table({'Male'; 'Female'; 'Male'; 'Female'}, [85; 92; 78; 88], 'VariableNames', {'Gender', 'Score'});% 按性别分组计算平均分
groupStats = groupsummary(data, 'Gender', 'mean', 'Score');

输出结果：

Gender	GroupCount	mean_Score
Female	2	90
Male	2	81.5

示例 2：多分组变量与多统计方法

% 按性别和部门分组，计算销售额的总和和均值
groupStats = groupsummary(data, {'Gender', 'Dept'}, {'sum', 'mean'}, 'Sales');

2. 交叉分析：`crosstab`

功能：生成交叉频数表，统计两个或多个分类变量的组合频数。

语法

[table, chi2, p] = crosstab(var1, var2, ...)

var1, var2：分类变量（向量或分类数组）。
table：交叉频数表。
chi2：卡方检验统计量。
p：p 值（检验变量独立性的显著性）。

示例：性别与部门的交叉分析

% 创建示例数据
gender = categorical({'Male'; 'Female'; 'Male'; 'Female'});
dept = categorical({'IT'; 'HR'; 'IT'; 'HR'});% 生成交叉表
[counts, ~, ~] = crosstab(gender, dept);
disp(counts);

输出：

	HR	IT
Female	2	0
Male	0	2

二、数值计算

1. 矩阵运算：`cov`（协方差矩阵）

功能：计算数据列之间的协方差矩阵，反映变量间的线性相关性。

语法

covMatrix = cov(data)

data：数值矩阵或表格中的数值列。
covMatrix：对称矩阵，对角线为方差，非对角线为协方差。

示例：计算协方差矩阵

% 提取表格中的数值列（第2到5列）
numericData = data{:, 2:5};% 计算协方差矩阵
covariance = cov(numericData);
disp(covariance);

协方差解读：

正值：变量同向变化。
负值：变量反向变化。
绝对值大小：表示相关性强度。

2. 自定义函数应用：`arrayfun`

功能：对数组的每个元素应用自定义函数，避免显式循环。

语法

output = arrayfun(func, array)

func：函数句柄（如 @(x) x + 5）。
array：输入数组。
output：与输入数组同维度的结果。

示例：所有分数加5

% 定义分数列
data.Score = [85; 92; 78; 88];% 对每个分数加5
data.AdjustedScore = arrayfun(@(x) x + 5, data.Score);

输出：

Score	AdjustedScore
85	90
92	97
78	83
88	93

对比向量化操作：

% 更高效的向量化写法
data.AdjustedScore = data.Score + 5;

三、综合应用场景

场景：销售数据分析

% 步骤1：读取数据
data = readtable('sales_data.csv');% 步骤2：按地区和产品类别分组，计算总销售额和平均利润
groupStats = groupsummary(data, {'Region', 'Product'}, {'sum', 'mean'}, {'Sales', 'Profit'});% 步骤3：生成地区和销售员的交叉表
[counts, ~, ~] = crosstab(data.Region, data.Salesperson);% 步骤4：计算销售额与利润的协方差
covMatrix = cov(data{:, {'Sales', 'Profit'}});% 步骤5：调整销售额（所有值乘以1.1）
data.AdjustedSales = arrayfun(@(x) x * 1.1, data.Sales);

四、注意事项

数据类型一致性：
- 聚合统计和交叉分析要求分组变量为分类变量或可离散化的数值。
- 协方差计算需确保输入为数值矩阵。
缺失值处理：
- groupsummary 默认忽略缺失值，但需提前确认数据完整性。
- crosstab 会将缺失值单独列为一类（<undefined>）。
性能优化：
- 优先使用向量化操作（如 data.Score + 5）替代 arrayfun，提升效率。
- 对大型数据，避免在循环中频繁操作表格，可转换为矩阵处理。

五、扩展函数推荐

函数	作用	示例
`grpstats`	分组统计（类似 `groupsummary`）	`grpstats(data, group, 'mean')`
`varfun`	对表格列应用函数	`varfun(@mean, data)`
`corrcoef`	计算相关系数矩阵	`corrcoef(data{:, 2:5})`
`pivot`	生成透视表	`pivot(data, Rows='Gender')`

生命如同寓言，其价值不在于长短，而在于内容。 —塞涅卡

matlab快速入门（2）-- 数据处理与可视化

MATLAB的数据处理 1. 数据导入与导出 (1) 从文件读取数据 Excel 文件：data readtable(data.xlsx); % 读取为表格（Table）CSV 文件：data readtable(data.csv); % 自动处理表头和分隔符文本文件：data load(data.t…...

编程日记 2025/5/9 13:57:53

UnityShader学习笔记——动态效果

——内容源自唐老狮的shader课程目录 1.原理 2.Shader中内置的时间变量 3.Shader中经常会改变的数据 4.纹理动画 4.1.背景滚动 4.1.1.补充知识 4.1.2.基本原理 4.2.帧动画 4.2.1.基本原理 5.流动的2D河流 5.1.基本原理 5.2.关键步骤 5.3.补充知识 6.广告牌效果 …...

编程日记 2025/5/9 13:09:27

Docker Desktop安装到其他盘

Docker Desktop 默认安装到c盘，占用空间太大了，想给安装到其他盘，网上找了半天的都不对正确安装命令： start /w "" "Docker Desktop Installer.exe" install --installation-dirF:\docker命令执行成功&am…...

编程日记 2025/5/1 15:15:12

详细教程 | 如何使用DolphinScheduler调度Flink实时任务

Apache DolphinScheduler 非常适用于实时数据处理场景，尤其是与 Apache Flink 的集成。DolphinScheduler 提供了丰富的功能，包括任务依赖管理、动态调度、实时监控和日志管理，能够有效简化 Flink 实时任务的管理和部署。通过 DolphinSchedule…...

编程日记 2025/5/5 15:22:17

稻盛和夫如何描述能力

1. 能力的三要素稻盛和夫认为，能力由以下三个核心要素组成： 知识（Knowledge）：掌握的专业知识、技术技能和行业经验。技能（Skill）：将知识应用于实际工作的能力，包括解决…...

编程日记 2025/5/8 2:23:45

【LeetCode 刷题】贪心算法(4)-区间问题

此博客为《代码随想录》二叉树章节的学习笔记，主要内容为贪心算法区间问题的相关题目解析。文章目录 55. 跳跃游戏45. 跳跃游戏 II452. 用最少数量的箭引爆气球435. 无重叠区间763. 划分字母区间56. 合并区间 55. 跳跃游戏题目链接 class Solution:def canJump…...

编程日记 2025/5/7 17:26:03

javaEE初阶————多线程初阶(3)

大家新年快乐呀，今天是第三期啦，大家前几期的内容掌握的怎么样啦？ 1，线程死锁 1.1 构成死锁的场景 a）一个线程一把锁这个在java中是不会发生的，因为我们之前讲的可重入机制，在其他语言中可…...

编程日记 2025/4/27 1:49:51

Deep Sleep 96小时：一场没有硝烟的科技保卫战

2025年1月28日凌晨3点，当大多数人还沉浸在梦乡时，一场没有硝烟的战争悄然打响。代号“Deep Sleep”的服务器突遭海量数据洪流冲击，警报声响彻机房，一场针对中国关键信息基础设施的网络攻击来势汹汹！ 面对美国发起的这场…...

编程日记 2025/4/30 1:21:36

【AI应用】免费的文本转语音工具：微软 Edge TTS 和开源版 ChatTTS 对比

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】【读书与思考】【AI应用】我试用了下Edge TTS，感觉还不错，不过它不支持克隆声音（比如自己的声音） 微软 Edge TTS 和开源版 ChatTTS 都是免费的文本转语音&…...

编程日记 2025/5/3 16:17:59

Deepseek-v3 / Dify api接入飞书机器人go程序

准备工作开通了接收消息权限的飞书机器人，例如我希望用户跟飞书机器人私聊，就需要开通这个权限：读取用户发给机器人的单聊消息 im:message.p2p_msg:readonly准备好飞书机器人的API key 和Secretdeepseek-v3的api keysecret：http…...

编程日记 2025/5/9 8:35:05

流媒体技术原理

流媒体技术的原理主要涉及以下几个核心概念和技术： 1. 编码和压缩编码：视频和音频原始数据通常非常庞大。为了传输和存储，首先需要通过编码将这些数据转换成更小、更易处理的格式。常见视频编码标准包括H.264、H.265（HEVC&…...

编程日记 2025/5/6 4:44:56

matlab simulink 三级倒立摆LQR控制

1、内容简介略 matlab simulink 122-三级倒立摆LQR控制可以交流、咨询、答疑 2、内容说明略要求初始条件［0.01 0.01 0.01 0.01 0 0 0 0］ 调节时间希望在3s内，超调量尽量的小，最大不能超过0.05； 用simulink的…...

编程日记 2025/5/8 5:09:23

使用令牌桶算法通过redis实现限流

令牌桶算法是一种常用的限流算法，它可以平滑地控制请求的处理速率。在 Java 中结合 Redis 实现令牌桶算法，可以利用 Redis 的原子操作来保证多节点环境下的限流效果。一实现思路初始化令牌桶：在 Redis 中存储令牌桶的相关信息&#xff0…...

编程日记 2025/5/9 13:38:09

Tableau实用技巧 —— 提取Tableau文件中图片

需求背景在日常开发过程中，我们时常会遇到两种图片提取需求：一是本地报告中的图片文件丢失需要找回，二是从网络论坛中发现有价值的报告图片希望保存使用。针对这些实际应用场景，以下将详细介绍有效的图片提取方法。解决思路 …...

编程日记 2025/5/8 3:12:43

记一次golang环境的变化

前两天编译打包了了个文件，把env的 goos 搞坏了导致运行项目一直报错先是这样 go: unsupported GOOS/GOARCH pair windows/amd64再是这样 /amd64supported GOOS/GOARCH pair linux咱就说，咱也是知道环境配置的有问题 （ go env GOOS &…...

编程日记 2025/4/30 6:45:46

web直播弹幕抓取分析 signature

声明: 本文章中所有内容仅供学习交流使用，不用于其他任何目的，抓包内容、敏感网址、数据接口等均已做脱敏处理，严禁用于商业用途和非法用途，否则由此产生的一切后果均与作者无关！ 前言最近遇到太多难点了卡了很久&am…...

编程日记 2025/5/5 14:16:22

CVE-2024-13025-Codezips 大学管理系统 faculty.php sql 注入分析及拓展

Codezips 里面有很多cms系统，其中的一个College Management System In PHP With Source Code存在sql注入漏洞。复现对源码进行下载登录。里面有很多远程js加载不出来但是不影响接口使用。对于/college-mgmt-php-master/Front-end/faculty.php接口进行测试。…...

编程日记 2025/5/4 7:42:47

第二个Qt开发实例:在Qt中利用GPIO子系统和sysfs伪文件系统实现按钮(Push Button)点击控制GPIO口(效果为LED2灯的灭和亮)

引言本文承接博文 https://blog.csdn.net/wenhao_ir/article/details/145420998 里的代码，在那里面代码的基础上添加上利用sysfs伪文件系统实现按钮(Push Button)点击控制GPIO口的代码，进而实现LED2灯的灭和亮。最终的效果是点击下面的LED按钮实现LED…...

编程日记 2025/5/5 1:42:27

【自动化测试】使用Python selenium类库模拟手人工操作网页

使用Python selenium类库模拟手人工操作网页背景准备工作安装Python版本安装selenium类库下载selenium驱动配置本地环境变量自动化脚本输出页面表单自动化填充相关代码背景待操作网页必须使用IE浏览器登录访问用户本地只有edge浏览器，通过edge浏览器IE模式访问…...

编程日记 2025/5/6 6:03:56

Elasticsearch：向量搜索的快速介绍

作者：来自 Elastic Valentin Crettaz 本文是三篇系列文章中的第一篇，将深入探讨向量搜索（也称为语义搜索）的复杂性，以及它在 Elasticsearch 中的实现方式。本文是三篇系列文章中的第一篇，将深入探讨向量搜…...

编程日记 2025/5/6 5:48:24

低至3折，百度智能云千帆宣布全面支持DeepSeek-R1/V3调用

DeepSeek-R1和 DeepSeek-V3模型已在百度智能云千帆平台上架。出品|产业家新年伊始，百度智能云又传来新动作。 2月3日百度智能云宣布， DeepSeek-R1和 DeepSeek-V3模型已在百度智能云千帆平台上架，同步推出超低价格方案，并…...

编程日记 2025/5/8 9:36:43

VSCode中使用EmmyLua插件对Unity的tolua断点调试

一.VSCode中搜索安装EmmyLua插件二.创建和编辑launch.json文件初始的launch.json是这样的手动编辑加上一段内容如下图所示： 三.启动调试模式，并选择附加的进程...

编程日记 2025/4/26 23:36:51

RabbitMQ 从入门到精通：从工作模式到集群部署实战（三）

文章目录使用CLI管理RabbitMQrabbitmqctlrabbitmq-queuesrabbitmq-diagnosticsrabbitmq-pluginsrabbitmq-streamsrabbitmq-upgraderabbitmqadmin 使用CLI管理RabbitMQ RabbitMQ CLI 工具需要安装兼容的 Erlang/OTP版本。这些工具假定系统区域设置为 UTF-8（例如en…...

编程日记 2025/5/4 8:07:58

2025软件授权与保护领域的新趋势

2024年对威步而言是一个重要的里程碑——公司成立35年以来，一直专注于软件安全及软件授权管理，以保护企业的数字资产与知识产权。展望2025年，数字资产盗窃、数据泄露与网络犯罪等威胁仍在持续增长，威步将在新的形势下继续推动技术…...

编程日记 2025/5/6 8:29:26

线段树(点修，区查，区修)

文章目录什么是线段树？线段树能够解决什么样的问题？模板什么是线段树？ 线段树是一种二叉搜索树，而二叉搜索树，首先满足二叉树，即每个结点最多有两颗子树，并且是一颗搜索树，我们要知…...

编程日记 2025/5/7 1:33:32

深度学习 - 神经网络的原理

## 深度学习 - 神经网络的原理深度学习是机器学习的一个分支，其核心是模拟人脑神经网络的结构和功能，构建多层的神经网络模型，从数据中学习特征并进行预测或分类。 **神经网络的基本原理：** 1. **神经元模型:** * 神经网…...

编程日记 2025/5/5 15:48:19

DeepSeek辅助段落扩写的能力怎么样?

DeepSeek-R1在学术写作的诸多细节层面展现出了显著的应用价值。接下来我们将通过一系列具体案例，深入探讨该工具如何在扩写、翻译、发表以及内容改进等关键环节为学术写作提供有力支持。在提问环节，DeepSeek-R1能够高效地简化提示词，并精准地…...

编程日记 2025/5/1 21:41:58

深入Linux系列之进程地址空间

深入Linux系列之进程地址空间 1.引入那么在之前的学习中，我们知道我们创建一个子进程的话，我们可以在代码层面调用fork函数来创建我们的子进程，那么fork函数的返回值根据我们当前所处进程的上下文是返回不同的值，它在父进程中返…...

编程日记 2025/5/1 11:15:13

虚拟DOM与Diff算法：Vue如何高效更新UI？

虚拟DOM与Diff算法：Vue如何高效更新UI？ 虚拟DOM与Diff算法：Vue如何高效更新UI？什么是虚拟DOM？定义虚拟DOM的优势 Diff算法：如何高效计算UI差异定义核心思想Diff算法的步骤示例代码 Vue中的虚拟DOM与Diff算法…...

编程日记 2025/5/6 22:57:01

Golang 并发机制-6：掌握优雅的错误处理艺术

并发编程可能是提高软件系统效率和响应能力的一种强有力的技术。它允许多个工作负载同时运行，充分利用现代多核cpu。然而，巨大的能力带来巨大的责任，良好的错误管理是并发编程的主要任务之一。并发代码的复杂性并发编程增加了顺序程序所不…...

编程日记 2025/5/1 21:41:27

【MySQL】第二弹---数据库基础全解析：从概念到实践的深度探索

✨个人主页： 熬夜学编程的小林 💗系列专栏： 【C语言详解】【数据结构详解】【C详解】【Linux系统编程】【MySQL】目录 1. 数据库基础 1.1 什么是数据库 1.2 主流数据库 1.3 基本使用 1.3.1 MySQL安装 1.3.2 连接服务器 1.3.3 服务器…...

编程日记 2025/5/8 0:47:23

c++计算机教程

目的做出-*/%计算机要求做出可以计算-*/%的计算机实现完整代码 #include<bits/stdc.h> int main() {std::cout<<"加减- 乘* 除/ 取余% \没有了|(因为可以算三位)"<<"\n"<<"提示:每打完一个符号或打完一个数,\…...

编程日记 2025/5/5 17:59:57

win32汇编环境,对话框程序中自定义工具栏的使用示例三

;运行效果 ;win32汇编环境,对话框程序中自定义工具栏的使用示例三 ;这次是竖着的，以下为生成48*48大小的自定义工具栏图标，自已设计图标样式，显得更专业点。 ;原理是，先生成工具栏控件，再生成图像列表，然后弄几个图标加入图像列表，再把图像列表与工具栏控件关联。需留意…...

编程日记 2025/5/5 17:45:59

集合类不安全问题

ArrayList不是线程安全类，在多线程同时写的情况下，会抛出java.util.ConcurrentModificationException异常解决办法： 1.使用Vector（ArrayList所有方法加synchronized，太重） 2.使用Collections.synchronized…...

编程日记 2025/5/4 6:48:28

怎么使用Cursor以及升级Cursor pro会员

什么是cursor Cursor：结合AI技术的代码编辑器，助力开发者提升编码效率与质量。作为Visual Studio Code的一个衍生版本，Cursor继承了其用户熟知的界面和插件兼容性，并加入了革命性的AI特性。这款编辑器自2023年1月推出以来&#x…...

编程日记 2025/5/8 14:12:25

启用gui，启动图形化界面

1、停止服务 2、开启maxscale GUI ，修改主配置文件（增加框框内两行） 3、启动服务注：如果出现以下启动不成功考虑权限问题 4、访问http://ip:8989 用户名/密码：admin/mariadb...

编程日记 2025/5/1 22:28:43

03-移除元素

给你一个数组 nums 和一个值 val，你需要原地移除所有数值等于 val 的元素。元素的顺序可能发生改变。然后返回 nums 中与 val 不同的元素的数量。假设 nums 中不等于 val 的元素数量为 k，要通过此题，您需要执行以下操作： 更改…...

编程日记 2025/5/6 20:28:30

LSSVM最小二乘支持向量机多变量多步光伏功率预测（Matlab）

代码下载：LSSVM最小二乘支持向量机多变量多步光伏功率预测（Matlab） LSSVM最小二乘支持向量机多变量多步光伏功率预测一、引言 1.1、研究背景与意义随着全球能源危机和环境问题的日益严重，可再生能源的开发利用成为了世界各国…...

编程日记 2025/5/9 13:25:28

使用Vue开发可复用的Web Components：跨框架组件封装指南

使用Vue开发可复用的Web Components：跨框架组件封装指南使用Vue开发可复用的Web Components：跨框架组件封装指南引言什么是Web Components？为什么选择Vue开发Web Components？ 封装跨框架组件的步骤1. 创建基本的Vue组件2. 将Vue组…...

编程日记 2025/5/8 20:34:14

用AI写游戏1——js实现贪吃蛇

使用模型通义千问提示词： 用js html css 做一个贪吃蛇的动画 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>Snake Game</title><link rel"stylesheet" href"c…...

编程日记 2025/5/9 13:26:23

星闪开发入门级教程之安装编译器与小项目烧录

系列文章目录星闪开发入门级教程好久不见，已经好几年没有发文章了，星闪-作为中国原生的新一代近距离无线联接技术品牌。我想着写点东西。为了适合新手，绝对小白文。文章目录系列文章目录前言一、Hispark Studio1.安装Hispark Studio2.安…...

编程日记 2025/5/6 10:25:57

java求职学习day32

JavaScript 详解课程目标： 1 、 JavaScript 介绍 2 、 HTML 和 JavaScript 结合方式 3 、 JavaScript 的使用 4 、 DOM 操作 5 、 BOM 操作 1. JavaScript介绍 (1)虽然是 java 作为前缀，但 java 和 javascript 的关系，就像老婆和老婆…...

编程日记 2025/5/1 21:53:18

【Markdown语法】锚点机制：跳转任意位置

最近写文章时，发现有一个需求：想要实现一种点击跳转到文档中任意位置的功能，这就是锚点机制，就像游戏中的传送锚点，于是写成文章记录一下使用方式。本文将详细介绍如何使用Markdown创建文档内部跳转（即锚…...

编程日记 2025/5/4 17:56:19

Docker安装pypiserver私服

Docker安装pypiserver私服 1 简介 Python开源包管理工具有pypiserver、devpi和Nexus等，pypiserver安装部署比较简单，性能也不错。搭建pypiserver私服，可以自己构建镜像，也可以使用官网的docker镜像。 # Github地址 https://g…...

编程日记 2025/5/9 9:25:28

基于微信小程序的居住证申报系统设计与实现（LW+源码+讲解）

专注于大学生项目实战开发,讲解,毕业答疑辅导，欢迎高校老师/同行前辈交流合作✌。技术范围：SpringBoot、Vue、SSM、HLMT、小程序、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、安卓app、大数据、物联网、机器学习等设计与开发。主要内容：…...

编程日记 2025/5/9 10:49:37

网站改HTTPS方法

默认的网站建设好后打开的样子那看起来像是钓鱼网站，现在的浏览器特别只能，就是你新买来的电脑默认的浏览器同样也会出现这样“不安全”提示。传输协议启动了向全球用户安全传输网页内容的流程。然而，随着HTTPS的推出，传输协议通…...

编程日记 2025/5/1 22:49:00

什么是三层交换技术？与二层有什么区别？

什么是三层交换技术？让你的网络飞起来！ 一. 什么是三层交换技术？二. 工作原理三. 优点四. 应用场景五. 总结前言点个免费的赞和关注，有错误的地方请指出，看个人主页有惊喜。作者：神的孩子都在歌唱大家好…...

编程日记 2025/5/9 13:42:16

极客说｜利用 Azure AI Agent Service 创建自定义 VS Code Chat participant

作者：卢建晖 - 微软高级云技术布道师「极客说」是一档专注 AI 时代开发者分享的专栏，我们邀请来自微软以及技术社区专家，带来最前沿的技术干货与实践经验。在这里，您将看到深度教程、最佳实践和创新解决方案。关注「极客说」&a…...

编程日记 2025/5/9 13:52:41

Rust语言进阶之标准输入: stdin用法实例(一百零五)

简介： CSDN博客专家、《Android系统多媒体进阶实战》一书作者新书发布：《Android系统多媒体进阶实战》🚀 优质专栏： Audio工程师进阶系列【原创干货持续更新中……】🚀 优质专栏： 多媒体系统工程师系列【…...

编程日记 2025/5/7 14:33:32

力扣刷题思路

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言递归70. 爬楼梯112. 路径总和509. 斐波那契数分治169. 多数元素240.搜索二维矩阵 II --- 二分查找单调栈 ---「找最近一个比当前值大/小」的问题739. 每日温度…...

编程日记 2025/5/9 13:45:43

1. 数据导入与导出

(1) 从文件读取数据

(2) 导出数据到文件

2. 数据清洗与预处理

(1) 处理缺失值

(2) 数据筛选

(3) 数据转换

一、类型转换：data.Age = double(data.Age);

1. 作用与原理

2. 示例说明

原始数据

转换代码

3. 常见类型转换函数

4. 注意事项

1. 作用与原理

2. 示例说明

原始数据

转换代码

转换后数据

3. 分类变量的核心操作

4. 分类变量的优势对比

三、综合应用场景

场景：数据预处理流程

四、注意事项

总结

3. 数据分析与统计

一、聚合统计

1. 分组统计：groupsummary

语法

示例 1：按性别计算平均分

示例 2：多分组变量与多统计方法

2. 交叉分析：crosstab

语法

示例：性别与部门的交叉分析

二、数值计算

1. 矩阵运算：cov（协方差矩阵）

语法

示例：计算协方差矩阵

协方差解读：

2. 自定义函数应用：arrayfun

语法

示例：所有分数加5

对比向量化操作：

三、综合应用场景

场景：销售数据分析

四、注意事项

五、扩展函数推荐

相关文章：

一、类型转换：`data.Age = double(data.Age);`

1. 分组统计：`groupsummary`

2. 交叉分析：`crosstab`

1. 矩阵运算：`cov`（协方差矩阵）

2. 自定义函数应用：`arrayfun`