当前位置: 首页 > news >正文

FineBI6.x进阶篇-可视化专题

参考

参考:https://edu.fanruan.com/video/526

如何选择合适的图表:https://help.fanruan.com/dvg/doc-view-3.html

参考:https://help.fanruan.com/finebi/

什么是GLAD原则:https://help.fanruan.com/dvg/doc-view-81.html

G原则:https://help.fanruan.com/dvg/doc-view-81.html

L原则:https://help.fanruan.com/dvg/doc-view-83.html

A原则:https://help.fanruan.com/dvg/doc-view-84.html

D原则:https://help.fanruan.com/dvg/doc-view-94.html

过滤的原理和全部(进阶)使用场景点击专题学习:过滤器进阶学习

查看 FineBI 支持的图表类型:点击查看

可视化专题

一个分析案例

假设你是一个大型连锁超市的分析师,现在老板想让你根据近几年的商品销售数据来分析出现在的经营模式是否健康增长。你会怎么做?
在这里插入图片描述

可视化的目的:直观的结果展现+特征与探索
FineBI图表的特点:灵活性高

如何选择合适的图表

如何选择合适的图表:https://help.fanruan.com/dvg/doc-view-3.html

在这里插入图片描述

①确定表达的信息
②确定对比关系
③选择图表形式

确定表达的信息

在这里插入图片描述
确定表达的信息其实也就是解决的问题是什么,我们的数据是什么,需要用图表做什么,这个在我们选用图表之前就应该心里有数。

确定对比关系

当确定表达的信息后,接下来我们就要看相对关系,相对关系需要根据数据特征和业务需求来确定,如:

要从多个类中看出谁的份额多,那就是占比构成
要看多个部分谁的销量高,那就是排序比较
要看在商铺全国分布的情况如何,那就可以使用位置分布

一般常用的相对关系有结构占比、排序比较、联系相关性、频率分布等,我们可以根据变量的多少、是否有分类、是否有时间参与等来区别,如下图:
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

选择图表形式

在这里插入图片描述

怎么用图

在这里插入图片描述
在这里插入图片描述
参考:https://help.fanruan.com/finebi/

GLAD原则——更好地用可视化传达信息

在这里插入图片描述

什么是GLAD原则:https://help.fanruan.com/dvg/doc-view-81.html

Good Data原则:塑造图表灵魂

在这里插入图片描述

Less Noise原则:降噪

L原则:https://help.fanruan.com/dvg/doc-view-83.html

颜色是否有噪声:确保图表中的颜色用于传递特定的信息,如果不是或有其他方式能够更有效地传递该信息,那就避免使用颜色。任意或无意义地使用颜色,极大程度上会对用户造成噪音干扰。
在这里插入图片描述

提高图表数据传递的墨水笔:在做图表的时候,我们会尽力提高墨水比,减少一些非数据传递信息的干扰。标题、轴设置、图例、网格线、标签等
在这里插入图片描述
➤优化轴(分类轴 、值轴​​)
简化掉没必要的横轴标题「地区」
双轴显示
➤ 更改指标的数值格式,更符合阅读习惯
设置「销售额」的数值单位为「万」
设置「毛利率」的数值格式为百分比
➤ 修改组件样式(组件样式​)
去掉图例,精简图表
在这里插入图片描述

Accurate expression原则:精准表达

参考:A原则:https://help.fanruan.com/dvg/doc-view-84.html

图形选择是否合适:需要按照分析得目的选择合适得图表,可参考文档:选择合适图表
在这里插入图片描述

数据密度是否合适:数据的密度是指单位面积图表中所包含的数据量。图表所能承载的数据量是有限的:
过低会造成图表的丰富度不够,没有回答读者的问题
一张图表的数据密度 = 类别的数量 + 度量指标的数量
在这里插入图片描述
很多人为了压缩展示的空间和精简图表,会使用组合图把很多信息拼到一起,但是这样的话数据过于集中,会导致读者无法一下子得到信息要点。
一张图表的数据密度 = 类别的数量 + 度量指标的数量
类别:流动量、离职人数、离职率、流动率
度量:人数、百分比
这时候的数据密度就是6
这个时候,比如我们看离职率或者流失率就看不出趋势。
对于这个图表我们可以做降维处理,拆分为两个组合图,每个组合图的数据密度降低到 3 ,
在这里插入图片描述
在这里插入图片描述

显示效果是否准确:
坐标轴是否失真
是否过度装饰(折线图太粗,或过度平滑、使用了一些带艺术成分的信息图,比如 3D 图)
在这里插入图片描述

Distinct Mark原则:突出重点

参考:D原则:https://help.fanruan.com/dvg/doc-view-94.html

前注意属性

现代心理学把颜色、形状等能快速引起心理反应的信号统称为「前注意属性」,它们在我们的潜意识中活动,只需要 0.25 秒就可以作出识别。
这些「前注意属性」主要包括以下几种:
在这里插入图片描述

打造视觉反差:(功能点:特殊显示、数据条、图形属性中的颜色和形状)
在这里插入图片描述

绘制线条:(功能点:设置警戒线、趋势线)
在这里插入图片描述

添加文字:文字在数据沟通中能起到以下作用:标签、简介、解释、强调、突出、推荐和讲故事。
在这里插入图片描述

GLAD原则总结

在这里插入图片描述

所谓的高级分析和可视化,并不是把图形做得更复杂,而是让你以前问了一个问题别人答不上来,你能很快实现。不能让工具限制了我们的思考。哪怕是简单的柱状图也能做很深入的分析。

在做可视化分析的过程中,建议大家把自己当作是一个交互设计师(而不是视觉设计师),重点关注怎么把数据中隐藏的信息更加直观的表达出来。

书籍推荐

《用数据讲故事》
推荐原因:通过简单的 6 个步骤告诉大家如何用数据讲故事,如何将信息准确地传递给受众。
①如何充分理解上下文;②如何选择合适的图表;③如何消除杂乱;④如何聚焦受众的视线;⑤如何像设计师一样思考;⑥以及如何用数据讲故事

《乐见数据-商业数据可视化思维》

推荐原因:本书从「大多数人不是不知道怎样去做可视化图表,而是不知道什么是好的可视化图表」问题入手,以乐见数据原则(GLAD)为主线,对症下药,各个突破。本书设置了大量的真实数据案例,图文并茂、清晰易懂,适合商业数据分析师及数据可视化工作者阅读,也可供各行各业对数据分析、数据可视化感兴趣的读者阅读。

【指南推荐】

可视化流程:https://help.fanruan.com/dvg/doc-view-58.html
如何选择图表:https://help.fanruan.com/dvg/doc-view-3.html
图表可视化注意事项:https://help.fanruan.com/finebi/doc-view-1506.html
可视化评判标准:GLAD原则https://help.fanruan.com/dvg/doc-view-80.html
视觉素材库:https://help.fanruan.com/dvg/doc-view-244.html

图表操作篇

在这里插入图片描述

图表组件

图表组件介绍
在这里插入图片描述

维度和指标

「维度」,是用来定性地描述某类事务的特征(分析问题的角度),维度一般是日期或文本类型格式。比如我们想从时间这个维度来看数据变化的趋势。「指标」,是用来定量地描述事务的特征(问题的答案),一般来说数值类型格式。
特殊情况:但是,并不是某些字段一定是维度,某些字段一定是指标;比如,如果我们想看x月份中消费金额在 0-100,100-200,200-300…… 的客户分别有多少,这个时候我们就需要把消费金额转化为维度字段,然后按照区间分组进行分析。
在这里插入图片描述

在 FineBI 的组件中表字段,维度和指标字段用蓝色和绿色做区分
在这里插入图片描述

记录数

「记录数」:在我们从数据切换到组件中的分组表后会自动生成记录数这个字段,它是来记录数据表中的行数,同时还可切换记录统计时依赖的条件,来实现对不同维度下的记录条数去重个数的统计。
在这里插入图片描述
在这里插入图片描述

表格组件

表格以及常用的表格配置

表格的三种类型

分组表:用于对数据进行按照维度分组对指标汇总统计的表,类似于excel中的数据透视表,是一切图表分析的起点
在这里插入图片描述

交叉表:由行维度和列维度,共同定位一个指标,对该指标数据进行汇总统计。维度比较多的情况下可以使用,有效浓缩信息,适用于探索性分析和发现变量之间的关联性。

在这里插入图片描述

明细表: 需要将原始数据中所有数据一条一条的罗列出来 ,直观看出所有数据的明细,也可用于加工后的数据表导出。
在这里插入图片描述

分组表

维度-分组(展示的颗粒度)

「颗粒度」:指数据的粗细,也就是我们看数据的精细程度的大小。粒度关注数据的详细程度或其分解的大小,通俗地讲,粒度关注分析过程中将什么范围内的数据看作一个整体。
时间范围是常见的粒度。假设你正在分析一名客户的购物数据,年粒度看的是该客户一整年的购买情况,月粒度看的是该客户每个月的购买情况,日粒度看的是该客户每一天的购买情况。
在这里插入图片描述

组件样式-展开二级维度

日期和商品类别–维度
记录数和销售额–指标
组件样式–格式可以展开二级维度
在这里插入图片描述

汇总方式和快速计算

维度有时间
指标可以选择多种汇总和快速计算,数据格式可以显示百分比等,
在这里插入图片描述

数值格式、开启数据条

数值格式、开启数据条

开启数据条
在这里插入图片描述
数据格式
在这里插入图片描述

表格属性

可以在指标处复制指标
在图表配置区打开指标–选择颜色–指定字段(选择快速计算方式等)也可以把复制的指标拖拽到颜色中–选择颜色边上的设置–设置颜色预设
同样方式设置形状
在这里插入图片描述

组件样式设置

在这里插入图片描述

排序和过滤

针对不同的图表,排序方式有所不同

分组表过滤
维度中有排序在这里插入图片描述

明细表排序(表头排序)
在这里插入图片描述

图表排序
在这里插入图片描述

过滤的原理和全部(进阶)使用场景点击专题学习:过滤器进阶学习

在这里插入图片描述
维度字段过滤
在这里插入图片描述
指标字段过滤
在这里插入图片描述

交叉表表头样式设计

选择交叉表在这里插入图片描述
拖入行维度和指标后,指标名称自动添加到列维度
在这里插入图片描述
在这里插入图片描述
可以把商品类别拖拽到列维度在这里插入图片描述

图表以及常用的图表配置

查看 FineBI 支持的图表类型:点击查看

在这里插入图片描述

从三种基础图表讲起 (理解作图原理)

①柱形图

在这里插入图片描述

分类轴和值轴

分类轴是维度字段所在的轴,在大多数情况下都是横轴,可以设置轴标题和轴标签
在这里插入图片描述
值轴是指标字段所在的轴,在大多数情况下都是纵轴,可以设置值的刻度范围、轴标签、轴标题等
在这里插入图片描述

特殊显示和分析线

在这里插入图片描述
在这里插入图片描述

图形属性(以柱形图为例)
在这里插入图片描述在这里插入图片描述

组件样式

在这里插入图片描述

②折线图

在这里插入图片描述

调整线型
在这里插入图片描述

③饼图

在这里插入图片描述

饼图的图形属性

在这里插入图片描述

自定义组合图
分区图

分区柱形图
在这里插入图片描述
单击自定义图表
在这里插入图片描述
选择指标聚合
在这里插入图片描述
设置销售额的图形为线
在这里插入图片描述
设置两个图采用不同的坐标轴
在这里插入图片描述
设置销售额求和的颜色在这里插入图片描述
完成双轴的绘制
在这里插入图片描述

有分区柱形图,其它图形完成后,可以添加一个维度,即变成了分区图

面线组合图

面线组合图用于计划于实际成本对比
在这里插入图片描述
为了描述效果,基于销售额生成一个计划销售额
在这里插入图片描述
选择折线图
横轴为时间-粒度为月
纵轴为销售额 和 计划销售额
在这里插入图片描述
选择自定义图表
然后分别设置销售额为面积
计划销售额为曲线
设置二者的连线平滑和
在这里插入图片描述

线+堆积柱形图的自定义图表

这种图表
在这里插入图片描述

横轴为日期的年月
纵轴为销售额求和 和 销售额的环比增长率
设置销售额求和的图形属性为柱形图 坐标轴为左轴 把商品类别拖拽到颜色中,单击纵轴中销售额求和处的开启堆积
设置销售额的环比增长率的图形属性为折线图 坐标轴为右轴
在这里插入图片描述

复制自定义图表

在这里插入图片描述

参考:https://edu.fanruan.com/video/play/9302

地图

首先把省份转换为地理角色
拖到横轴和纵轴
在这里插入图片描述

这个时候,也可以选择点地图,热力地图等
如果选择自定义图形,可以制作更为丰富的作品
在这里插入图片描述

区域地图

上传客户维度表.xlsx到公共数据
把数据添加到分析主题
将待分析区域维度下的字段「省份」转化为地理角色
在图表类型下选择「区域地图」,将「省份(经度)」字段拖入横轴,「省份(纬度)字段」拖入纵轴。
将「记录数」拖入颜色栏中,点击「颜色」框体,渐变方案选择「生长」

其它设置
闪烁动画
图表富文本

相关文章:

FineBI6.x进阶篇-可视化专题

参考 参考:https://edu.fanruan.com/video/526 如何选择合适的图表:https://help.fanruan.com/dvg/doc-view-3.html 参考:https://help.fanruan.com/finebi/ 什么是GLAD原则:https://help.fanruan.com/dvg/doc-view-81.html …...

一对一交友App源码开发新趋势:精准匹配与多元盈利模式解析

一、 营商环境分析:机遇与挑战并存 近年来,随着移动互联网的普及和用户需求的不断升级,一对一交友App市场呈现出蓬勃发展的态势。然而,机遇与挑战并存,开发者需要审时度势,才能在激烈的市场竞争中脱颖而出…...

算法基础篇(蓝桥杯常考点)

算法基础篇 前言 算法内容还有搜索,数据结构(进阶),动态规划和图论 数学那个的话大家也知道比较难,放在最后讲 这期包含的内容可以看目录 模拟那个算法的话就是题说什么写什么,就不再分入目录中了 注意事…...

【Pandas】pandas Series cat

# Pandas2.2 Series ## Accessors |方法|描述| |-|:-------| |Series.str|对 Series 中的字符串元素进行矢量化字符串操作| |Series.cat|用于处理分类数据(Categorical Data)的属性| ### pandas.Series.cat pandas.Series.cat 是用于处理分类数据&am…...

Python的类和对象(3)

1、类的继承 父类:被继承 子类:继承者 – 可以使用父类的所有属性和方法、大大简化代码。 语法:在类名字后加上(继承的类名字) # 定义类 -- 父类 class Car:# 定义类属性wheel "有车轮"engine "有引…...

C语言修饰符汇总详解

在C语言中,修饰符(或称类型限定符)是用于修饰数据类型的关键字,可以改变变量或类型的性质和行为。它们通常用来控制存储类型、符号、大小、对齐、访问权限等。C语言中的修饰符主要可以分为以下几类: 类型修饰符存储类别修饰符常量和易变修饰符以下是C语言中所有修饰符的详…...

猎豹移动(Cheetah Mobile)

本文来自腾讯元宝 公司背景与发展历程 ​成立与早期定位 猎豹移动成立于2010年11月,由金山安全与可牛影像合并而成,初期以移动安全工具和清理软件为核心业务。其明星产品包括《猎豹清理大师》(Clean Master)和《猎豹浏览器》&…...

VLN 论文精读(二)VL-Nav: Real-time Vision-Language Navigation with Spatial Reasoning

这篇笔记用来描述2025年发表在arxiv上的一篇有关VLN领域的论文,由纽约州立大学布法罗分校和卡耐基梅隆联合发布。其主要创新点在于:像素级的视觉-语意特征、低算力移动设备部署、30Hz控制实时性、VLM模型的zero-shot ; 整个导航流程大概如下…...

优选算法系列(2.滑动窗口 _ 上)

目录 解法⼀(暴力求解)(不会超时,可以通过):一.长度最小的子数组(medium) 题目链接209. 长度最小的子数组 - 力扣(LeetCode) 解法: 代码&#…...

RK3568 android11 基于PN7160的NXP NFC移植

一,概述 1. 模块概述 PN7160专为在各种系统实现快速集成而设计,支持所有符合NFC Forum的模式,包括Android和Linux驱动程序,并支持实时操作系统和无操作系统的应用(PN7160不符合EMVCo)。嵌入式NFC固件减少了对主机交互的需求,并最大限度缩小了代码尺寸,使设计更轻松。…...

【网工第6版】第1章 计算机网络概论

目录 1计算机网络形成和发展 ■计算机网络 ■我国互联网发展 ■计算机网路分类 ■计算机网络应用 2 OSI和TCP/IP参考模型 ■网络分层的意义 ■OSI参考模型 ■TCP/IP参考模型 ■TCP/IP参考模型协议 3 数据封装与解封过程 ■封装 ■解封 1计算机网络形成和发展 ■计…...

【嵌入式】keil5安装(同时兼容C51和STM32)

最近在开发STM32的时候,安装Keil5,遇到STM32和C51的共存的问题,在网上找了很多方法,又遇到一些bug,最终还是弄好了。因此将处理的过程记录下来,希望对遇到相同问题的朋友一些启发。 1、下载安装包 Keil P…...

每日一题--进程与协程的区别

进程是什么? 进程(Process) 是操作系统进行 资源分配和调度的基本单位,代表一个正在执行的程序实例。每个进程拥有独立的虚拟地址空间、代码、数据和系统资源(如文件句柄、网络端口等)。进程之间通过 IPC&…...

网络安全运维应急响应与溯源分析实战案例

在日常运维过程中,网络安全事件时有发生,快速响应和精准溯源是保障业务稳定运行的关键。本文将通过一个实际案例,详细解析从发现问题到溯源定位,再到最终解决的完整流程。 目录 一、事件背景 二、事件发现 1. 监控告警触发 2…...

leetcode29. 两数相除-medium

1 题目:两数相除 官方标定难度:中 给你两个整数,被除数 dividend 和除数 divisor。将两数相除,要求 不使用 乘法、除法和取余运算。 整数除法应该向零截断,也就是截去(truncate)其小数部分。…...

深海300米的低温环境中的BMS优化方法

在深海300米的低温环境中,采用扩展卡尔曼滤波(EKF)结合温度补偿模型实现电池管理系统(BMS)的荷电状态(SOC)精确估计,需通过以下步骤实现: 1. 低温电池模型建立 1.1 电池…...

高主频GPU+RTX4090:AI生图性能优化超150%

概述:消费级高主频CPU搭配 RTX 4090显卡可以显著提高AI生图的性能,相比于企业级CPU具有更大的吞吐量和更优的成本效益。 引言:在AI图像生成过程中,CPU与GPU的协同效应对系统的整体性能至关重要。测试表明,与RTX 4090显…...

OpenCV 图像双线性插值

文章目录 一、简介二、实现代码三、实现效果参考资料一、简介 双线性插值是一种 二维插值方法,用于计算 栅格(Grid) 或 像素点 之间的插值值。它主要用于 图像缩放、旋转、变换 等操作,以在新像素位置估算灰度值或颜色值。 如上图所示,假设存在一个二维离散函数(如图像)…...

OpenCV计算摄影学(23)艺术化风格化处理函数stylization()

操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C11 算法描述 风格化的目的是生成不以照片写实为目标的多种多样数字图像效果。边缘感知滤波器是风格化处理的理想选择,因为它们能够弱化低对比度区…...

《我的Python觉醒之路》之转型Python(十五)——控制流

[今天是2025年3月17日,继续复习第一章节、第二章节的内容 ] 《我的Python觉醒之路》之转型Python(十四)——控制流...

内存管理

一.什么是内存管理呢? 我们可以来看一下这个图,我们来了解一下这些地方都存的是什么。 数据段就是存放全局和静态变量的,代码段是存放常量的。 栈 局部变量:在函数内部定义的变量,其存储空间在栈上分配。当函数被调用时…...

学习threejs,使用MeshLambertMaterial漫反射材质

👨‍⚕️ 主页: gis分享者 👨‍⚕️ 感谢各位大佬 点赞👍 收藏⭐ 留言📝 加关注✅! 👨‍⚕️ 收录于专栏:threejs gis工程师 文章目录 一、🍀前言1.1 ☘️THREE.MeshLambertMaterial…...

P41-指针进阶1、2

1.字符指针 2.数组指针 3.指针数组 4.数组传参和指针传参 5.函数指针 6.函数指针数组 7.指向函数指针数组的指针 8.回调函数 9.指针和数组面试题的解析 指针的主题,我们在初级阶段的《指针》章节已经接触过了,我们知道了指针的概念 1.指针就是个…...

旅游类小程序界面设计

产品概述 艾啦游是一款互联网旅游类小程序,致力于国内精品旅游,以及拥有自由行、专属热榜单、出行攻略等诸多功能,汇聚了许多国内的人气景点,与诸多城市的酒店也保持合作,打造一体式旅行服务,更有不断上新…...

探索具身多模态大模型:开发、数据集和未来方向(下)

25年2月来自广东人工智能和数字经济实验室、深圳大学、巴黎理工学院和巴黎高等师范学院、中山大学的论文“Exploring Embodied Multimodal Large Models: Development, Datasets, and Future Directions”。 近年来,具身多模态大模型 (EMLM) 因其在复杂的现实环境中…...

14 结构体

结构体 结构体是什么? 在前面我们学习过基础的数据类型int float char 等,都只能用来表示基础的数据类型,那么要怎么来表示复杂的数据类型呢? 比如学生信息: 学号姓名性别年龄总分数100maye男18666101椰汁女19555 …...

如何配置 Docker 以实现无需 sudo 使用

1. 背景知识:为什么需要 sudo? Docker 是一个容器化平台,其核心组件包括: Docker 守护进程(dockerd):负责管理容器的创建、运行和销毁。Docker CLI:用户通过命令行工具&#xff08…...

嵌入式开发之STM32学习笔记day06

基于STM32F103C8T6的开发实践——从入门到精通01 1. 引言 STM32系列微控制器是STMicroelectronics推出的一款高性能、低功耗的32位微控制器,广泛应用于嵌入式系统中。STM32F103C8T6是其中非常受欢迎的一款,凭借其强大的性能、丰富的外设接口和低廉的价格…...

openocd C#桌面工具

文章目录 简介一、主界面二、文件列表三、rtl介绍四、虚拟示波器1、画线2、画点3、合并显示4、测试代码简介 基于廉价9.9包邮的DAP-Link,在IAR和Keil中下载和调试都没毛病。 可是不能单独使用。单独烧录固件用不了,也不能同jlink一样打印日志和显示波形。 openocd开源工具能…...

goland小问题报错及解决

报错信息: cannot use rw (variable of type *populateResponse) as ResponseWriter value in argument to t.fh.ServeHTTP: *populateResponse does not implement ResponseWriter (missing method Fprintf) cannot use rw (variable of type *http2responseWrite…...

AtCoder Beginner Contest 397 A - D题解

Tasks - OMRON Corporation Programming Contest 2025 (AtCoder Beginner Contest 397) 本文为 AtCoder Beginner Contest 397 A - D题解 题目A: 代码(C): #include <bits/stdc.h>int main() {double n;std::cin >> n;if (n > 38.0) {std::cout << 1;}…...

18年老牌软件,完美解锁pro!

很多小伙伴在学习、工作中都喜欢使用思维导图来整理和记录自己的思路&#xff0c;通过图形化的方式展示复杂概念和关系&#xff0c;使信息更加清晰易懂&#xff0c;有助于理解和记忆&#xff1b;其次&#xff0c;分层次和分类别的信息结构也能够快速理清思路&#xff0c;突出重…...

Power Apps 技术分享:画布应用使用表单控件

前言 表单控件&#xff0c;是画布应用里一个非常好用的控件&#xff0c;我们今天简单介绍下&#xff0c;如何使用这个控件。 正文 1.首先&#xff0c;我们需要有一个数据源&#xff0c;我们这里用上一篇博客新建的数据源&#xff0c;如下图&#xff1a; 2.新建一个页面&#xf…...

视频转音频, 音频转文字

Ubuntu 24 环境准备 # 系统级依赖 sudo apt update && sudo apt install -y ffmpeg python3-venv git build-essential python3-dev# Python虚拟环境 python3 -m venv ~/ai_summary source ~/ai_summary/bin/activate核心工具链 工具用途安装命令Whisper语音识别pip …...

ZLMediaKit源码分析——[1] 开篇:onceToken源码分析

系列文章目录 第一篇 基于SRS 的 WebRTC 环境搭建 第二篇 基于SRS 实现RTSP接入与WebRTC播放 第三篇 centos下基于ZLMediaKit 的WebRTC 环境搭建 第四篇 WebRTC学习一:获取音频和视频设备 第五篇 WebRTC学习二:WebRTC音视频数据采集 第六篇 WebRTC学习三:WebRTC音视频约束 …...

EasyRTC嵌入式音视频通话SDK:微信生态支持、轻量化架构与跨平台兼容性(Linix/Windows/ARM/Android/iOS/LiteOS)

随着WebRTC技术的不断发展&#xff0c;实时音视频通信在各个领域的应用越来越广泛。EasyRTC嵌入式音视频通话SDK作为一款基于WebRTC技术的实时通信解决方案&#xff0c;凭借其强大的功能和灵活的集成能力&#xff0c;受到了越来越多开发者的关注。 一、系统架构设计 纯C语言开…...

Python中使用vlc库实现视频播放功能

文章目录 前言1. 环境准备1.1Python安装1.2选择Python开发环境1.3安装必要库 2. 基础播放示例3. 常用播放控制功能4. 事件监听5. 播放网络流媒体6. 结合 GUI 库制作视频播放器&#xff08;以 Tkinter 为例&#xff09; 前言 本教程主要包含打开文件、播放和停止按钮&#xff0…...

Elasticsearch面试题

以下是150道Elasticsearch面试题及其详细回答&#xff0c;涵盖了Elasticsearch的基础知识、配置与优化、查询操作、集群管理、性能调优等多个方面&#xff0c;每道题目都尽量详细且简单易懂&#xff1a; Elasticsearch基础概念类 1. 什么是Elasticsearch&#xff1f; Elastics…...

Linux上位机开发实战(qt编译之谜)

【 声明&#xff1a;版权所有&#xff0c;欢迎转载&#xff0c;请勿用于商业用途。 联系信箱&#xff1a;feixiaoxing 163.com】 很多同学都喜欢用IDE&#xff0c;也能理解。因为不管是visual studio qt插件&#xff0c;还是qt creator其实都帮我们做了很多额外的工作。这里面最…...

SpringBoot3+Druid+MybatisPlus多数据源支持,通过@DS注解配置Service/Mapper/Entity使用什么数据源

在 Spring Boot 3 中结合 Druid 和 MyBatis-Plus 实现多数据源支持&#xff0c;并通过 DS 注解动态切换数据源&#xff0c;可以按照以下步骤进行配置&#xff1a; 官方文档&#xff1a;多数据源支持 | MyBatis-Plus 1. 引入依赖 在 pom.xml 中添加以下依赖&#xff1a; <…...

Java学习------内部类

1. 定义 定义在一个类中的类 2. 使用时机 当一个类需要用到另一个类&#xff0c;并且两个类的联系比较密切时就需要使用内部类内部类可以访问外部类的私有成员&#xff0c;这样可以将相关的类和接口隐藏在外部类的内部&#xff0c;提高封装性匿名内部类是没有名字的类&#…...

【QA】建造者模式在Qt有哪些应用

#设计模式 #Qt 一、QDomDocument&#xff08;XML 文档构建&#xff09; 模式角色&#xff1a; Builder&#xff1a;QDomDocument 本身Product&#xff1a;XML 文档对象Director&#xff1a;用户代码通过 QDomDocument 逐步构建文档结构 示例代码&#xff1a; QDomDocument…...

uniapp 多环境配置打包,比较优雅的解决方案,全网相对优解

uniapp 多环境配置打包&#xff0c;比较优雅的解决方案&#xff0c;全网相对优解 读取.env.[development|test|staging|production]配置文件进行打包&#xff0c;最终效果如下图可以看到多个环境&#xff0c; 并且我们可以自定义更多的环境配置 前言 由于uniapp的hbuilder开发…...

【量化科普】Liquidity,流动性

【量化科普】Liquidity&#xff0c;流动性 &#x1f680;量化软件开通 &#x1f680;量化实战教程 在金融市场中&#xff0c;流动性&#xff08;Liquidity&#xff09;是一个至关重要的概念。它指的是资产能够以多快的速度被买入或卖出而不显著影响其价格的能力。高流动性的…...

qt介绍图表 charts 一

qt chartsj基于Q的Graphics View框架&#xff0c;其核心组件是QChartView和QChart.QChartView是一个显示图表的独立部件&#xff0c;基类为QGraphicsView.QChar类管理图表的序列&#xff0c;图例和轴示意图。 绘制一个cos和sin曲线图&#xff0c;效果如下 实现代码 #include…...

如何图像去噪?(一)

喜欢可以在我的主页订阅专栏哟&#xff0c;至少更新6年~~&#xff0c;更到我上大学也可能会继续更~~ 第一章 图像去噪的基础知识与核心概念 1.1 图像噪声的数学模型与物理成因 定义扩展&#xff1a; 图像噪声是信号采集、传输或存储过程中引入的随机干扰&#xff0c;其本质为…...

【数据库】Data Model(数据模型)数据模型分析

理解图片中的 Data Model&#xff08;数据模型&#xff09;是学习数据库设计和应用程序开发的重要一步。作为初学者&#xff0c;你可以通过比喻和简单的解释来理解这些概念以及它们之间的联系。以下是对图片中数据模型的详细分析&#xff0c;以及如何理解它们之间的关系。 1. 数…...

win10 c++ VsCode 配置PCL open3d并显示

win10 c VsCode配置PCL open3d并显示 一、效果图二、配置步骤2.1 安装vscode2.2 pcl-open3d配置2.3 vscode中设置 三、测试代码四、注意事项及后续 一、效果图 二、配置步骤 2.1 安装vscode vscode下载链接 下载中文插件、c相关插件 2.2 pcl-open3d配置 1&#xff09;下载…...

Flask多参数模版使用

需要建立目录templates&#xff1b; 把建好的html文件放到templates目录里面&#xff1b; 约定好参数名字&#xff0c;单个名字可以直接使用&#xff1b;多参数使用字典传递&#xff1b; 样例&#xff1a; from flask import render_template # 模板 (Templates) #Flask 使用…...

python中a is None 和 a==None有区别吗

在 Python 中&#xff0c;a is None 和 a None 的区别如下&#xff1a; 1. a is None 这是身份&#xff08;identity&#xff09;比较&#xff0c;用于检查 a 是否就是 None 这个对象。None 是 Python 的单例对象&#xff0c;意味着在 Python 运行过程中&#xff0c;所有 No…...