Excel计数、求和、统计、计算类函数
目录
- 一、计数函数
- 1. COUNT
- 2. COUNTA
- 3. COUNTBLANK
- 4. COUNTIF
- 5. COUNTIFS
- 二、求和函数
- 1. SUM
- 2. SUMIF
- 3. SUMIFS
- 4. SUMPRODUCT
- 三、统计函数
- 1. AVERAGE
- 2. AVERAGEA
- 3. AVERAGEIF 函数
- 4. AVERAGEIFS 函数
- 四、其他常用计算函数
- 1. MAX 与 MIN
- 2. RANK
- 3. MOD
- 4. ROUND
- 5. FLOOR
- 6. INT
- 7. RAND 与 RANDBETWEEN
- 8. STDEV
- 9. VAR
- 10. LARGE
- 11. SMALL
- 12. FREQUENCY
一、计数函数
1. COUNT
功能说明
- 用于统计参数中数字的个数。
- 只会统计含数字的单元格，对于文本、空值、错误值等不计入。
语法
=COUNT(value1, [value2], …)
示例
如果区域 A1:A10 中有数字和文本，公式
=COUNT(A1:A10)
只返回区域中包含数字的单元格数。
2. COUNTA
功能说明
- 统计区域内非空单元格的个数。
- 包括数字、文本、逻辑值、错误值等，只要单元格不为空都会计数。
语法
=COUNTA(value1, [value2], …)
示例
=COUNTA(A1:A10)
会统计 A1 到 A10 内所有非空的单元格数。
3. COUNTBLANK
功能说明
- 统计指定区域内空白单元格的个数。
语法
=COUNTBLANK(range)
示例
=COUNTBLANK(A1:A10)
返回区域内空白单元格的数量。
4. COUNTIF
功能说明
- 根据给定条件统计区域中符合条件的单元格个数。
语法
=COUNTIF(range, criteria)
示例
统计区域 B1:B20 中大于 100 的数值：
=COUNTIF(B1:B20, ">100")
5. COUNTIFS
功能说明
- 用于统计多个区域中同时满足多个条件的单元格个数。
语法
=COUNTIFS(criteria_range1, criteria1, [criteria_range2, criteria2], …)
示例
统计区域 A1:A20 中等于“上海”且区域 B1:B20 中性别为“F”的单元格数：
=COUNTIFS(A1:A20, "上海", B1:B20, "F")
二、求和函数
1. SUM
功能说明
- 将给定范围或参数中的所有数值求和。
语法
=SUM(number1, [number2], …)
示例
=SUM(C1:C10)
将 C1 到 C10 的数值求和。
2. SUMIF
功能说明
- 对满足单个条件的单元格求和。
语法
=SUMIF(range, criteria, [sum_range])
其中：
- range：判断条件的区域。
- criteria：条件（如 “>100”、“男”、“上海” 等）。
- sum_range：实际求和的区域（如果省略，则对 range 进行求和）。
示例
求区域 D1:D20 中对应区域 C1:C20 为“男”的数值之和：
=SUMIF(C1:C20, "男", D1:D20)
3. SUMIFS
功能说明
- 对满足多个条件的单元格求和。
语法
=SUMIFS(sum_range, criteria_range1, criteria1, [criteria_range2, criteria2], …)
示例
统计区域 D1:D20 中，同时满足区域 B1:B20 为“广州”且区域 C1:C20 为“F”的数值之和：
=SUMIFS(D1:D20, B1:B20, "广州", C1:C20, "F")
4. SUMPRODUCT
功能说明
- 将多个数组对应元素相乘后求和，适用于复杂条件的加权求和等情况。
- 非数字元素会被视作 0。
语法
=SUMPRODUCT(array1, [array2], …)
示例
假设区域 A1:A5 为销量，区域 B1:B5 为单价，则总销售额可用：
=SUMPRODUCT(A1:A5, B1:B5)
三、统计函数
1. AVERAGE
功能说明
- 返回参数中所有数字的算术平均值。
- 忽略空白单元格和文本（逻辑值和错误值也会被忽略）。
语法
=AVERAGE(number1, [number2], …)
示例
=AVERAGE(C1:C10)
计算 C1 到 C10 中数字的平均值。
2. AVERAGEA
功能说明
- AVERAGEA 用于计算一组数据的算术平均值，但与 AVERAGE 不同的是，
AVERAGEA会将所有单元格都考虑进去，即使其中包含文本或逻辑值（TRUE/FALSE）。 - 在
AVERAGEA中：- 数字按原值参与计算。
- 文本通常视为 0。
- 逻辑值 TRUE 会视为 1，FALSE 视为 0。
- 空单元格不计入计算（与 AVERAGE 类似）。
语法
=AVERAGEA(value1, [value2], …)
- value1, value2, …：可以是数值、数组、单元格区域或常量。
示例
假设 A1:A5 中分别为：
- A1 = 10
- A2 = 20
- A3 = “文本”
- A4 = TRUE
- A5 = (空)
计算公式：
=AVERAGEA(A1:A5)
计算过程：
- 数字 10 和 20：直接取值；
- 文本 “文本” 视为 0；
- TRUE 视为 1；
- 空单元格不计入分母。
所以平均值 = (10 + 20 + 0 + 1) / 4 = 31 / 4 = 7.75
3. AVERAGEIF 函数
功能说明
AVERAGEIF 用于对指定范围内满足单一条件的单元格进行平均值计算。
- 如果只需要依据一个条件筛选数据进行平均，则使用
AVERAGEIF即可。 - 如果未指定第三个参数，则计算平均值的范围默认与条件判断的范围相同。
语法
=AVERAGEIF(range, criteria, [average_range])
参数说明
- range：指定需要进行条件判断的单元格区域。例如：B2:B20。
- criteria：指定判断条件，可以是数值、表达式（如 “>50”）、文本、单元格引用等。例如：“>50” 或者 “男”。
- average_range （可选）：指定实际用于计算平均值的单元格区域。如果省略，函数会对 range 中满足条件的单元格直接求平均；如果提供，average_range 必须与 range 的尺寸一致，函数将对 average_range 中对应于 range 满足条件的单元格计算平均值。
示例
假设有如下数据：
- B2:B20 存放某组学生的成绩
- 现在需要计算成绩大于 60 分的学生的平均成绩
公式如下：
=AVERAGEIF(B2:B20, ">60")
或者，如果成绩数据在 C2:C20，而判断条件在 B2:B20（比如 B 列存放性别，C 列存放成绩），求“男”生的平均成绩，可以写为：
=AVERAGEIF(B2:B20, "男", C2:C20)
4. AVERAGEIFS 函数
功能说明
AVERAGEIFS 用于在多条件下计算平均值，即只有同时满足多个条件的单元格才会被纳入平均计算中。
- 当需要针对多个条件进行筛选时，
AVERAGEIFS提供了灵活且简洁的解决方案。
语法
=AVERAGEIFS(average_range, criteria_range1, criteria1, [criteria_range2, criteria2], …)
参数说明
- average_range：指定实际用于计算平均值的单元格区域。例如：C2:C20。
- criteria_range1：第一个用于判断条件的区域，通常与
average_range具有相同的尺寸。例如：B2:B20。 - criteria1：第一个判断条件，例如：“男” 或 “>60”。
- [criteria_range2, criteria2], …：可选的后续条件区域和条件。你可以添加多个条件，每个条件区域必须与 average_range 具有相同的大小，只有同时满足所有条件的单元格才会参与平均值计算。
示例
假设有如下数据：
- B2:B20 存放学生所在城市
- C2:C20 存放学生成绩
- D2:D20 存放学生性别
若要求计算“上海”且性别为“女”的学生成绩平均值，可用如下公式：
=AVERAGEIFS(C2:C20, B2:B20, "上海", D2:D20, "女")
这表示只有当学生的城市为“上海”并且性别为“女”时，对应的成绩才会被计算在内。
两者主要区别
- 条件个数
- AVERAGEIF 仅支持单一条件。
- AVERAGEIFS 支持多个条件，可同时指定多个条件区域与对应条件。
- 参数顺序
- AVERAGEIF 的语法中，条件判断区域在前，平均值区域为可选的第三参数；
- AVERAGEIFS 的第一个参数必须是用于求平均的区域，后面跟着成对的条件区域和条件。
- 应用场景
- 当只需对一列数据按单个条件求平均时，使用 AVERAGEIF 更简单；
- 当需要对数据进行多重筛选后求平均时，使用 AVERAGEIFS 更加灵活。
四、其他常用计算函数
1. MAX 与 MIN
功能说明
- MAX：返回区域或数值中的最大值。
- MIN：返回区域或数值中的最小值。
语法
=MAX(number1, [number2], …)
=MIN(number1, [number2], …)
示例
=MAX(D1:D20)
=MIN(D1:D20)
2. RANK
功能说明
- 返回某个数字在区域中的排序位置。
- 默认按降序排列（即最大值为第1名），可以通过第三个参数指定升序排列。
语法
=RANK(number, ref, [order])
- number：需要排序的数字。
- ref：用于排序的数值区域。
- order：可选，0（或省略）表示降序，非0表示升序。
示例
假如 E1:E10 存放分数，求 E2 的排名（降序）：
=RANK(E2, E1:E10, 0)
3. MOD
功能说明
- 返回两数相除的余数。
- 返回结果的符号与除数相同。
语法
=MOD(number, divisor)
示例
=MOD(17, 5)
返回 2，因为 17 除以 5 的余数是 2。
4. ROUND
功能说明
- 将数字四舍五入到指定的小数位数。
语法
=ROUND(number, num_digits)
- number：要四舍五入的数字。
- num_digits：要保留的小数位数，正数表示小数位，0 表示取整，负数则舍入到小数点左侧。
示例
=ROUND(3.14159, 2)
返回 3.14。
5. FLOOR
功能说明
- 将数字向下舍入到最接近的指定基数的倍数。
- 若数字已是基数的倍数，则不变化。
语法
=FLOOR(number, significance)
- number：需要舍入的数字。
- significance：指定舍入的倍数。
示例
=FLOOR(17, 5)
返回 15。
6. INT
功能说明
- 返回数字的整数部分，即向下舍入到最接近的整数。
- 注意：对于负数，INT 会向更小的整数取整（例如 INT(-3.2) 返回 -4）。
语法
=INT(number)
示例
=INT(3.9) ' 返回 3
=INT(-3.9) ' 返回 -4
7. RAND 与 RANDBETWEEN
RAND
- 功能说明：返回大于等于 0 且小于 1 [0,1)的随机实数。
- 每次工作表计算时都会改变。
语法
=RAND()
示例
=RAND()
可能返回 0.4832 等随机小数。
RANDBETWEEN
- 功能说明：返回介于指定下限和上限之间的随机整数。
- 每次计算时会刷新新数值。
语法
=RANDBETWEEN(bottom, top)
- bottom：随机整数的最小值。
- top：随机整数的最大值。
示例
=RANDBETWEEN(1, 100)
可能返回 1 到 100 之间的任意整数。
8. STDEV
功能说明
- STDEV 系列函数用于衡量数据的离散程度，即数据点与平均值之间的偏差。
- Excel 中常用的有：
- STDEV.S（或 STDEV）：根据样本数据估算标准偏差。
- STDEV.P：计算总体数据的标准偏差（假设数据集为总体）。
语法
-
样本标准偏差（STDEV.S 或 STDEV）：
=STDEV.S(number1, [number2], …) -
总体标准偏差（STDEV.P）：
=STDEV.P(number1, [number2], …)
示例
假设数据位于 A1:A5 为：10, 20, 20, 30, 40
计算样本标准偏差：
=STDEV.S(A1:A5)
计算总体标准偏差：
=STDEV.P(A1:A5)
两者的计算公式略有不同，样本标准偏差的分母为 n-1，而总体标准偏差的分母为 n。
9. VAR
功能说明
- VAR 系列函数用于衡量数据的变异程度，即标准偏差的平方。
- 常用函数有：
- VAR.S（或 VAR）：基于样本数据估算方差。
- VAR.P：计算总体数据的方差。
语法
-
样本方差：
=VAR.S(number1, [number2], …) -
总体方差：
=VAR.P(number1, [number2], …)
示例
延续上例数据（10, 20, 20, 30, 40）
计算样本方差：
=VAR.S(A1:A5)
计算总体方差：
=VAR.P(A1:A5)
注意，方差值等于标准偏差的平方。
10. LARGE
功能说明
- LARGE 返回数组或区域中第 k 个最大值（即从大到小排序后第 k 个数）。
语法
=LARGE(array, k)
- array：数据区域或数组。
- k：要返回第 k 大的数值。
示例
假设区域 A1:A6 的数据为：{5, 10, 15, 20, 25, 30}
要找出第二大数：
=LARGE(A1:A6, 2)
返回结果为 25（即 30 为最大，25 为第二大）。
11. SMALL
功能说明
- SMALL 返回数组或区域中第 k 个最小值（即从小到大排序后第 k 个数）。
语法
=SMALL(array, k)
- array：数据区域或数组。
- k：要返回第 k 小的数值。
示例
同样数据 {5, 10, 15, 20, 25, 30}
找出第二小的数：
=SMALL(A1:A6, 2)
返回结果为 10（5 为最小，10 为第二小）。
12. FREQUENCY
功能说明
- FREQUENCY 函数用于统计数据在各个区间内的出现频率，返回一个垂直数组，数组元素的个数比分段区间多 1 个。
- 其中，每个元素代表数据落在相应区间内的个数，最后一个元素统计超出最高区间的数目。
语法
=FREQUENCY(data_array, bins_array)
- data_array：包含要统计的数据的区域。
- bins_array：定义各区间上限的数组（或区域）。
使用注意
- FREQUENCY 是一个数组函数，需要在输入公式后按 Ctrl+Shift+Enter（在新版 Excel 中可能自动识别数组公式）。
- 返回的数组长度为分段数 + 1。
示例
假设：
- data_array 在 A1:A10 存放一组成绩数据。
- bins_array 在 C1:C3 存放三个分段上限（例如 60、80、100）。 公式：
=FREQUENCY(A1:A10, C1:C3)
返回结果为一个 4 行的数组，分别表示：
- 小于 60 分的个数；
- 大于或等于 60 且小于 80 的个数；
- 大于或等于 80 且小于 100 的个数；
- 大于或等于 100 的个数。
例如，若 A1:A10 的数据为 {55, 60, 65, 70, 75, 80, 85, 90, 95, 100}，则 FREQUENCY 的结果可能为：
- 第1组（<60）：1
- 第2组（60~79）：4
- 第3组（80~99）：4
- 第4组（>=100）：1
相关文章：
Excel计数、求和、统计、计算类函数
目录 一、计数函数1. COUNT2. COUNTA3. COUNTBLANK4. COUNTIF5. COUNTIFS 二、求和函数1. SUM2. SUMIF3. SUMIFS4. SUMPRODUCT 三、统计函数1. AVERAGE2. AVERAGEA3. AVERAGEIF 函数4. AVERAGEIFS 函数 四、其他常用计算函数1. MAX 与 MIN2. RANK3. MOD4. ROUND5. FLOOR6. INT7…...
解决 Kubernetes 中容器 `CrashLoopBackOff` 问题的实战经验
在 Kubernetes 集群中，容器状态为 CrashLoopBackOff 通常意味着容器启动失败，并且 Kubernetes 正在不断尝试重启它。这种状态表明容器内可能存在严重错误，如应用异常、依赖服务不可用、配置错误等。本文将分享一次实际排障过程，并…...
北师大具身AI的虚拟世界扩展！UNREALZOO：为具身智能打造高逼真度的虚拟世界
作者：Fangwei Zhong, Kui Wu, Churan Wang, Hao Chen, Hai Ci, Zhoujun Li, Yizhou Wang 单位：北京师范大学，北京航空航天大学，北京大学，BIGAI，澳门城市大学，新加坡国立大学 论文标题…...
2025 年浙江保安员职业资格考试高效备考指南
浙江以创新活力著称，保安行业也在不断革新。2025 年考试报考条件常规，报名主要通过浙江省保安服务监管信息系统，方便快捷。 理论考试在传统知识基础上，加大对智能安防技术应用的考查，如人脸识别系统、智能监控报警系…...
创意设计：动态彩色数学爱心
设计理念 数学之美：使用心形线的数学方程（心形曲线）生成爱心形状。视觉吸引力：通过 Python 的 colorama 库添加颜色渐变效果。动态感：加入简单的动画，让爱心“跳动”。技术魅力：结合模块化编程…...
C++动态内存管理完全指南：从基础到现代最佳实践
一、动态内存基础原理 1.1 内存分配层次结构 内存类型生命周期分配方式典型使用场景静态存储区程序整个运行期编译器分配全局变量、静态变量栈内存函数作用域自动分配/释放局部变量堆内存手动控制new/malloc分配动态数据结构 1.2 基本内存操作函数 // C风格 void* malloc(s…...
ebpf: CO-RE, BTF, and Libbpf（一）
本文内容主要来源于Learning eBPF，可阅读原文了解更全面的内容。 概述 一个ebpf程序可以在一个kernel版本中编译，而在另外一个kernel版本上运行，即便两个kernel版本中有些结构体有变化。而BTF(BPF Type Format) 是能让ebpf有这种强大兼容性…...
Linux 递归查找并删除目录下的文件
在 Linux 中，可以使用 find 命令递归查找并删除目录下的文件 1、示例命令 find /path/to/directory -type f -name "filename_pattern" -exec rm -f {} 2、参数说明 /path/to/directory：要查找的目标目录type f：表示查找文件&am…...
使用人工智能大模型腾讯元宝，如何快速编写活动记录？
今天我们学习使用人工智能大模型腾讯元宝，如何快速编写活动记录？ 手把手学习视频地址https://edu.csdn.net/learn/40402/666457 第一步在腾讯元宝对话框中输入如何协助老师写教研活动记录，通过提问，我们了解了老师写教研活动记录…...
File 类的用法和 InputStream, OutputStream 的用法
1 文件系统的操作 创建文件，删除文件，创建目录，重命名文件，判定文件存在... Java中提供file类进行文件系统操作，使用路径进行初始化表示具体的文件（可以存在，也可以不存在）…...
buuctf--[湖南省赛2019]Findme
目录 前沿 解题过程 分析 p1 P2 p3 p4 p5 前沿 其实对于这道题呢，我的想法是不知道怎么判断的，这个题你说他难吧，他用的都是比较基础的东西，说他简单吧，他有太复杂的过程，总体来讲࿰…...
【从0到1学MybatisPlus】MybatisPlus入门
Mybatis-Plus 使用场景 大家在日常开发中应该能发现，单表的CRUD功能代码重复度很高，也没有什么难度。而这部分代码量往往比较大，开发起来比较费时。 因此，目前企业中都会使用一些组件来简化或省略单表的CRUD开发工作。目前在国…...
【S32M244 RTD200P04 LLD篇8】S32M244 PWM ADC LLD demo
【S32M244 RTD200P04 LLD篇8】S32M244 PWM ADC LLD demo 一，文档简介二，PWMTRGMUXPDBADC 2ch 软件配置与实现2.1 软硬件版本平台2.2 Demo CT 模块配置2.2.1 引脚配置2.2.2 时钟配置2.2.3 外设配置 2.3主程序调用情况 三， 测试结果 一…...
（蓝桥杯）动态规划蓝桥杯竞赛指南：动态规划解决最少钞票数问题（超详细解析+代码实现）
问题描述 近期，黄开的银行新发行了一种面额为 4 的钞票，使得钞票种类增至 5 种：20、10、5、4 和 1 元。银行在发钞时十分“节俭”，当有客户取钱时，需要以最少的钞票数来满足取款金额。 问题要求： 对于给定…...
深度：善用人工智能推动高等教育学习、教学与治理的深层变革
在人工智能技术与教育深度融合的当下，高等教育正经历着前所未有的范式转型。从学习方式的革新到教学模式的重构，再到治理体系的升级，人工智能已不再仅仅是辅助工具，而是成为重塑高等教育生态的核心驱动力。这一变革浪潮中，生成式人工智能（Generative AI）作为技术前沿的代…...
python全栈-JavaScript
python全栈-js 文章目录 js基础变量与常量JavaScript引入到HTML文件中JavaScript注释与常见输出方式 数据类型typeof 显示数据类型算数运算符之加法运算符运算符之算术运算符运算符之赋值运算符运算符之比较运算符运算符之布尔运算符运算符之位运算符运算符优先级类型转换 控制…...
Django信号使用完全指南示例
推荐超级课程： 本地离线DeepSeek AI方案部署实战教程【完全版】Docker快速入门到精通Kubernetes入门到大师通关课AWS云服务快速入门实战目录 **引言：****先决条件：****目录：****1. 什么是Django信号？****2：设置你的Django项目****2.1. 安装Django**2.2. 创建一个Django项…...
# 深入理解GPT：架构、原理与应用示例
深入理解GPT：架构、原理与应用示例 一、引言 GPT（Generative Pre-trained Transformer）系列模型自2018年问世以来，凭借其强大的文本生成能力和多任务适应性，彻底改变了自然语言处理（NLP）领域。…...
C语言递归
一、递归的核心原理 1. 递归的本质 自相似性：将问题分解为与原问题结构相同但规模更小的子问题（如树的遍历、分治算法）。 栈机制：每次递归调用都会在内存栈中创建一个新的函数栈帧，保存当前状态（参数、局…...
Jetpack Compose 基础组件学习2.0
文章目录 1、kotlin版本修改问题修改2、前言：参考知识点： 3、文字超链接的实现新版实现（Text AnnotatedString实现效果） 4、文字强调效果（ Material3 的透明度方案）material依赖实现文字强调效果ÿ…...
MySQL SQL 优化的10个关键方向
1. 索引优化 合理创建索引：为高频查询条件、JOIN字段、排序字段创建索引 复合索引设计：遵循最左前缀原则，将选择性高的列放在前面 避免索引失效：防止索引列上使用函数、类型转换、OR条件不当使用 覆盖索引：尽量让查…...
babel-runtime 如何缩小打包体积
🤖 作者简介：水煮白菜王，一位前端劝退师 👻 👀 文章专栏： 前端专栏 ，记录一下平时在博客写作中，总结出的一些开发技巧和知识归纳总结✍。 感谢支持💕💕&#…...
VMware Fusion虚拟机Mac版安装CentOS Stream 9
VMware Fusion虚拟机Mac版安装CentOS Stream 9 文章目录 VMware Fusion虚拟机Mac版安装CentOS Stream 9一、介绍二、效果三、下载 一、介绍 CentOS Stream 9是CentOS Stream发行版的最新主要版本，旨在提供Red Hat Enterprise Linux（RHEL）的每…...
手搓多模态-05 transformer编码层
前情回顾 前面我们已经实现一个图像嵌入层和顶层的模型调度： class SiglipVisionTransformer(nn.Module): ##视觉模型的第二层，将模型的调用分为了图像嵌入模型和transformer编码器模型的调用def __init__(self, config:SiglipVisionConfig):super().__i…...
LightTrack + VOT2019 + Jetson 部署全流程指南【轻量级目标跟踪】
LightTrack VOT2019 Jetson 部署全流程指南【轻量级目标跟踪】 🔧 1. 环境准备（Jetson 平台）推荐配置：⚙️ 安装 Python 3.6 虚拟环境（Jetson 原生 Python 版本较新） 📥 2. 下载 LightTrack 源…...
【Easylive】视频删除方法详解：重点分析异步线程池使用
【Easylive】项目常见问题解答（自用&持续更新中…） 汇总版 方法整体功能 这个deleteVideo方法是一个综合性的视频删除操作，主要完成以下功能： 权限验证：检查视频是否存在及用户是否有权限删除核心数据删除&…...
（C语言）循环单链表（数据结构）（指针）（循环列表教程）
目录 源代码： 代码详解： 1. 头文件和宏定义 2. 类型定义 3. 初始化链表 4. 判断链表是否为空 5. 求链表的长度 6. 清空链表 7. 销毁链表 8. 链表的插入（头插法） 9. 链表的插入（尾插法） 10. 查看…...
Debian 12 服务器搭建Beego环境
一、Debian 12系统准备 1.更新系统 #apt update && apt upgrade -y 2.安装基础工具 #apt install -y git curl wget make gcc 二、安装Go环境 Go语言的镜像官网：https://golang.google.cn/ 1.下载go最新版 #cd /usr/local/src #wget -o https://golang.go…...
淘宝商品评论API接口概述及JSON数据参考（测试）
前言 一、淘宝商品评论API接口概述 淘宝商品评论API接口是淘宝开放平台提供的一项服务，允许开发者通过HTTP请求获取指定商品的评论数据。这些数据包括评论内容、评论者信息、评分、评论时间等，为开发者提供了丰富的商品评价信息，有助于分析…...
AI：决策树、决策森林与随机森林
决策树与随机森林：从原理到实战的全面解析（2025最新版） 引言 在机器学习的世界里，决策树和森林模型（包括随机森林）常常是数据科学家们常用的工具之一。无论是初学者还是资深从业者，理解这些模型的原理和应用，都能帮助你在数据分析和预测任务中获得更好的结果。本文将…...
图形化编程语言：低代码赛道的技术革命与范式突破
在 2024 年 Gartner 低代码平台魔力象限报告中，传统低代码厂商市场份额增速放缓至 12%，而图形化编程语言赛道融资额同比激增 370%。本文深度剖析低代码平台的技术瓶颈，系统阐释图形化编程语言的核心优势，揭示其如何重构软件开发范…...
EdgeInfinite: 用3B模型处理无限长的上下文
论文标题 EdgeInfinite: A Memory-Efficient Infinite-Context Transformer for Edge Devices 论文地址 https://arxiv.org/pdf/2503.22196 作者背景 vivo，浙江大学 代码 The code will be released after the official audit. 动机 self-attention的二次时…...
大模型论文：Improving Language Understanding by Generative Pre-Training
大模型论文：Improving Language Understanding by Generative Pre-Training OpenAI2018 文章地址：https://www.mikecaptain.com/resources/pdf/GPT-1.pdf 摘要 自然语言理解包括各种各样的任务，如文本蕴涵、问题回答、语义相似性评估和文…...
springboot 项目怎样开启https服务
要在Spring Boot项目中启用HTTPS服务，请按照以下步骤操作： 1. 生成SSL证书密钥库 使用keytool生成自签名证书 在终端或命令行工具中运行以下命令，生成一个PKCS12格式的密钥库文件： keytool -genkeypair -alias myapp -keyalg …...
R语言之mlr依赖包缺失警告之分析
因为本地没有网络，所有相关的依赖包都是手动下载，再使用脚本一键安装的。 在使用mlr包时，执行下面的代码时，总是报各种依赖缺失，也不知道咋看FAIL信息。 # 建模与调参 # 查阅线性回归、随机森林、xgboost和KNN四种模…...
如何记录日常笔记
关于用Obsidian记日常笔记这事儿，我的经验是别想得太复杂。刚开始用的时候总想着要搞个完美的分类系统，后来发现简单粗暴反而最实用。 文件夹分两类就够了——比如「工作记录」扔一个文件夹，「读书笔记」扔另一个，别分太细&#…...
Completablefuture的底层原理是什么
参考面试回答： 个人理解 CompletableFuture 是 Java 8 引入的一个类、它可以让我们在多线程环境中更加容易地处理异步任务。CompletableFuture 的底层原理是基于一个名为 FutureTask 的机制、结合了 监听器模式 和 等待-通知机制 来处理异步计算。 1.首先就是Com…...
Linux学习笔记（1） 目录结构与路径描述：对比 Windows 系统差异（期末，期中复习笔记全）
前言 一、Linux 的目录结构 二、Linux 路径的描述方式 三、总结 前言 在计算机操作系统的领域中，Linux 和 Windows 是两大主流系统。它们在目录结构和路径描述方式上存在显著不同，理解这些差异对于熟练掌握 Linux 系统至关重要。 一、Linux 的目录结构…...
《算法笔记》10.3小节——图算法专题-＞图的遍历 问题 A: 第一题
题目描述 该题的目的是要你统计图的连通分支数。 输入 每个输入文件包含若干行，每行两个整数i,j，表示节点i和j之间存在一条边。 输出 输出每个图的联通分支数。 样例输入 1 4 4 3 5 5样例输出 2 分析： 由于题目没给出范围࿰…...
【docker】
1.构建jar包 2.构建自定义的镜像dockerfile vim Dockerfile # 使用 OpenJDK 17 作为基础镜像，该镜像包含 JDK 17 环境 # 该镜像适用于需要编译或运行基于 JDK 17 的 Java 应用程序FROM openjdk:8-jdk-alpine# 设置容器中的工作目录为 /app # 所有后续操作…...
深度学习总结（1）
初识神经网络（helloworld） 要解决的问题是，将手写数字的灰度图像（28像素28像素）划分到10个类别中（从0到9）。我们将使用MNIST数据集。 在机器学习中，分类问题中的某个类别叫作类（class），数据点叫作样本（sample），与某个样本对应的类叫作标签（label）。…...
Java面试38-Dubbo是如何动态感知服务下线的？
首先，Dubbo默认采用Zookeeper实现服务注册与服务发现，就是多个Dubbo服务之间的通信地址，是使用Zookeeper来维护的。在Zookeeper上，会采用树形结构的方式来维护Dubbo服务提供端的协议地址，Dubbo服务消费端会从Zookeeper…...
企业数据分析何时该放弃Excel？
在企业数据分析中，Excel 的适用数据量范围取决于 数据复杂度、计算需求 和 硬件性能： 一、Excel 适合处理的数据量范围 数据规模适用场景限制与风险≤10万行- 日常报表 - 简单数据透视表 - 基础公式计算（如SUMIFS、VLOOKUP）处理流畅，无明显性能问题10万~50万行- 较复杂分析…...
单片机实现触摸按钮执行自定义任务组件
触摸按钮执行自定义任务组件 项目简介 本项目基于RT8H8K001开发板 RT6809CNN01开发板 TFT显示屏(1024x600) GT911触摸屏实现了一个多功能触摸按钮组件。系统具备按钮控制后执行任务的功能，可用于各类触摸屏人机交互场景。 硬件平台 MCU: STC8H8K64U࿰…...
深度学习与神经网络 | 邱锡鹏 | 第四章学习笔记 神经网络
四、神经网络 文章目录 四、神经网络4.1 神经元4.2 神经网络4.3 前馈神经网络4.4 反向传播算法4.5 计算图与自动微分4.6 优化问题 4.1 神经元 w表示每一维（其他神经元）的权重，b可以用来调控阈值，z 经过激活函数得到最后的值a来判…...
去产能、去库存、去杠杆、降成本、补短板的智慧工业开源了。
智慧工业视觉监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒，省去繁琐重复的适配流程，实现芯片、算法、应用的全流程组合，从而大大减少企业级应用约95%的开发成本。用户只需在界面上…...
【嵌入式系统设计师】知识点：第4章 嵌入式系统软件基础知识
提示：“软考通关秘籍” 专栏围绕软考展开，全面涵盖了如嵌入式系统设计师、数据库系统工程师、信息系统管理工程师等多个软考方向的知识点。从计算机体系结构、存储系统等基础知识，到程序语言概述、算法、数据库技术（包括关系数据库、非关系型数据库、SQL 语言、数据仓库等）…...
Scala基础知识
数组 不可变数组 第一种方式定义数组 定义：val arr1 new Array[Int](10) （1）new 是关键字 （2）[Int]是指定可以存放的数据类型，如果希望存放任意数据类型，则指定Any （3&#x…...
scala课后总结（7）
不可变数组与可变数组的转换 arr1.toBuffer ：将不可变数组 arr1 转换为可变数组，原 arr1 不变，返回新的可变数组 。 arr2.toArray ：把可变数组 arr2 转为不可变数组， arr2 本身不变，返回新的不可…...
【T2I】MIGC: Multi-Instance Generation Controller for Text-to-Image Synthesis
code：CVPR 2024 MIGC: Multi-Instance Generation Controller for Text-to-Image Synthesis [CVPR 2024] MIGC: Multi-Instance Generation Controller for Text-to-Image Synthesis - 知乎 Abstract 我们提出了一个多实例生成(Multi-Instance Generation, MIG)任务…...