当前位置: 首页 > news >正文

R语言简介与下载安装

 1.R语言简介与下载安装

  • R语言其诞生于新西兰奥克兰大学,由Ross Ihaka 和Robert Gentleman开发,属于商业软件S语言的替代品;
  • R语言是一款开源的编程类工具,专门用于数据清洗、整理、统计分析可视化以及数据挖掘等方面,而且不受系统平台的限制。

在https://www.r-project.org/ 网站中可以下载到R语言,最好选择清华的镜像。

为了能够更好的写代码,可以下载RStudio软件,即R语言的GUI(Graphical User Interface)。 https://www.rstudio.com/

2.第三方包的下载与加载

使用代码下载

install.packages(package_name)

手动下载:

使用代码加载

library(package_name)

require(package_name)

library 和require 都是加载包,区别在于,输出的错误信息不一致。

3.如何查看帮助文档

  • 知包知函数 help

help(lda,package='MASS')

  • 知函数未知包 help.search

help.search('dbscan')

  • 知包未知函数 apropos

library(lmtest)

library(car)

apropos('test')

  • 未知函数未知包 RSiteSearch

RSiteSearch('Hosmer-Lemeshow') # 拟合度检验

4.R语言中的数据结构

向量的创建
  • 手工输入法——C

目标抽取法

#手工输入法

w<-c(a,b,c,d)     # 数值

c("李四","张三")√  #字符

c("李四""张三")× ## 需要用英文逗号

  • 序列生成法——:或seq

#seq方法

w<-seq(from,to,by)    # by 步长

w2<-seq(from,to,length)    #length 序列长度

 x<-seq(from=-5,to=5,length=1000)

  • 重复生成法——rep

#重复生成法

rep(x,times)  #times 指定x的循环次数

rep(x,each)  #each 指定x其中的循环次数

向量的获取
  • 位置索引法——中括号内写上目标元素的下标

#索引

x<-c(1,4,6,9)

x[3]

#实例:取出大于5的元素

index<-which(x>5)

x[index]

  • bool索引法——方括号内为布尔值

x>5

x[x>5]

向量的数据类型转换

函数

含义

is.integer

判断向量的元素是否为整数型

is.numeric

判断向量的元素是否为实数型

is.character

判断向量的元素是否为字符型

is.Date

判断向量的元素是否为日期型

as.integer

将向量元素强制转换为整数型

as.numeric

将向量元素强制转换为实数型

as.character

将向量元素强制转换为字符型

as.Date

将向量元素强制转换为日期型

#实例 日期转换

%m 数字月份 01-12

%d 数字日期 01-31

%y 数字年份后两位 01-99#  1969-2068

Sys.times() #返回当前时间

Sys.Date() # 返回当前日期

特殊值

特殊值的表示

含义

判断

NA

缺失值

is.na

NULL

空值

is.null

NaN

不确定值

is.nan

Inf

无限值

is.inf

向量的因子化转换

factor(x=character(),levels,labels=levels,exclude=NA,ordered=is.ordered(x))

常用数学函数

四则运算

符号

意义

+

-

*

/

^

乘方

%/%

取商

%%

取余

函数

意义

abs(x)

绝对值或者模

sqrt(x)

开方

exp(x)

指数

log(x) , log10(x) , log(x,n)

对数

sin(x),cos(x),tan(x)

三角函数(正弦、余弦、正切)

asin(x), acos(x),atan(x)

反三角函数

sinh(x),cosh(x),tanh(x)

双曲函数

asinh(x),acosh(x),atanh(x)

反双曲函数

facrorial(x)

阶乘x!

choose(n,k)

二项系数(n,k) n!/[k!(n-k)!]

gamma(x)

Gamma 函数

floor(x)

向下取整,<x 最大整数

ceiling(x)

向上取整,>x 最小整数

trunc(x)

靠近0取整,trunc(1.5)=1,trunc(-1.5)=-1,

round(x)

四舍五入

5.矩阵

矩阵的构造

通常意义上,矩阵主要是指二维矩阵,由列和行两个维度构成。

  • matrix(data=NA,nrow=1,ncol=1,byrow=FALSE,dimnames=NULL)

#data 指定一个用于构造矩阵的一维向量;

nrow ncol分别指定行列数;

byrow:bool类型的参数,指在矩阵构造过程中,元素是否按照行风格填充,默认为FALSE;

dimnames设置行列名称

matrix(c(1,2,3,4),2,2)

matrix(c(1,2,3,4),2,2,byrow = TRUE,dimnames=list(c('A','B'),c('first','second')))

  • as.matrix(x,rownames.force=NA)

x:指定一个数据框,并将其强制转换为矩阵;

rownames.force:bool类型的参数,将x强制转换为矩阵后,矩阵是否包含字符型的列名称,默认为NA,表示矩阵列名称与数据框变量名称一致;

矩阵的索引

位置索引

mat4<-matrix(1:24,ncol=4)

mat4

mat4[3,]

mat4[,2]

mat4[3,2]

mat4[2:5,2:3]

#取出奇数行偶数列的数据

mat4[seq(1,nrow(mat4),by=2),seq(2,ncol(mat4),by=2)]

基于矩阵运算的常用函数
  • t() #矩阵的转置
  • ginv()  #矩阵的逆
  • solve(a,b)  #求解方程ax=b,默认b为单位向量
  •  t(A) %*% B  #矩阵内积     crossprod(A, B)#矩阵内积

  • x %o% y #矩阵外积

outer(x, y)#矩阵外积 得到数组

x <- matrix(c(1,2,3,4,5,6),2,3);

y <- matrix(c(1,2,3,1,2,3),2,3);

z <- outer(x,y);

class(z);

z

6.数据框

构造数据框

不管是向量还是矩阵,它们的元素都是同质的。

数据框的构造有两种途径,一种是利用data.frame函数手动创建或者利用as.data.frame生成。

  • data.frame(..., row.names = NULL, check.rows = FALSE,

           check.names = TRUE, fix.empty.names = TRUE,

           stringsAsFactors = default.stringsAsFactors())

...:指定多个长度相等的向量,用于构造数据框;

row.names:指定数据框的行名称,默认为1到n的整数;

check.rows:bool类型的参数,是否检查行名称row.names与数据框的行数一致,默认为FALSE;

check.names:bool类型的参数,是否检查数据框列名称的合理性和重复性,默认为TRUE;

fix.empty.names:bool类型的参数,如果数据框没有列名称,是否将其修正为V1、V2……,默认为TRUE;

stringsAsFactors:bool类型的参数,是否将字符串向量强制转换为因子型向量,默认为TRUE;

as.data.frame(x, row.names = NULL)

x:指定待转换为数据框的对象,可以是列表,也可以是矩阵;

  • # 手工构造学生信息的向量

id <- 1:11;

name <- c('白月初','王富贵','涂山苏苏','梵云飞','涂山雅雅','涂山容容','王权富贵','东方淮竹','月初','王权霸业','厉雪扬');

birthday <- c('1989/7/16','1990/3/12','1992/8/15','1991/9/19',

           '1993/4/17','1987/6/13','1994/4/21','1990/3/7',

           '1990/12/3','1989/8/18','1993/7/19');

gender <- c('男','男','女','男','女','女','男','男','男','男','女');

height <- c(167,172,168,169,173,175,180,169,178,189,167);

weight <- c(65.3,70.2,55.8,70.4,68.9,67.4,74.7,70.5,77.8,85.6,53.8);

# 将向量组合为数据框

stu_info <- data.frame(id,name,birthday,gender,height,weight);

# 数据预览

View(stu_info)   # V 大写

常用函数

函数

含义

str

查看数据框的结构。包括行数、列数及变量的数据类型

summary

查看数据的统计信息

names

返回数据框的变量名

dim

返回数据框的行列数

nrow/ncol

仅返回数据框的行数/列数

class

返回某个对象所属的数据结构、数据类型

head/tail

预览数据的前/后N行

$

从数据框中提取某个元素

[ ]

索引

subset

提取子集

transform

基于数据框衍生新变量

rbind/cbind

多个矩阵或数据框之间的行合并与列合并

#从学生信息表中筛选出身高不低于170的男生

subset(x=stu_info,subset=gender=='男'&height>=170)

7.列表

列表类似于一个大熔炉,可以存储任意一种数据对象,列表的索引有3种形式,分别是单中括号、双中括号以及美元符号。

# 创建组成列表元素的对象

constant <- 27

vector <- c('本科','本科','硕士','本科','博士')

mat <- matrix(data = 1:9, ncol = 3)

df <- data.frame(id = 1:5, age = c(23,25,28,25,26),

                 gender = c('男','男','女','女','女'),

                 income = c(12500,8500,13000,15000,9000))

# 构造列表

list_object <- list(A = constant, vector, C = mat, D = df)

# 返回列表

list_object

View(list_object)

8.控制流语句及自定义函数

控制流语句

if(条件)

{执行A}

  else

{执行B}

For(i in )

{执行}

while(条件)

{执行}

自定义函数

func_name<-function(parameters)

{ func_expression

    return(result)

}

# 心形函数

func_heart <- function(r,theta)

{a <- 2*r*(sin(theta)-0.5*sin(2*theta))

  b <- 2*r*(cos(theta)-0.5*cos(2*theta))

  out <- list(a,b)

  return(out)

}

9.lapply族函数

tapply函数的使用:用于向量的分组统计。

tapply(x,INDEX,FUN=NULL,...,simplify=TRUE)

res2=tapply(X=iris$Sepal.Width,INDEX=iris$Species,FUN=summary)

res2

 apply函数用于矩阵轴的统计。

apply(X,MARGIN,FUN,...)

#MARGIN如果为1,就表示对矩阵的每一行进行统计计算,如果为2,就表示对每一列做统计运算。

lapply和Sapply函数

Lapply 函数用于对向量或者列表元素的计算,Sapply函数

是Lapply 函数升级。

相关文章:

R语言简介与下载安装

1.R语言简介与下载安装 R语言其诞生于新西兰奥克兰大学&#xff0c;由Ross Ihaka 和Robert Gentleman开发&#xff0c;属于商业软件S语言的替代品&#xff1b;R语言是一款开源的编程类工具&#xff0c;专门用于数据清洗、整理、统计分析、可视化以及数据挖掘等方面&#xff0c…...

CGAL边折叠edge_collapse的问题

使用edge_collapse对一个模型简化&#xff0c;之后回收垃圾&#xff0c;collect_garbage 处理之前的顶点和三角形数量&#xff1a; number_of_vertices: 955730 number_of_faces: 1903410 num_vertices: 955730 num_faces: 1903410 处理之后的顶点和三角形数量&#xff1a;…...

2025 全球分布式云大会演讲实录 | 沈建发:智启边缘,畅想未来:边缘计算新场景落地与 Al 趋势新畅想

4 月 9 日&#xff0c;2025 全球分布式云大会暨 AI 基础设施大会在深圳成功举办&#xff0c;火山引擎边缘云产品解决方案高级总监沈建发出席并以《智启边缘&#xff0c;畅想未来&#xff1a;边缘计算新场景落地与 Al 趋势新畅想》为主题&#xff0c;分享了边缘计算在 AI 技术趋…...

【ELF2学习板】OpenCL程序测试

目录 引言 OpenCL简介 主要特点 编程模型 应用场景 测试程序 代码说明 构建编译环境 头文件 库文件 程序编译 测试结果 结语 引言 ELF2开发板采用的是RK3588处理器&#xff0c;它是瑞芯微推出的一款高性能 SoC。RK3588 集成了 ARM Mali-G610 MP4 GPU&#xff0c;…...

EtherCAT转ProfiNet边缘计算网关配置优化:汽车制造场景下PLC与机器人协同作业案例

1.行业背景与需求分析 智能汽车焊装车间是汽车制造的核心工艺环节&#xff0c;某德国豪华品牌在其上海MEB工厂新建的焊装车间中&#xff0c;采用西门子S7-1500PLC作为ProfiNet主站&#xff0c;负责整线协调与质量追溯&#xff1b;同时部署KUKAKR1500Titan机器人&#xff08;Eth…...

AI 推理与训练优化的核心理论体系建构及关键技术分析框架

AI 推理与训练优化的核心理论体系建构及关键技术分析框架 一、推理加速的动态系统理论建模与算法设计 &#xff08;一&#xff09;基于MDP的动态计算图理论 生物启发的决策框架&#xff1a;模拟灵长类视觉系统的注意力分配机制&#xff0c;构建马尔可夫决策过程&#xff08;M…...

Jupyter 中 Markdown 邂逅 LaTeX:一场知识的绮梦

引言&#xff1a; 在日常编程和数据分析工作中&#xff0c;我们经常需要记录和分享信息。传统的注释方式功能有限&#xff0c;而富文本编辑器又过于臃肿。Markdown作为一种轻量级标记语言&#xff0c;完美解决了这个问题。 为什么选择Markdown&#xff1f; Markdown具有两大优势…...

AI 对话高效输入指令攻略(二):关于豆包的指令

免责声明&#xff1a;该文章的所有样例只是测试&#xff0c;没有唆使大家利用AI抄袭作业&#xff01;更没有宣传豆包。 前言 没有听不懂话的AI&#xff0c;只有不会调教AI的人。&#xff08;自己瞎说的&#xff09;当你把AI当人看之后&#xff0c;你就会发现&#xff0c;他是多…...

Apache Atlas构建安装(Linux)

一、环境准备 maven 3.6.3python 2.7nodejs 12java 1.8 注意环境一定要对&#xff0c;不然一堆问题 1. python2.7 安装 参考文章&#xff1a;https://blog.csdn.net/weixin_42081389/article/details/101276251 打开链接&#xff1a;https://www.python.org/downloads/sourc…...

【JAVA】在idea新加artifact时,点击Build-Build Artifacts时,新加的artifact不能选中

首先保证添加artifact无问题&#xff0c;比如依赖都正确、无重复命令的情况等 办法 一 File > Invalidate Caches / Restart。 重启IDEA后&#xff0c;重新检查Artifact是否可选 办法 二 打开 Project Structure&#xff08;CtrlShiftAltS&#xff09;。 进入 Artifacts 选…...

【杂谈】-自动驾驶变革:货运革新与机器人出租车崛起

自动驾驶变革&#xff1a;货运革新与机器人出租车崛起 文章目录 自动驾驶变革&#xff1a;货运革新与机器人出租车崛起一、市场主导力量二、机器人出租车的崛起三、货运运输的变革四、商业视角下的分析五、责任归属问题 汽车行业&#xff0c;凭借其在道路状况、车辆性能及整体环…...

吊顶上的灯线怎么预留?是提前到位还是后期随意拉拽?

业主问家里的灯线怎么预留&#xff1f; 问业主灯线指的是主灯还是射灯&#xff1f; 业主说他家里边要做边吊&#xff0c;边吊上边要放一些射灯。 在射灯上方对应的留灯线就可以&#xff0c;不用特别的精确&#xff0c;把线头放的稍微长一点即可。 这位业主又说为什么要这样预留…...

网易游戏 x Apache Doris:湖仓一体架构演进之路

导读&#xff1a;网易游戏引入 Apache Doris 升级架构&#xff0c;先是替换 Elasticsearch、Hbase、Clickhouse 构建了实时数仓&#xff0c;而后基于 Apache Doris 和 Iceberg 构建了湖仓融合架构&#xff0c;实现架构的大幅简化及统一。目前&#xff0c;网易游戏 Apache Doris…...

大模型会不会取代人类工作

大模型是否会取代人类工作&#xff1f; 随着人工智能技术的迅猛发展&#xff0c;尤其是大型语言模型&#xff08;如GPT-4、BERT等&#xff09;的出现&#xff0c;人们开始担忧这些先进的技术是否会在未来取代人类的工作。这种担忧并非空穴来风&#xff0c;历史上每一次技术革命…...

深入理解 Linux 权限管理:从 Shell 到文件权限

&#x1f33c;&#x1f33c; 在 Linux 系统中&#xff0c;权限是保障系统安全与稳定的核心之一。每个操作都可能涉及权限的管理和控制&#xff0c;特别是当你开始以不同用户的身份进行操作时。本文将通过生动的比喻与详细的技术解析&#xff0c;带你一起深入理解 Linux 权限系统…...

.net core 项目快速接入Coze智能体-开箱即用-全局说明

目录 一、Coze智能体的核心价值 二、开箱即用-效果如下 三 流程与交互设计 为什么要分析意图&#xff0c;而不是全部交由AI处理。 四 接入前的准备工作 五&#xff1a;代码实现----字节Coze 签署 JWT和获取Token .net core 项目快速接入Coze智能体-开箱即用 .net core快…...

React 开放封闭原则详解,构建可扩展的应用

开放封闭原则 React 采用了一些面向对象编程的原则和概念&#xff0c;其中之一就是开放封闭原则&#xff08;Open-Closed Principle&#xff0c;OCP&#xff09;&#xff0c;它是面向对象编程的一个基本原则。本文将详细解释开放封闭原则的概念和在 React 中的应用&#xff0c;…...

【并行分布计算】Hadoop完全分布搭建

Hadoop完全分布搭建 1.为了使机器都处于同一个局域网中&#xff0c;先要修改机器的ip地址分配方式为固定ip&#xff0c;并为其固定分配一个ip地址。 [rootlocalhost ~]# vi /etc/sysconfig/network-scripts/ifcfg-ens33 问题&#xff1a;修改ip地址后&#xff0c;网络无法正常…...

Three.js + React 实战系列 : 从零搭建 3D 个人主页

可能你对tailiwindcss毫不了解&#xff0c;别紧张&#xff0c;记住我们只是在学习&#xff0c;学习的是作者的思想和技巧&#xff0c;并不是某一行代码。 在之前的几篇文章中&#xff0c;我们已经熟悉了 Three.js 的基本用法&#xff0c;并通过 react-three-fiber 快速构建了一…...

四月十六日华为发布会

智能家居及穿戴类 华为智能门锁 2 系列发布&#xff1a;2025 年 4 月 16 日&#xff0c;华为智能门锁 2 系列正式发布。该系列引入 AI 掌静脉识别技术和 AI 3D 人脸识别 3.0&#xff0c;具备高安全性&#xff1b;采用超清智能大猫眼&#xff0c;可视范围达 161&#xff1b;通过…...

23种设计模式-创建型模式之工厂方法模式(Java版本)

Java 工厂方法模式&#xff08;Factory Method Pattern&#xff09;详解 &#x1f31f; 什么是工厂方法模式&#xff1f; 工厂方法模式是一种创建型设计模式&#xff0c;定义一个创建对象的接口&#xff0c;让子类决定实例化哪一个类。 它让类的实例化推迟到子类进行&#xf…...

基于FreeBSD的Unix系统搭建Nginx+PHP5运行环境

服务器操作系统版本&#xff1a;FreeBSD-10.1-i386 Nginx安装配置 1.以ports形式安装 #进入nginx目录 cd /usr/ports/www/nginx #执行编译安装 make install 2.编辑配置文件 #进入etc目录 cd /etc #编辑配置文件 ee rc.conf #进入编辑模式 i #参照如下设置 nginx_enable”YES…...

医院处方外流对接外部药房系统(合规python代码版)

系统概述 本系统旨在帮助医院实现与外部零售药店的安全、合规对接,满足2025年医保局和卫健委关于处方流转的最新规定。系统采用Python开发,基于RESTful API实现医院HIS系统与外部药房之间的处方信息传输、医保支付验证和处方状态跟踪等功能。 系统架构 #mermaid-svg-zKU5Wj…...

第十七届“华中杯”B 题校园共享单车的调度与维护问题分析

问题1&#xff1a;估算共享单车总量及不同停车点位在不同时间点的数量分布 首先&#xff0c;我们需要对附件1的数据进行汇总&#xff0c;以估算出校园内的共享单车总量。由于数据是按不同时间和停车点位统计的&#xff0c;我们可以通过对所有时间和点位的单车数量进行求和&…...

线程池的封装(c/c++)

前言&#xff1a;本文将要封装的线程池相关接口是基于之前一篇文章中的实现&#xff08;文章链接&#xff1a;Linux多线程编程的艺术&#xff1a;封装线程、锁、条件变量和信号量的工程实践-CSDN博客&#xff09;。不过无需担心&#xff0c;即使您没有阅读过前文&#xff0c;只…...

「数据可视化 D3系列」入门第六章:比例尺的使用

比例尺的使用 一、比例尺是什么&#xff1f;典型示例&#xff1a; 二、常用比例尺类型1. 线性比例尺 (scaleLinear)2. 序数比例尺 (scaleOrdinal)3. 其他常用比例尺类型&#xff1a; 三、实际应用主要改进点说明 四、比例尺的高级用法1. 颜色比例尺2. 时间比例尺3. 分段比例尺 …...

巧用ChatGPT生成适合小白的Python练习题,助力编程入门

&#x1f381;个人主页&#xff1a;User_芊芊君子 &#x1f389;欢迎大家点赞&#x1f44d;评论&#x1f4dd;收藏⭐文章 &#x1f50d;系列专栏&#xff1a;AI 【前言】 在Python学习的道路上&#xff0c;练习题是帮助小白快速掌握编程知识和技能的重要工具。然而&#xff0c;…...

iOS15描述文件在哪下载?iOS15测试版描述文件下载与升级教程

iOS 15正式发布&#xff1a;全面升级体验与开发者工具推荐 今天凌晨&#xff0c;备受关注的WWDC21开发者大会上如期召开&#xff0c;果粉期待已久的新一代iOS 15操作系统正式发布。iOS 15系统带来了全新FaceTime与通知界面&#xff0c;并对照片、天气、钱包、地图等应用进行了…...

Java面试(2025)—— Spring

什么是Spring? 结构化回答&#xff08;总分总模式&#xff09; ① 一句话定义 “Spring 是一个开源的 Java 企业级应用框架&#xff0c;核心目标是简化企业应用的开发&#xff0c;通过控制反转&#xff08;IoC&#xff09;、依赖注入&#xff08;DI&#xff09;和面向切面编…...

【C++ Qt】Hello World、初始信号槽、理解对象树 ~~~(通俗易懂 图文并茂)

每日激励&#xff1a;“不设限和自我肯定的心态&#xff1a;I can do all things。 — Stephen Curry” 绪论​&#xff1a; 本章是Qt的第二篇&#xff0c;带你认识Qt中几个简单的控件如何实现&#xff0c;以及通过信号槽的方式实现一定的用户和程序的联动&#xff0c;还有许多…...

2025.04.16【GroupedandStackedbarplot】生信数据可视化技法

Negative values This blogpost shows what happens when the dataset includes negative values. Most basic streamchart The most basic streamchart you can build with R and the streamgraph package. 文章目录 Negative valuesMost basic streamchart 2025.04.16【Gro…...

java 设计模式之代理模式

简介 代理模式&#xff1a;使用代理类来增强目标类的功能。在代码结构上&#xff0c;代理对象持有目标对象&#xff0c;通过代理对象访问目标对象&#xff0c;这样可以在不改变目标对象的前提下增加额外的功能&#xff0c;如权限校验、缓存等 代理模式内部的角色&#xff1a;…...

Spring Boot实战:基于策略模式+代理模式手写幂等性注解组件

一、为什么需要幂等性&#xff1f; 核心定义&#xff1a;在分布式系统中&#xff0c;一个操作无论执行一次还是多次&#xff0c;最终结果都保持一致。 典型场景&#xff1a; 用户重复点击提交按钮网络抖动导致的请求重试消息队列的重复消费支付系统的回调通知 不处理幂等的风…...

【.net core】【watercloud】数据库连接报错问题

错误信息&#xff1a; 中文提示 : 连接数据库过程中发生错误&#xff0c;检查服务器是否正常连接字符串是否正确&#xff0c;错误信息&#xff1a;Cannot Open when State is Connecting.DbType"MySql";ConfigId"0". English Message : Connection open …...

69. x 的平方根

目录 一、问题描述 二、解题思路 三、代码 四、复杂度分析 一、问题描述 给你一个非负整数 x &#xff0c;计算并返回 x 的 算术平方根 。 由于返回类型是整数&#xff0c;结果只保留 整数部分 &#xff0c;小数部分将被 舍去 。 注意&#xff1a;不允许使用任何内置指数…...

计算机网络基础概论

计算机网络基础概论 目录 一、网络基本概念 1.1. 网络 1.2 互联网 1.3 ip地址 1.3.1 作用 1.3.2 分类 1.4 MAC地址 1.4.1 MAC地址与 IP 地址的关系 1.5 网络协议 二、网络分层模型 2.1 物理层 2.2 数据链路层 2.3 网络层 2.4 传输层 2.5 会话层 2.6 表示层 2.7…...

京东3D空间视频生成技术探索与应用

1. 背景 近年来&#xff0c;随着社交媒体、流媒体平台以及XR设备的快速发展&#xff0c;沉浸式3D空间视频的需求迅猛增长&#xff0c;尤其是在短视频、直播和电影领域&#xff0c;正在重新定义观众的观看体验。2023年&#xff0c;苹果公司发布的空间视频技术为这一趋势注入了新…...

吉利矩阵(DFS)

所有元素为非负整数&#xff0c;且各行各列的元素和都等于 7 的 33 方阵称为 “吉利矩阵”&#xff0c;因为这样的矩阵一共有 666 种。 本题就请你统计一下&#xff0c;各行各列的元素和都等于 5 的 33 方阵一共有多少种&#xff1f; 思路&#xff1a;统计方法数&#xff0c;…...

突破反爬限制的智能数据采集实战 —— 面向中小企业的高效信息监控方案

在当前数据驱动的商业环境中&#xff0c;如何高效、稳定地获取网络数据&#xff0c;已成为众多中小企业进行市场洞察、竞品监测与品牌舆情管理的关键能力。本文将分享一个基于先进API技术构建的社交媒体热点监控系统&#xff0c;聚焦实际应用场景&#xff0c;展示如何在合规前提…...

从0到1:让AI赋能计算机的全流程实践指南

&#x1f381;个人主页&#xff1a;User_芊芊君子 &#x1f389;欢迎大家点赞&#x1f44d;评论&#x1f4dd;收藏⭐文章 &#x1f50d;系列专栏&#xff1a;AI 【前言】 在数字化浪潮席卷全球的今天&#xff0c;AI&#xff08;人工智能&#xff09;早已不是科幻电影中的虚构概…...

IntelliJ IDEA 2025.1 发布 ,默认 K2 模式 | Android Studio 也将跟进

2025.1 版本已经发布&#xff0c;在此之前我们就聊过该版本的 《Terminal 又发布全新重构版本》&#xff0c;而现在 2025.1 中的 K2 模式也成为了默认选项。 可以预见&#xff0c;这个版本可能会包含不少大坑&#xff0c;为下个 Android Studio 祈祷。 首先有一点可以确定&…...

MCP、A2A、Function Calling:AI架构设计的三驾马车

随着AI浪潮的到来&#xff0c;各种技术和概念也层出不穷&#xff0c;作为技术人应该第一时间掌握其核心概念与原理&#xff0c;以便于在工作和交流中傻傻分不清楚&#xff0c;本文主要就最近大家提及比较多的MCP、A2A和Function Call做下普及与区分 在当今快速发展的AI领域&a…...

NO.96十六届蓝桥杯备战|图论基础-多源最短路|Floyd|Clear And Present Danger|灾后重建|无向图的最小环问题(C++)

多源最短路&#xff1a;即图中每对顶点间的最短路径 floyd算法本质是动态规划&#xff0c;⽤来求任意两个结点之间的最短路&#xff0c;也称插点法。通过不断在两点之间加⼊新的点&#xff0c;来更新最短路。 适⽤于任何图&#xff0c;不管有向⽆向&#xff0c;边权正负&…...

OpenHarmony - 小型系统内核(LiteOS-A)(六)

OpenHarmony - 小型系统内核&#xff08;LiteOS-A&#xff09;&#xff08;六&#xff09; 七、文件系统 支持的文件系统 FAT 基本概念 FAT文件系统是File Allocation Table&#xff08;文件配置表&#xff09;的简称&#xff0c;主要包括DBR区、FAT区、DATA区三个区域。其…...

“星睿O6” AI PC开发套件评测 - Windows on Arm 安装指南和性能测评

引言 Radxa联合此芯科技和安谋科技推出全新的"星睿O6"迷你 ITX 主板。该系统搭载了 CIX P1&#xff08;CD8180&#xff09;12 核 Armv9 处理器&#xff0c;拥有高达30T算力的NPU和高性能的GPU&#xff0c;最高配备64GB LPDDR内存&#xff0c;并提供了如 5GbE、HDMI …...

JS实现RSA加密

目录 目标 环境 实现RSA加解密 计算RSA加密允许的最大字节长度 目标 使用JS实现RSA加密解密。计算RSA加密允许的最大字节长度。 环境 node-rsa 实现RSA加解密 const NodeRSA require(node-rsa);function getKey() {const keyLength512// 创建 RSA 密钥对const key new …...

Seata方案详细

Seata&#xff08;Simple Extensible Autonomous Transaction Architecture&#xff09;是阿里开源的分布式事务解决方案&#xff0c;支持多种事务模式&#xff0c;提供一站式的事务管理能力。以下是其核心原理、模式及实践的详细解析&#xff1a; 一、Seata核心架构与角色 Se…...

深入了解v-model的原理:v-model拆分为value属性和input事件,表单类组件的封装并用v-model简化代码

文章目录 1.v-model的原理1.1.验证:在input文本输入框中不使用v-model实现双向数据绑定1.2.验证:v-model在下拉菜单中的拆分 2.表单类组件的封装2.1.原理或步骤2.2.示例:表单类组件封装之下拉菜单select的封装 3.使用v-model简化代码完整代码 4.拓展示例:完成input文本输入框的…...

设计模式每日硬核训练 Day 14:组合模式(Composite Pattern)完整讲解与实战应用

&#x1f504; 回顾 Day 13&#xff1a;桥接模式小结 在 Day 13 中&#xff0c;我们学习了桥接模式&#xff08;Bridge Pattern&#xff09;&#xff1a; 用于将“抽象”与“实现”分离&#xff0c;适用于双维度变化场景&#xff08;如图形类型 渲染方式&#xff09;。它强调…...

RMSIN论文阅读

自适应旋转卷积 (ARC)是否可以换成可变形卷积 研究背景 指向性遥感图像分割&#xff08;RRSIS&#xff09;&#xff1a;旨在根据文本描述实现遥感图像中目标对象的像素级定位 像素级定位&#xff1a;像素级定位指的是在图像中对目标对象的每个像素进行准确的定位和标记。这意味…...