数据挖掘实验（二）数据预处理【等深分箱与等宽分箱】
一、分箱平滑的原理
（1）分箱方法
在分箱前，一定要先排序数据，再将它们分到等深（等宽）的箱中。
常见的有两种分箱方法：等深分箱和等宽分箱。
等深分箱：按记录数进行分箱，每箱具有相同的记录数，每箱的记录数称为箱的权重，也称箱子的深度。
等宽分箱：在整个属性值的区间上平均分布，即每个箱的区间范围设定为一个常量，称为箱子的宽度。
（2）数据平滑
将数据划分到不同的箱子之后，可以运用如下三种策略对每个箱子中的数据进行平滑处理：
平均值平滑：箱中的每一个值被箱中数值的平均值替换。
中值平滑：箱中的每一个值被箱中数值的中值替换。
边界平滑：箱中的最大值和最小值称为箱子的边界，箱中的每一个值被最近的边界值替换。
二、Matlab代码实现
首先用rand()函数随机生成20*5的矩阵，其数据范围为[0,1]。
1.等深分箱
clear;clc; % 清除变量和命令窗口A=rand(20,5); % 随机生成20*5的矩阵，其中每个数取值范围[0,1]
fprintf("当前生成的原数据：\n");
disp(A);% 排序，参数1表示按列排序，取2为按行排序；'ascend'为升序，'descend'为降序
A=sort(A,1,'ascend');
fprintf("将原数据的每列排序后：\n");
disp(A);h=input("请输入等深分箱的深度h(1<h<20)：");% 检查输入变量h是否有效
if ~isnumeric(h) || ~isscalar(h) || h<=1 || h>=20 || h~=floor(h)error("输入变量h必须是一个大于1小于20的正整数");
end%% 对每列进行等深分箱，然后求每个箱子的均值
[n,m]=size(A); % n行m列
B=zeros(n,m); % 预分配输出变量B
for j=1:m % 列jfor i=1:h:n % 行i% 当前箱子第一个数位置为i，最后一个数位置为min(i+h-1,n)p1=int64(i); % 转换成整数(i默认是double类型，但是索引必须要为整数)p2=int64(min(i+h-1,n));B(p1:p2,j)=mean(A(p1:p2,j)); % 当前箱子的均值end
end % 结束行循环fprintf("\n经过等深分箱，用箱均值平滑处理后的数据：\n");
disp(B);
for i=1:h:n 的含义是：
- i 是一个循环变量，它的初始值是 1。
- h 是一个输入变量，它表示等深分箱的深度。
- n 是一个由 size 函数得到的变量，它表示矩阵 A 的行数。
- 这个循环的作用是从第一行开始，每隔 h 行取一行作为一个箱子的起始位置，然后计算这个箱子中所有元素的均值，并赋给输出矩阵 B 的相应位置。
isnumeric 函数是一个用于判断输入是否为数值数组的函数。数值数组是指由数值类型的元素组成的数组，例如整数、浮点数、无穷大或非数字。MATLAB 中的数值类型包括 int8, int16, int32, int64, uint8, uint16, uint32, uint64, single, 和 double。
isnumeric 函数的语法格式是：
TF = isnumeric(A)其中，A 是输入数组，可以是任意维度的；TF 是输出逻辑值，如果 A 是数值数组，则返回 1 (true)，否则返回 0 (false)。
例如，如果 A 是一个包含整数和浮点数的矩阵，那么 isnumeric(A) 将返回 1；如果 A 是一个包含字符串或单元数组的矩阵，那么 isnumeric(A) 将返回 0。
~isscalar(h) 函数是一个逻辑表达式，它用于判断 h 是否不是一个标量。标量是一个大小为 1×1 的二维数组，也就是一个单个的数值。如果 h 不是一个标量，那么 ~isscalar(h) 将返回 1 (true)，否则返回 0 (false)。
python代码为
import numpy as np # 导入 numpy 库
=A = np.random.rand(20,5) # 随机生成 20*5 的矩阵，其中每个数取值范围 [0,1]
print("当前生成的原数据：")
print(A)# 排序，参数 0 表示按列排序，取 1 为按行排序；'ascend' 为升序，'descend' 为降序
A = np.sort(A, axis=0, kind='quicksort') # 使用快速排序算法
print("将原数据的每列排序后：")
print(A)h = int(input("请输入等深分箱的深度 h (1<h<20)：")) # 输入一个整数# 检查输入变量 h 是否有效
if not isinstance(h, int) or h <= 1 or h >= 20: # 如果 h 不是一个大于 1 小于 20 的整数raise ValueError("输入变量 h 必须是一个大于 1 小于 20 的正整数") # 抛出异常# 对每列进行等深分箱，然后求每个箱子的均值
n, m = A.shape # n 行 m 列
B = np.zeros((n,m)) # 预分配输出变量 B
for j in range(m): # 列 jfor i in range(0, n, h): # 行 i# 当前箱子第一个数位置为 i，最后一个数位置为 min(i+h,n)p1 = int(i) # 转换成整数 (i 默认是 double 类型，但是索引必须要为整数)p2 = int(min(i+h,n))B[p1:p2,j] = np.mean(A[p1:p2,j]) # 当前箱子的均值print("\n经过等深分箱，用箱均值平滑处理后的数据：")
print(B)
代码运行结果
输入的深度为3：
当前生成的原数据：
A =0.4067 0.4504 0.5747 0.5154 0.99690.6669 0.2057 0.3260 0.6575 0.55350.9337 0.8997 0.4564 0.9509 0.51550.8110 0.7626 0.7138 0.7223 0.33070.4845 0.8825 0.8844 0.4001 0.43000.7567 0.2850 0.7209 0.8319 0.49180.4170 0.6732 0.0186 0.1343 0.07100.9718 0.6643 0.6748 0.0605 0.88770.9880 0.1228 0.4385 0.0842 0.06460.8641 0.4073 0.4378 0.1639 0.43620.3889 0.2753 0.1170 0.3242 0.82660.4547 0.7167 0.8147 0.3017 0.39450.2467 0.2834 0.3249 0.0117 0.61350.7844 0.8962 0.2462 0.5399 0.81860.8828 0.8266 0.3427 0.0954 0.88620.9137 0.3900 0.3757 0.1465 0.93110.5583 0.4979 0.5466 0.6311 0.19080.5989 0.6948 0.5619 0.8593 0.25860.1489 0.8344 0.3958 0.9742 0.89790.8997 0.6096 0.3981 0.5708 0.5934将原数据的每列排序后：
A =0.1489 0.1228 0.0186 0.0117 0.06460.2467 0.2057 0.1170 0.0605 0.07100.3889 0.2753 0.2462 0.0842 0.19080.4067 0.2834 0.3249 0.0954 0.25860.4170 0.2850 0.3260 0.1343 0.33070.4547 0.3900 0.3427 0.1465 0.39450.4845 0.4073 0.3757 0.1639 0.43000.5583 0.4504 0.3958 0.3017 0.43620.5989 0.4979 0.3981 0.3242 0.49180.6669 0.6096 0.4378 0.4001 0.51550.7567 0.6643 0.4385 0.5154 0.55350.7844 0.6732 0.4564 0.5399 0.59340.8110 0.6948 0.5466 0.5708 0.61350.8641 0.7167 0.5619 0.6311 0.81860.8828 0.7626 0.5747 0.6575 0.82660.8997 0.8266 0.6748 0.7223 0.88620.9137 0.8344 0.7138 0.8319 0.88770.9337 0.8825 0.7209 0.8593 0.89790.9718 0.8962 0.8147 0.9509 0.93110.9880 0.8997 0.8844 0.9742 0.9969请输入等深分箱的深度h(1<h<20)：3经过等深分箱，用箱均值平滑处理后的数据：
B =0.2615 0.2013 0.1273 0.0521 0.10880.2615 0.2013 0.1273 0.0521 0.10880.2615 0.2013 0.1273 0.0521 0.10880.4262 0.3195 0.3312 0.1254 0.32790.4262 0.3195 0.3312 0.1254 0.32790.4262 0.3195 0.3312 0.1254 0.32790.5472 0.4519 0.3899 0.2633 0.45270.5472 0.4519 0.3899 0.2633 0.45270.5472 0.4519 0.3899 0.2633 0.45270.7360 0.6490 0.4443 0.4851 0.55410.7360 0.6490 0.4443 0.4851 0.55410.7360 0.6490 0.4443 0.4851 0.55410.8526 0.7247 0.5611 0.6198 0.75290.8526 0.7247 0.5611 0.6198 0.75290.8526 0.7247 0.5611 0.6198 0.75290.9157 0.8478 0.7031 0.8045 0.89060.9157 0.8478 0.7031 0.8045 0.89060.9157 0.8478 0.7031 0.8045 0.89060.9799 0.8979 0.8495 0.9626 0.96400.9799 0.8979 0.8495 0.9626 0.9640
2.等宽分箱
输入箱子的宽度w(0<w<1)，将每列按等宽分箱，然后用箱均值平滑。
clear;clc; % 清除变量和命令窗口%A=rand(20,5); % 随机生成20*5的矩阵，其中每个数取值范围[0,1]
A=[ 0.5038 0.3600 0.6690 0.1432 0.94190.6128 0.4542 0.5002 0.5594 0.65590.8194 0.3864 0.2180 0.0046 0.45190.5319 0.7756 0.5716 0.7667 0.83970.2021 0.7343 0.1222 0.8487 0.53260.4539 0.4303 0.6712 0.9168 0.55390.4279 0.6938 0.5996 0.9870 0.68010.9661 0.9452 0.0560 0.5051 0.36720.6201 0.7842 0.0563 0.2714 0.23930.6954 0.7056 0.1525 0.1008 0.57890.7202 0.1093 0.0196 0.5078 0.86690.3469 0.3899 0.4352 0.5856 0.40680.5170 0.5909 0.8322 0.7629 0.11260.5567 0.4594 0.6174 0.0830 0.44380.1565 0.0503 0.5201 0.6616 0.30020.5621 0.2287 0.8639 0.5170 0.40140.6948 0.8342 0.0977 0.1710 0.83340.4265 0.0156 0.9081 0.9386 0.40360.8363 0.8637 0.1080 0.5905 0.39020.7314 0.0781 0.5170 0.4406 0.3604];
fprintf("当前生成的原数据：\n");
disp(A);
% 排序，参数1表示按列排序，取2为按行排序；'ascend'为升序，'descend'为降序
A=sort(A,1,'ascend');
fprintf("将原数据的每列排序后：\n");
disp(A);w=input("请输入等宽分箱的宽度w(0<w<1)：");
% 检查输入变量w是否有效
if ~isnumeric(w) || ~isscalar(w) || w<=0error("输入变量w必须是一个大于0小于1的正数");
end%% 对每列进行等宽分箱，然后求每个箱子的均值
[n,m]=size(A); % n行m列
B=zeros(n,m); % 预分配输出变量B
for j=1:m % 列jpos=1; % 当前箱子第一个数的位置A(n+1,j)=18e9; % 保证i=n+1时，A(i,j)-A(pos,j)>w一定成立for i=1:n+1 % 行iif A(i,j)-A(pos,j)>w % 当前箱子最后一个数的位置为i-1B(pos:i-1,j)=mean(A(pos:i-1,j)); % 当前箱子的均值pos=i; % 更新为下一个箱子的第一个数的位置endend
endfprintf("\n经过等宽分箱，用箱均值平滑处理后的数据：\n");
disp(B);if A(i,j)-A(pos,j)>w
这段代码的作用是判断当前元素是否属于当前箱子。如果当前元素与当前箱子的第一个元素的差大于 w，那么说明当前元素已经超出了当前箱子的范围，需要开始新的一个箱子；如果不大于 w，那么说明当前元素还在当前箱子内，继续循环。
代码运行结果
输入的宽度为0.2：
当前生成的原数据：
A =0.5038 0.3600 0.6690 0.1432 0.94190.6128 0.4542 0.5002 0.5594 0.65590.8194 0.3864 0.2180 0.0046 0.45190.5319 0.7756 0.5716 0.7667 0.83970.2021 0.7343 0.1222 0.8487 0.53260.4539 0.4303 0.6712 0.9168 0.55390.4279 0.6938 0.5996 0.9870 0.68010.9661 0.9452 0.0560 0.5051 0.36720.6201 0.7842 0.0563 0.2714 0.23930.6954 0.7056 0.1525 0.1008 0.57890.7202 0.1093 0.0196 0.5078 0.86690.3469 0.3899 0.4352 0.5856 0.40680.5170 0.5909 0.8322 0.7629 0.11260.5567 0.4594 0.6174 0.0830 0.44380.1565 0.0503 0.5201 0.6616 0.30020.5621 0.2287 0.8639 0.5170 0.40140.6948 0.8342 0.0977 0.1710 0.83340.4265 0.0156 0.9081 0.9386 0.40360.8363 0.8637 0.1080 0.5905 0.39020.7314 0.0781 0.5170 0.4406 0.3604将原数据的每列排序后：
A =0.1565 0.0156 0.0196 0.0046 0.11260.2021 0.0503 0.0560 0.0830 0.23930.3469 0.0781 0.0563 0.1008 0.30020.4265 0.1093 0.0977 0.1432 0.36040.4279 0.2287 0.1080 0.1710 0.36720.4539 0.3600 0.1222 0.2714 0.39020.5038 0.3864 0.1525 0.4406 0.40140.5170 0.3899 0.2180 0.5051 0.40360.5319 0.4303 0.4352 0.5078 0.40680.5567 0.4542 0.5002 0.5170 0.44380.5621 0.4594 0.5170 0.5594 0.45190.6128 0.5909 0.5201 0.5856 0.53260.6201 0.6938 0.5716 0.5905 0.55390.6948 0.7056 0.5996 0.6616 0.57890.6954 0.7343 0.6174 0.7629 0.65590.7202 0.7756 0.6690 0.7667 0.68010.7314 0.7842 0.6712 0.8487 0.83340.8194 0.8342 0.8322 0.9168 0.83970.8363 0.8637 0.8639 0.9386 0.86690.9661 0.9452 0.9081 0.9870 0.9419请输入等宽分箱的宽度w(0<w<1)：0.2经过等宽分箱，用箱均值平滑处理后的数据：
B =0.2352 0.0633 0.1038 0.1005 0.21740.2352 0.0633 0.1038 0.1005 0.21740.2352 0.0633 0.1038 0.1005 0.21740.5213 0.0633 0.1038 0.1005 0.43120.5213 0.3413 0.1038 0.1005 0.43120.5213 0.3413 0.1038 0.3560 0.43120.5213 0.3413 0.1038 0.3560 0.43120.5213 0.3413 0.1038 0.5610 0.43120.5213 0.4837 0.5373 0.5610 0.43120.5213 0.4837 0.5373 0.5610 0.43120.5213 0.4837 0.5373 0.5610 0.43120.5213 0.4837 0.5373 0.5610 0.43120.5213 0.7702 0.5373 0.5610 0.43120.7496 0.7702 0.5373 0.5610 0.63830.7496 0.7702 0.5373 0.8467 0.63830.7496 0.7702 0.7591 0.8467 0.63830.7496 0.7702 0.7591 0.8467 0.87050.7496 0.7702 0.7591 0.8467 0.87050.7496 0.7702 0.7591 0.8467 0.87050.9661 0.9452 0.9081 0.9870 0.8705
相关文章：
数据挖掘实验（二）数据预处理【等深分箱与等宽分箱】
一、分箱平滑的原理 （1）分箱方法 在分箱前，一定要先排序数据，再将它们分到等深（等宽）的箱中。 常见的有两种分箱方法：等深分箱和等宽分箱。 等深分箱：按记录数进行分箱࿰…...
Vue2 第一次学习
本章为超级浓缩版,文章过于短,方便复习使用哦~ 文章目录 1. 简单引入 vue.js2. 指令2.1 事件绑定指令 v-on (简写 )2.2 内容渲染指令2.3 双向绑定指令 v-model2.4 属性绑定指令 v-bind (简写 : )2.5 条件渲染指令2.6 循环指令 v-for 3. vue 其他知识3.1 侦听器 watch3.2 计算属…...
tiny模式基本原理整合
【Tiny模式】的基本构成 M【首头在首位】 U【/】 V【HTTP/】 Host H【真实ip】 XH \r回车 \n换行 \t制表 \ 空格 一个基本的模式构成 [method] [uri] [version]\r\nHost: [host]\r\n[method] [uri] [version]\r\nHost: [host]\r\n 检测顺序 http M H XH 有些地区 XH H M 我这边…...
使用聚氨酯密封件的好处?
聚氨酯密封件因其优异的耐用性、灵活性和广泛的应用范围而在各个行业中广受欢迎。在本文中，我们将探讨使用聚氨酯密封件的优点，阐明其在许多不同领域广泛使用背后的原因。 1、高性能： 聚氨酯密封件具有出色的性能特征，使其成为各…...
DevEco Studio如何安装中文插件
首先 官网下载中文插件 由于DevEco是基于IntelliJ IDEA Community的，所有Compatibility选择“IntelliJ IDEA Community”，然后下载一个对应最新的就ok了。 最后打开Plugins页面，点击右上角齿轮 -> Install Plugin from Disk…。选择下载的…...
10.2 校招 实习 内推 面经
绿泡*泡： neituijunsir 交流裙 ，内推/实习/校招汇总表格 1、校招 | 国家电网 国网信通产业集团2024届校园招聘！ 校招 | 国家电网 国网信通产业集团2024届校园招聘！ 2、校招 | 海信集团2024届全球校园招聘正式启动！…...
Golang 语言学习 01 包含如何快速学习一门新语言
Golang方向 区块链 go服务器端 (后台流量支撑程序) 支撑主站后台流量（排序，推荐，搜索等），提供负载均衡，cache，容错，按条件分流，统计运行指标 (qps， latenc…...
整理了197个经典SOTA模型，涵盖图像分类、目标检测、推荐系统等13个方向
今天来帮大家回顾一下计算机视觉、自然语言处理等热门研究领域的197个经典SOTA模型，涵盖了图像分类、图像生成、文本分类、强化学习、目标检测、推荐系统、语音识别等13个细分方向。建议大家收藏了慢慢看，下一篇顶会的idea这就来了~ 由于整理的SOTA模型…...
10.4 小任务
目录 QT实现TCP服务器客户端搭建的代码，现象 TCP服务器 .h文件 .cpp文件 现象 TCP客户端 .h文件 .cpp文件 现象 QT实现TCP服务器客户端搭建的代码，现象 TCP服务器 .h文件 #ifndef WIDGET_H #define WIDGET_H#include <QWidget> #includ…...
AJAX--Express速成
一、基本概念 1、AJAX(Asynchronous JavaScript And XML)，即为异步的JavaScript 和 XML。 2、异步的JavaScript 它可以异步地向服务器发送请求，在等待响应的过程中，不会阻塞当前页面。浏览器可以做自己的事情。直到成功获取响应后…...
开题报告 PPT 应该怎么做
开题报告 PPT 应该怎么做 1、报告时首先汇报自己的姓名、单位、专业和导师。 2、研究背景（2-3张幻灯片） 简要阐明所选题目的研究目的及意义。 研究的目的，即研究应达到的目标，通过研究的背景加以说明（即你为什么要…...
JavaScript系列从入门到精通系列第十四篇：JavaScript中函数的简介以及函数的声明方式以及函数的调用
文章目录 一：函数的简介 1：概念和简介 2：创建一个函数对象 3：调用函数对象 4：函数对象的普通功能 5：使用函数声明来创建一个函数对象 6：使用函数声明创建一个匿名函数 一：函…...
当我们做后仿时我们究竟在仿些什么（三）
异步电路之间必须消除毛刺 之前提到过，数字电路后仿的一个主要目的就是动态验证异步电路时序。异步电路的时序是目前STA工具无法覆盖的。 例如异步复位的release是同步事件，其时序是可以靠STA保证的；但是reset是异步事件，它的时序…...
如何将超大文件压缩到最小
1、一个文件目录，查看属性发现这个文件达到了2.50GB； 2、右键此目录选择添加到压缩文件； 3、在弹出的窗口中将压缩文件格式选择为RAR4，压缩方式选择为最好，选择字典大小最大，勾选压缩选项中的创建固实压缩&…...
[C#]C#最简单方法获取GPU显存真实大小
你是否用下面代码获取GPU显存容量？ using System.Management; private void getGpuMem() {ManagementClass c new ManagementClass("Win32_VideoController");foreach (ManagementObject o in c.GetInstances()){string gpuTotalMem String.For…...
【数据结构】红黑树(C++实现)
📝个人主页：Sherry的成长之路 🏠学习社区：Sherry的成长之路（个人社区） 📖专栏链接：数据结构 🎯长路漫漫浩浩，万事皆有期待 上一篇博客：【数据…...
day-64 代码随想录算法训练营（19）图论 part 03
827.最大人工岛 思路一：深度优先遍历 1.深度优先遍历，求出所有岛屿的面积，并且把每个岛屿记上不同标记2.使用 unordered_map 使用键值对，标记：面积，记录岛屿面积3.遍历所有海面，然后进行一次广…...
xss测试步骤总结
文章目录 测试流程1.开启burp2.测试常规xss语句3.观察回显4.测试闭合与绕过Level2Level3Level4Level5Level6Level7 5.xss绕过方法1)测试需观察点2)无过滤法3)">闭合4)单引号闭合事件函数5)双引号闭合事件函数6)引号闭合链接7)大小写绕过8)多写绕过9)unicode编码10)unic…...
2023最新简易ChatGPT3.5小程序全开源源码+全新UI首发+实测可用可二开（带部署教程）
源码简介： 2023最新简易ChatGPT3.5小程序全开源源码全新UI首发，实测可以用，而且可以二次开发。这个是最新ChatGPT智能AI机器人微信小程序源码，同时也带部署教程。 这个全新版本的小界面设计相当漂亮，简单大方&#x…...
【Redis】数据过期策略和数据淘汰策略
数据过期策略和淘汰策略 过期策略 Redis所有的数据结构都可以设置过期时间，时间一到，就会自动删除。 问题：大家都知道，Redis是单线程的，如果同一时间太多key过期，Redis删除的时间也会占用线程的处理时间…...
使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式
一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明：假设每台服务器已…...
【Axure高保真原型】引导弹窗
今天和大家中分享引导弹窗的原型模板，载入页面后，会显示引导弹窗，适用于引导用户使用页面，点击完成后，会显示下一个引导弹窗，直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…...
Android Wi-Fi 连接失败日志分析
1. Android wifi 关键日志总结 (1) Wi-Fi 断开 (CTRL-EVENT-DISCONNECTED reason3) 日志相关部分： 06-05 10:48:40.987 943 943 I wpa_supplicant: wlan0: CTRL-EVENT-DISCONNECTED bssid44:9b:c1:57:a8:90 reason3 locally_generated1解析： CTR…...
【WiFi帧结构】
文章目录 帧结构MAC头部管理帧 帧结构 Wi-Fi的帧分为三部分组成：MAC头部frame bodyFCS，其中MAC是固定格式的，frame body是可变长度。 MAC头部有frame control，duration，address1，address2，addre…...
Python：操作 Excel 折叠
💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～💖 本博客的精华专栏： 【自动化测试】 【测试经验】 【人工智能】 【Python】 Python 操作 Excel 系列 读取单元格数据按行写入设置行高和列宽自动调整行高和列宽水平…...
工程地质软件市场：发展现状、趋势与策略建议
一、引言 在工程建设领域，准确把握地质条件是确保项目顺利推进和安全运营的关键。工程地质软件作为处理、分析、模拟和展示工程地质数据的重要工具，正发挥着日益重要的作用。它凭借强大的数据处理能力、三维建模功能、空间分析工具和可视化展示手段&…...
P3 QT项目----记事本（3.8）
3.8 记事本项目总结 项目源码 1.main.cpp #include "widget.h" #include <QApplication> int main(int argc, char *argv[]) {QApplication a(argc, argv);Widget w;w.show();return a.exec(); } 2.widget.cpp #include "widget.h" #include &q…...
自然语言处理——循环神经网络
自然语言处理——循环神经网络 循环神经网络应用到基于机器学习的自然语言处理任务序列到类别同步的序列到序列模式异步的序列到序列模式 参数学习和长程依赖问题基于门控的循环神经网络门控循环单元（GRU）长短期记忆神经网络（LSTM）…...
Python Ovito统计金刚石结构数量
大家好，我是小马老师。 本文介绍python ovito方法统计金刚石结构的方法。 Ovito Identify diamond structure命令可以识别和统计金刚石结构，但是无法直接输出结构的变化情况。 本文使用python调用ovito包的方法，可以持续统计各步的金刚石结构，具体代码如下： from ovito…...
push [特殊字符] present
push 🆚 present 前言present和dismiss特点代码演示 push和pop特点代码演示 前言 在 iOS 开发中，push 和 present 是两种不同的视图控制器切换方式，它们有着显著的区别。 present和dismiss 特点 在当前控制器上方新建视图层级需要手动调用…...