当前位置： 首页 > news >正文

python——Echarts现交互式动态可视化

news 2025/7/12 12:17:54

数据展示

20192018201720162015201420132012
北京5817.15785.91765430.78755081.264723.864027.16093661.10973314.934
天津2410.252106.23972310.35522723.52667.112390.35182079.07161760.0201
河北3742.673513.86433233.83322849.872649.182446.61662295.62032084.2825
山西2347.562292.69821867.002215571642.351820.6351701.62271516.378
内蒙古2059.741857.64931703.20952016.431964.481843.67361720.98431552.7453
辽宁2651.962616.08322392.76532200.492127.393192.78133343.81063105.3785
吉林1116.861240.88921210.90811263.781229.351203.38431156.96161041.2514
黑龙江1262.641282.5951243.31181148.411165.881301.3121277.39511163.1708
上海7165.17108.1486642.26386406.135519.54585.55344109.50863743.7053
江苏8802.368630.16058171.53158121.238028.597233.14266568.4645860.6884
浙江70486598.2125804.38375301.984809.944122.02113796.92413441.2267
安徽3182.543048.67052812.44952672.792454.32218.44182075.0751792.7192
福建3052.723007.40872809.03322654.832544.242362.21382119.44551776.1728
江西2486.512373.0082247.06242151.472165.741881.83151621.23581371.994
山东6526.646485.39596098.63245860.185529.335026.82734559.94634059.4301
河南4041.63766.01833407.21873153.473016.052739.25562415.44822040.331
湖北3388.393307.07823248.31593102.063005.532566.89532191.22211823.0532
湖南3006.992860.84432757.82122697.882515.432262.78592030.87581782.156
广东12651.4612105.255211320.349710390.359366.788065.07587081.46556229.1804
广西1811.891681.44661615.12731556.271515.161422.28031317.60351166.0614
海南814.13752.6673674.105637.51627.7555.3064481.014409.437
重庆2134.882265.54212252.37882227.912154.831922.01591693.24381703.4885
四川4070.693911.00923577.98873388.853355.443061.06842784.09522421.2703
贵州1767.361726.85161613.83771561.341503.381366.67311206.41461014.0547
云南2073.531994.34581886.16871812.291808.11698.05741611.29551338.1509
西藏222230.3543185.8341155.99137.13124.270895.023786.5827
陕西2287.732243.13912006.69391833.992059.951890.40441748.33051600.6862
甘肃850.23871.0537815.7323786.97743.86672.6698607.2717520.3993
青海282.14272.887246.1961238.51267.13251.6759223.8586186.4165
宁夏423.55436.5205417.5888387.66373.4339.8627308.3376263.9569
新疆1577.61531.42291466.51891298.951330.91282.33671128.4875908.9655

2011201020092008200720062005
3006.282353.93012026.80891837.32381492.6381117.1514919.2098
1455.131068.8093821.9916675.6186540.439417.0479331.8507
1737.771331.85471067.1231947.5858789.1198620.534515.7017
1213.43969.6652805.8279748.0047597.887583.3752368.3437
1356.671069.9776850.8588650.6764492.3615343.3774277.4553
2643.152004.83521591.21971356.08121082.6948817.6718675.2768
850.1602.4092487.0943422.7961320.6892245.2045207.152
997.55755.5788641.6627578.2773440.4689386.844318.2056
3429.832873.5842540.29752358.74642074.47921576.07421417.3976
5148.914079.85953228.782731.40742237.72761656.6821322.6753
3150.82608.46552142.51311933.3891649.49811298.20441066.5964
1463.561149.3952863.9175724.6197543.6973428.0265334.017
1501.511151.4923932.4282833.4032699.4577541.1707432.6003
1053.43778.0922581.3012488.6476389.851305.5214252.9236
3455.932749.38422198.63241957.05411675.3981356.25261073.125
1721.761381.31781126.06381008.9009862.0804679.1715537.6514
1526.911011.2314814.8653710.8492590.3552476.0823375.5217
1517.071081.6901847.6178722.7122606.5508477.9274395.2651
5514.844517.04453649.8113310.32352785.80072179.46081807.2044
947.72771.9918620.9888518.4245418.8265342.5788283.0359
340.12270.9915178.242144.8584108.293581.813968.6802
1488.33952.0745655.1701577.5738442.7317.7165256.8072
2044.791561.67271174.59271041.6603850.8606607.585479.6635
773.08533.7309416.4761347.8416285.1375226.8157182.4963
1111.16871.1875698.2525614.0518486.7146379.9702312.649
54.7636.647330.089424.882320.141214.560712.0312
1500.18958.2065735.2704591.475475.2398362.4805275.3183
450.12353.5833286.5898264.965190.9107141.2152123.5026
151.81110.215387.738171.569256.708342.243733.8222
219.98153.5507111.575595.00980.031261.35747.7216
720.43500.5759388.7848361.0616285.86219.4628180.3184
20042003200220012000
744.4874592.5388533.99454.1676344.9968
246.18204.5295209.7021163.635133.6069
407.8273335.8263302.3068283.5023248.7621
256.3634186.0547150.8245132.7618114.4762
196.7589138.7157112.854699.431395.032
529.6405447.049399.6888370.4387295.6274
166.2807154.0033131.4885121.1015103.8267
289.42248.8643231.8908213.6398185.3379
1106.1932886.2277719.79609.4719485.3777
980.4939798.1065643.6966572.1473448.3097
805.9479706.5607566.8522500.6948342.7745
274.6284220.7487200.2154192.1813178.7187
333.523304.7095272.8867274.2846234.1061
205.7667168.167140.5457131.979111.5536
828.3306713.7877610.2242573.1793463.6788
428.7799338.0535296.7179267.7459246.4694
310.4464259.7636243.4403231.941214.345
320.6279268.6469231.1459205.4078177.0403
1418.50561315.51511201.61261160.5126910.556
237.7721203.6578186.732178.6706147.0539
57.035851.320546.238543.765639.1995
200.6241161.5618157.8651106.124387.2442
385.7848336.5917291.8746271.1245233.863
149.2855124.5552108.2899.749485.2324
263.3618228.9992206.7594191.2799180.745
10.01888.14997.30826.11085.3848
214.9586177.33150.2934135.8109114.9711
104.1687.656176.243269.948561.2849
26.99624.041121.096519.824116.5843
37.467730.03126.471427.574520.8244
155.704128.2218116.472495.093379.0724

在 Python 中，可以使用 Echarts 来实现交互式动态可视化。Echarts 是一个强大的可视化库，能够创建各种精美的图表和可视化效果。

以下是实现步骤：

一、安装必要的库

首先，确保你已经安装了 Python 和以下库：

  • pyecharts：用于在 Python 中生成 Echarts 图表。

可以使用以下命令安装 pyecharts：

pip install pyecharts

二、创建图表

  1. 导入所需的模块：
from pyecharts.charts import Bar
from pyecharts import options as opts
  1. 创建一个柱状图示例：
bar = Bar()
bar.add_xaxis(["A", "B", "C", "D", "E"])
bar.add_yaxis("Series 1", [10, 20, 30, 40, 50])
bar.set_global_opts(title_opts=opts.TitleOpts(title="Sample Bar Chart"))

三、渲染图表

  1. 可以将图表渲染为 HTML 文件：
bar.render("bar_chart.html")
  1. 也可以在 Jupyter Notebook 中直接显示图表：
bar.render_notebook()


import pyecharts.options as opts
from pyecharts.globals import ThemeType
from pyecharts.commons.utils import JsCode
from pyecharts.charts import Timeline, Grid, Bar, Map, Pie
import pandas as pd
data = pd.read_excel('全国各省财政收入.xlsx',index_col=0)years=list(data.keys()) #获取列名
citys=list(data.index)    #获取索引行名
citys=[city.replace('省','').replace('市','').replace('自治区','') for city in citys]
datas=[]
for time in years:dict_year={}dict_year['time']=timedata_list=[[i,j] for i,j in zip(citys,list(data[time]))]dict_year['data']=sorted(data_list, key=(lambda x: x[1]),reverse=True)datas.append(dict_year)
def get_year_chart(year: int):map_data = [datasDict["data"] for datasDict in datas if datasDict["time"]==year][0][:10]print(map_data)min_data, max_data = (min([d[1] for d in map_data]),max([d[1] for d in map_data]),)map_chart = (Map(init_opts=opts.InitOpts(theme=ThemeType.DARK))## 实例化一个Map对象.add(series_name="",data_pair=map_data,label_opts=opts.LabelOpts(is_show=True),is_map_symbol_show=False,maptype="china")#创建地图#Map图表中add基本参数为：add(‘图例名称’,date,maptype)，maptype选项分为：全球：world；中国：china；#set_series_opts(label_opts=opts.LabelOpts(is_show=False))作用为不显示地图中省份名称#设置全局配置项.set_global_opts(title_opts=opts.TitleOpts(title="{}年以来中国各省GDP排名情况".format(year),subtitle="GDP单位:亿元",pos_left="center",pos_top="top",title_textstyle_opts=opts.TextStyleOpts(font_size=25, color="rgba(123,104,238, 0.9)"),),visualmap_opts=opts.VisualMapOpts(is_calculable=True,dimension=0,pos_left="10",pos_top="center",#range_text=["High", "Low"],range_color=["lightskyblue", "yellow", "orangered"],#visualMap 组件过渡颜色 (可以自定义)(颜色从淡到深)textstyle_opts=opts.TextStyleOpts(color="#ddd"),#文字样式配置项min_=min_data,max_=max_data,),#视觉映射配置项，设置最大值后不同金额会显示不同颜色))bar_x_data = [x[0] for x in map_data]bar_y_data = [x[1] for x in map_data]bar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK)).add_xaxis(xaxis_data=bar_x_data).add_yaxis(series_name="",y_axis=bar_y_data,label_opts=opts.LabelOpts(is_show=True, position="right", formatter="{b}: {c}"),).reversal_axis()#横向柱状图展示.set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(is_show=False)),#对X轴和Y轴标上名字yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(is_show=False)),#柱状图X轴和Y轴上面的个性化标记,旋转坐标轴: 解决坐标轴名字过长的问题tooltip_opts=opts.TooltipOpts(is_show=True),#要设置柱形图上面的提示框，这个时候需要用到TooltipOpts。visualmap_opts=opts.VisualMapOpts(is_calculable=True,#是否显示拖拽用的手柄dimension=0,pos_left="10",pos_top="center",range_text=["High", "Low"],range_color=["lightskyblue", "yellow", "orangered"],textstyle_opts=opts.TextStyleOpts(color="#ddd"),min_=min_data,max_=max_data,),))pie_data = [[x[0], x[1]] for x in map_data]percent_sum = sum([x[1] for x in map_data])print(percent_sum)rest_value = 0for d in map_data:rest_percent = 100.0rest_percent = rest_percent - percent_sumrest_value = d[1] * (rest_percent / d[1])pie = (Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK)).add(series_name="",data_pair=pie_data,radius=["12%", "20%"],# #百分比根据实际情况进行修改（空心和实心）,饼图的半径，数组的第一项是内半径，第二项是外半径center=["80%", "90%"],#饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标itemstyle_opts=opts.ItemStyleOpts(border_width=1, border_color="rgba(0,0,0,0.3)"#RGBA，比如'rgba(128, 128, 128, 0.5),0.5参数通道表示不透明度),## 图元样式配置项).set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=True, formatter="{b} {d}%"),legend_opts=opts.LegendOpts(is_show=False),))grid_chart = (Grid()#Grid 类：并行显示多张图.add(bar,grid_opts=opts.GridOpts(pos_left="10", pos_right="45%", pos_top="70%", pos_bottom="5"),).add(pie, grid_opts=opts.GridOpts()).add(map_chart, grid_opts=opts.GridOpts()))return grid_chart
# 生成时间轴实现轮播
time_list = list(range(2000,2020))
#timeline本身是时间轴，Timeline 类：提供时间线轮播多张图
timeline = Timeline(init_opts=opts.InitOpts(width="900px", height="400px", theme=ThemeType.DARK)
)
for time in time_list:g = get_year_chart(year=time)timeline.add(g, time_point=str(time))
timeline.add_schema(orient="vertical",is_auto_play=True,#是否自动播放。is_inverse=True,##是否反向放置 timeline，反向则首位颠倒过来play_interval=500,#表示播放的速度（跳动的间隔）pos_left="null",pos_right="5",pos_top="20",pos_bottom="20",width="50",label_opts=opts.LabelOpts(is_show=True, color="#fff"),
)
timeline.render(path='test_bar.html')

import pyecharts.options as opts
from pyecharts.charts import Timeline, Map
import pandas as pd# 读取 Excel 文件中的数据（假设你的 Excel 文件中包含省份和对应年份的 GDP 数据）
data = pd.read_excel('全国各省财政收入.xlsx', index_col=0)
years = list(data.keys())
citys = list(data.index)
citys = [city.replace('省', '').replace('市', '').replace('自治区', '') for city in citys]# 重新组织数据
total_data = {}
for year in years:temp = list(data[year])total_data[year] = []for i in range(len(temp)):total_data[year].append({"name": citys[i], "value": temp[i]})# 获取指定年份的中国地图图表
def get_map_chart(year: int) -> Map:map_chart = (Map().add("GDP", total_data[year], "china").set_global_opts(title_opts=opts.TitleOpts(title=f"{year}年各省 GDP 分布"),visualmap_opts=opts.VisualMapOpts(max_=max([item["value"] for item in total_data[year]]),min_=min([item["value"] for item in total_data[year]]))))return map_chart# 生成时间轴的图
timeline = Timeline()for y in years:timeline.add(get_map_chart(year=y), time_point=str(y))# 设置时间轴自动播放等属性
timeline.add_schema(is_auto_play=True, play_interval=1000)
timeline.render("gdp_china_map_timeline.html")

 

import pyecharts.options as opts
from pyecharts.charts import Timeline, Bar, Pie
import pandas as pd# 读取 Excel 文件中的数据
data = pd.read_excel('全国各省财政收入.xlsx', index_col=0)
years = list(data.keys())
citys = list(data.index)
citys = [city.replace('省', '').replace('市', '').replace('自治区', '') for city in citys]# 重新组织数据
total_data = {}
for year in years:temp = list(data[year])total_data[year] = []for i in range(len(temp)):total_data[year].append({"name": citys[i], "value": temp[i]})max_data = max(temp)sum_data = sum(temp)total_data[str(year) + "max"] = int(max_data / 100) * 100total_data[str(year) + "sum"] = sum_data# 获取指定年份的图表
def get_year_overlap_chart(year: int) -> Bar:bar = (Bar().add_xaxis(xaxis_data=[item["name"] for item in total_data[year]]).add_yaxis(series_name="财政收入",y_axis=[item["value"] for item in total_data[year]],label_opts=opts.LabelOpts(is_show=False),).set_global_opts(title_opts=opts.TitleOpts(title="{}年全国各省财政收入".format(year), subtitle="数据来源：全国各省财政收入.xlsx"),tooltip_opts=opts.TooltipOpts(is_show=True, trigger="axis", axis_pointer_type="shadow"),legend_opts=opts.LegendOpts(selected_map={"财政收入": False,}),))return bar# 生成时间轴的图
timeline = Timeline()for y in years:timeline.add(get_year_overlap_chart(year=y), time_point=str(y))# 设置时间轴自动播放等属性
timeline.add_schema(is_auto_play=True, play_interval=1000)
timeline.render("finance_indices_2003.html")

 

 

import pyecharts.options as opts
from pyecharts.charts import Pie
import pandas as pd
import pandas as pd
from pyecharts.charts import Bar, Scatter
from pyecharts import options as opts# 读取 Excel 文件中的数据
data = pd.read_excel('全国各省财政收入.xlsx', index_col=0)
years = list(data.keys())
citys = list(data.index)
citys = [city.replace('省', '').replace('市', '').replace('自治区', '') for city in citys]# 重新组织数据
total_data = {}
for year in years:temp = list(data[year])total_data[year] = []for i in range(len(temp)):total_data[year].append({"name": citys[i], "value": temp[i]})# 选择某一年份（这里以第一年为例）来绘制饼图
year = years[0]
data_for_pie = total_data[year]# 获取饼图
def get_pie_chart() -> Pie:pie = (Pie().add("",[(item["name"], item["value"]) for item in data_for_pie],radius=["30%", "75%"],).set_global_opts(title_opts=opts.TitleOpts(title=f"{year}年全国各省财政收入饼图"),tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"),).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")))return pieget_pie_chart().render("pie_chart.html")

 

相关文章：

python——Echarts现交互式动态可视化

数据展示 20192018201720162015201420132012北京5817.15785.91765430.78755081.264723.864027.16093661.10973314.934天津2410.252106.23972310.35522723.52667.112390.35182079.07161760.0201河北3742.673513.86433233.83322849.872649.182446.61662295.62032084.2825山西234…...

编程日记 2024/10/8 9:36:29

【含开题报告+文档+PPT+源码】基于SSM框架的民宿酒店预定系统的设计与实现

开题报告 随着人们旅游需求的增加&#xff0c;民宿行业呈现出快速发展的趋势。传统的住宿方式逐渐无法满足人们对个性化、舒适、便捷的需求&#xff0c;而民宿作为一种新型的住宿选择&#xff0c;逐渐受到人们的青睐。民宿的特点是具有独特的风格、便捷的地理位置、相对亲近的…...

编程日记 2024/10/8 9:35:27

正确理解协程

import asyncio# 定义一个异步函数&#xff08;协程&#xff09; async def say_after(delay, what):# 等待指定的时间await asyncio.sleep(delay)# 打印消息print(what)# 定义另一个异步函数 async def main():# 同时启动两个协程&#xff0c;并等待这2个协程结束await say_af…...

编程日记 2024/10/8 9:34:26

蒙特卡罗方法 - 采样和蒙特卡罗方法篇

序言 蒙特卡罗&#xff08; Monte Carlo \text{Monte Carlo} Monte Carlo&#xff09;方法&#xff0c;也被称为计算机随机模拟方法&#xff0c;是一种基于“随机数”的计算方法。这一方法源于美国在第二次世界大战期间研制原子弹的“曼哈顿计划”。其核心思想是使用随机数&am…...

编程日记 2024/10/8 9:33:25

论文阅读：InternVL v1.5| How Far Are We to GPT-4V? 通过开源模型缩小与商业多模式模型的差距

论文地址&#xff1a;https://arxiv.org/abs/2404.16821 Demo&#xff1a; https://internvl.opengvlab.com Model&#xff1a;https://huggingface.co/OpenGVLab/InternVL-Chat-V1-5 公开时间&#xff1a;2024年4月29日 InternVL1.5&#xff0c;是一个开源的多模态大型语言模…...

编程日记 2024/10/8 9:32:23

什么是电能表PTB认证

电能表PTB认证是指电能表产品经过德国国家计量研究所&#xff08;Physikalisch-Technische Bundesanstalt&#xff0c;简称PTB&#xff09;的认证和审核过程。PTB是德国联邦政府在计量、物理、材料和测试领域的技术专家和合作伙伴&#xff0c;拥有世界领先的技术水平和专业知识…...

编程日记 2024/10/8 9:30:20

C# 单例模式继承

简介&#xff1a;单例模式是软件工程中最著名的模式之一。从本质上讲&#xff0c;singleton 是一个只允许创建自身的单个实例的类&#xff0c;并且通常提供对该实例的简单访问。最常见的是&#xff0c;单例不允许在创建实例时指定任何参数 - 否则&#xff0c;对实例进行第二次请…...

编程日记 2024/10/8 9:26:14

ESP8266模块（WIFI STM32）

目录 一、介绍 二、传感器原理 1.原理图 2.引脚描述 3.ESP8266基础AT指令介绍 4.ESP8266基础工作模式 三、程序设计 main.c文件 esp8266.h文件 esp8266.c文件 四、实验效果 五、资料获取 项目分享 一、介绍 ESP8266是一款嵌入式系统级芯片&#xff0c;它集成了Wi…...

编程日记 2024/10/8 9:24:09

微信小程序学习实录9：掌握wx.chooseMedia实现多图片文件上传功能（选择图片、预览图片、上传图片）

要实现多图片上传到服务器&#xff0c;需要在小程序前端和PHP后端分别进行相应的设置。 基本流程 微信小程序提供了丰富的API来支持多图片上传功能。在微信小程序中实现多图片的选择、预览以及上传到服务器的功能&#xff1a; 1. 选择图片 使用 wx.chooseImage API 可以让用…...

编程日记 2024/10/8 9:23:08

助动词的分类及其缩略形式

助动词的分类及其缩略形式 1. 助动词 (auxiliary verb)2. 基本助动词 (primary auxiliary)2.1. 基本助动词 be、do 和 have2.2. 实义动词 be、do 和 have 3. 情态助动词 (modal auxiliary)3.1. 情态助动词取代情态动词 4. 半助动词 (semi-auxiliary)4.1. 不能与 it ... that-cl…...

编程日记 2024/10/8 9:20:03

Redis——分布式锁

在一个分布式系统中&#xff0c;只要涉及到多个节点访问同一个公共资源的时候&#xff0c;就需要加锁来实现互斥&#xff0c;从而达到线程安全的问题。 但是呢&#xff0c;分布式系统不同一些&#xff0c;因为分布式系统部署在不同的服务器上&#xff0c;很可能大量的请求打到…...

编程日记 2024/10/8 9:19:02

C++面试速通宝典——13

208. class里面定义int a&#xff0c;如果不实现构造函数&#xff0c;实例化这个类&#xff0c;a的值是&#xff1f; ‌‌‌‌　　答&#xff1a;a的值是未定义的&#xff08;在C标准中成为“未初始化”&#xff09;。 解释&#xff1a; ‌‌‌‌　　在C中&#xff0c;如果一…...

编程日记 2024/10/8 9:18:01

数据结构（二叉树）

1. 树相关术语 父结点/双亲结点&#xff1a;如果一个结点有子结点那么它就是父结点或者双亲结点&#xff1b;例如A是BCDEFG的父结点&#xff0c;J是PQ的父结点等等&#xff1b;子结点&#xff1a;一个结点含有的子树的根节点称为该结点的子结点&#xff1b;如上图的H是D的子结点…...

编程日记 2024/10/8 9:10:50

Windows 通过 Docker 安装 GitLab

1. 安装 Docker Desktop 下载网站&#xff1a;Windows | Docker Docs 2. 拉取 GitLab Docker 镜像 打开 PowerShell 或 命令提示符&#xff0c;拉取 GitLab 镜像&#xff1a; docker pull gitlab/gitlab-ee:latest或则使用社区版&#xff1a; docker pull gitlab/gitlab-ce…...

编程日记 2024/10/8 9:05:43

SQL专项练习第六天

Hive 在处理不同数据需求时的灵活性和强大功能&#xff0c;包括间隔连续问题的处理、行列转换、交易数据查询、用户登录统计以及专利数据分析等方面。本文将介绍五个 Hive 数据处理问题的解决方案&#xff0c;并通过实际案例进行演示。 先在home文件夹下建一个hivedata文件夹&a…...

编程日记 2024/10/8 8:59:36

CSS——属性值计算

CSS——属性值计算 今天来详细讲解一下 CSS的属性值计算过程&#xff0c;这是 CSS 的核心之一&#xff08;另一个是视觉可视化模型&#xff0c;个人理解&#xff0c;这个相对复杂&#xff0c;以后再讲&#xff09;。 基本概念 层叠样式表&#xff1a;Cascade Style Sheet&am…...

编程日记 2024/10/8 8:58:34

408算法题leetcode--第26天

496. 下一个更大元素 I 题目地址&#xff1a;496. 下一个更大元素 I - 力扣&#xff08;LeetCode&#xff09; 题解思路&#xff1a;单调栈&#xff0c;如注释 时间复杂度&#xff1a;O(n m) 空间复杂度&#xff1a;O(n) 代码: class Solution { public:vector<int&g…...

编程日记 2024/10/8 8:54:28

JavaScript 与浏览器存储

JavaScript提供了两种存储数据的方式&#xff1a;LocalStorage和SessionStorage。这两种方式都是浏览器提供的客户端存储解决方案&#xff0c;可以将数据保存在用户的浏览器中&#xff0c;供网站使用。 LocalStorage和SessionStorage的区别在于数据的作用域和生命周期。 Loca…...

编程日记 2024/10/8 8:53:26

Chromium 如何查找已经定义好的mojom函数实现c++

进程通信定义通常都是用.mojom文件或者idl文件格式 以content\common\frame.mojom里面的BeginNavigation函数为例。 一、如何查找BeginNavigation函数定义&#xff0c;在vscode里面直接搜索BeginNavigation&#xff0c;过滤条件 *.idl,*.mojom,*.cc 效果&#xff1a; 这样…...

编程日记 2024/10/8 8:52:25

图文深入理解Oracle DB Scheduler(续)-调度的创建

List item 今天是国庆假期最后一天。窗外&#xff0c;秋雨淅淅沥沥淅淅下个不停。继续深宅家中&#xff0c;闲来无事&#xff0c;就多写几篇博文。 本篇承接前一篇&#xff0c;继续图文深入介绍Oracle DB Scheduler。本篇主要介绍调度的创建。 1. 创建基于时间的作业 • 可以…...

编程日记 2024/10/8 8:48:21

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…...

编程新知 2025/7/12 5:29:51

基于算法竞赛的c++编程（28）结构体的进阶应用

结构体的嵌套与复杂数据组织 在C中&#xff0c;结构体可以嵌套使用&#xff0c;形成更复杂的数据结构。例如&#xff0c;可以通过嵌套结构体描述多层级数据关系&#xff1a; struct Address {string city;string street;int zipCode; };struct Employee {string name;int id;…...

编程新知 2025/6/17 5:30:27

地震勘探——干扰波识别、井中地震时距曲线特点

目录 干扰波识别反射波地震勘探的干扰波 井中地震时距曲线特点 干扰波识别 有效波&#xff1a;可以用来解决所提出的地质任务的波&#xff1b;干扰波&#xff1a;所有妨碍辨认、追踪有效波的其他波。 地震勘探中&#xff0c;有效波和干扰波是相对的。例如&#xff0c;在反射波…...

编程新知 2025/7/1 10:09:55

工业安全零事故的智能守护者：一体化AI智能安防平台

前言&#xff1a; 通过AI视觉技术&#xff0c;为船厂提供全面的安全监控解决方案&#xff0c;涵盖交通违规检测、起重机轨道安全、非法入侵检测、盗窃防范、安全规范执行监控等多个方面&#xff0c;能够实现对应负责人反馈机制&#xff0c;并最终实现数据的统计报表。提升船厂…...

编程新知 2025/7/11 13:47:54

DockerHub与私有镜像仓库在容器化中的应用与管理

哈喽&#xff0c;大家好&#xff0c;我是左手python&#xff01; Docker Hub的应用与管理 Docker Hub的基本概念与使用方法 Docker Hub是Docker官方提供的一个公共镜像仓库&#xff0c;用户可以在其中找到各种操作系统、软件和应用的镜像。开发者可以通过Docker Hub轻松获取所…...

编程新知 2025/6/27 0:59:29

基于ASP.NET+ SQL Server实现（Web）医院信息管理系统

医院信息管理系统 1. 课程设计内容 在 visual studio 2017 平台上&#xff0c;开发一个“医院信息管理系统”Web 程序。 2. 课程设计目的 综合运用 c#.net 知识&#xff0c;在 vs 2017 平台上&#xff0c;进行 ASP.NET 应用程序和简易网站的开发&#xff1b;初步熟悉开发一…...

编程新知 2025/7/11 13:57:01

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&#xff08;GRU&#xff09;长短期记忆神经网络&#xff08;LSTM&#xff09…...

编程新知 2025/7/11 20:08:39

AI，如何重构理解、匹配与决策？

AI 时代&#xff0c;我们如何理解消费&#xff1f; 作者&#xff5c;王彬 封面&#xff5c;Unplash 人们通过信息理解世界。 曾几何时&#xff0c;PC 与移动互联网重塑了人们的购物路径&#xff1a;信息变得唾手可得&#xff0c;商品决策变得高度依赖内容。 但 AI 时代的来…...

编程新知 2025/7/12 12:03:31

JavaScript 数据类型详解

JavaScript 数据类型详解 JavaScript 数据类型分为 原始类型&#xff08;Primitive&#xff09; 和 对象类型&#xff08;Object&#xff09; 两大类&#xff0c;共 8 种&#xff08;ES11&#xff09;&#xff1a; 一、原始类型&#xff08;7种&#xff09; 1. undefined 定…...

编程新知 2025/7/8 3:08:09

群晖NAS如何在虚拟机创建飞牛NAS

套件中心下载安装Virtual Machine Manager 创建虚拟机 配置虚拟机 飞牛官网下载 https://iso.liveupdate.fnnas.com/x86_64/trim/fnos-0.9.2-863.iso 群晖NAS如何在虚拟机创建飞牛NAS - 个人信息分享...

编程新知 2025/7/12 5:48:37