当前位置：首页 > news >正文

Pandas的数据转换函数

news 2025/7/7 23:26:47

Pandas的数据转换函数：map, apply, applymap

参数	描述
map	只用于Series,实现每个值->值的映射
apply	用于Series实现每个值的处理，用于DataFrame实现某个轴的Series的处理
applymap	只能用于DataFrame, 用于处理该DataFrame的每个元素

1. map用于Series值的转换

将股票代码英文转换成中文名字
Series.map(dict) or Series.map(function)均可

import pandas as pd
file_path = r'C:\TELCEL_MEXICO_BOT\A\互联网公司股票.xlsx'
stocks = pd.read_excel(file_path)print(stocks)日期    公司       收盘      开盘       高       低    交易量   涨跌幅
0  2019-10-03  BIDU   104.32  102.35  104.73  101.15   2.24  0.02
1  2019-10-02  BIDU   102.62  100.85  103.24   99.50   2.69  0.01
2  2019-10-01  BIDU   102.00  102.80  103.26  101.00   1.78 -0.01
3  2019-10-03  BABA  1169.48  166.65  170.18  165.00  10.39  0.02
4  2019-10-02  BABA   165.77  162.82  166.88  161.90  11.60  0.00
5  2019-10-01  BABA   165.15  168.01  168.23  163.64  14.19 -0.01
6  2019-10-03    IQ    16.06   15.71   16.38   15.32  10.08  0.02
7  2019-10-02    IQ    15.72   15.85   15.87   15.12   8.10 -0.01
8  2019-10-01    IQ    15.92   16.14   16.22   15.50  11.65 -0.01
9  2019-10-03    JD   128.80   28.11   28.97   27.82   8.77 -0.03
10 2019-10-02    JD   128.06   28.00   28.22   27.53   9.53  0.00
11 2019-10-01    JD    28.19   28.22   28.57   27.97  10.64  0.00print(stocks['公司'].unique())
['BIDU' 'BABA' 'IQ' 'JD']## 公司股票代码到中文的映射，注意这是小写
dict_company_names = {'bidu':'百度','baba':'阿里巴巴','iq':'爱奇艺','jd':'京东'}
## 方法1: Series.map(dict)
stocks['公司中文'] = stocks['公司'].str.lower().map(dict_company_names) 
print(stocks)日期    公司       收盘      开盘       高       低    交易量   涨跌幅  公司中文
0  2019-10-03  BIDU   104.32  102.35  104.73  101.15   2.24  0.02    百度
1  2019-10-02  BIDU   102.62  100.85  103.24   99.50   2.69  0.01    百度
2  2019-10-01  BIDU   102.00  102.80  103.26  101.00   1.78 -0.01    百度
3  2019-10-03  BABA  1169.48  166.65  170.18  165.00  10.39  0.02  阿里巴巴
4  2019-10-02  BABA   165.77  162.82  166.88  161.90  11.60  0.00  阿里巴巴
5  2019-10-01  BABA   165.15  168.01  168.23  163.64  14.19 -0.01  阿里巴巴
6  2019-10-03    IQ    16.06   15.71   16.38   15.32  10.08  0.02   爱奇艺
7  2019-10-02    IQ    15.72   15.85   15.87   15.12   8.10 -0.01   爱奇艺
8  2019-10-01    IQ    15.92   16.14   16.22   15.50  11.65 -0.01   爱奇艺
9  2019-10-03    JD   128.80   28.11   28.97   27.82   8.77 -0.03    京东
10 2019-10-02    JD   128.06   28.00   28.22   27.53   9.53  0.00    京东
11 2019-10-01    JD    28.19   28.22   28.57   27.97  10.64  0.00    京东## 方法2：Series.map(function), function的参数是Series的每个元素的值
print(stocks)日期    公司       收盘      开盘       高       低    交易量   涨跌幅
0  2019-10-03  BIDU   104.32  102.35  104.73  101.15   2.24  0.02
1  2019-10-02  BIDU   102.62  100.85  103.24   99.50   2.69  0.01
2  2019-10-01  BIDU   102.00  102.80  103.26  101.00   1.78 -0.01
3  2019-10-03  BABA  1169.48  166.65  170.18  165.00  10.39  0.02
4  2019-10-02  BABA   165.77  162.82  166.88  161.90  11.60  0.00
5  2019-10-01  BABA   165.15  168.01  168.23  163.64  14.19 -0.01
6  2019-10-03    IQ    16.06   15.71   16.38   15.32  10.08  0.02
7  2019-10-02    IQ    15.72   15.85   15.87   15.12   8.10 -0.01
8  2019-10-01    IQ    15.92   16.14   16.22   15.50  11.65 -0.01
9  2019-10-03    JD   128.80   28.11   28.97   27.82   8.77 -0.03
10 2019-10-02    JD   128.06   28.00   28.22   27.53   9.53  0.00
11 2019-10-01    JD    28.19   28.22   28.57   27.97  10.64  0.00dict_company_names = {'bidu':'百度','baba':'阿里巴巴','iq':'爱奇艺','jd':'京东'}
stocks['公司中文2'] = stocks['公司'].map(lambda x:dict_company_names[x.lower()])
print(stocks)日期    公司       收盘      开盘       高       低    交易量   涨跌幅 公司中文2
0  2019-10-03  BIDU   104.32  102.35  104.73  101.15   2.24  0.02    百度
1  2019-10-02  BIDU   102.62  100.85  103.24   99.50   2.69  0.01    百度
2  2019-10-01  BIDU   102.00  102.80  103.26  101.00   1.78 -0.01    百度
3  2019-10-03  BABA  1169.48  166.65  170.18  165.00  10.39  0.02  阿里巴巴
4  2019-10-02  BABA   165.77  162.82  166.88  161.90  11.60  0.00  阿里巴巴
5  2019-10-01  BABA   165.15  168.01  168.23  163.64  14.19 -0.01  阿里巴巴
6  2019-10-03    IQ    16.06   15.71   16.38   15.32  10.08  0.02   爱奇艺
7  2019-10-02    IQ    15.72   15.85   15.87   15.12   8.10 -0.01   爱奇艺
8  2019-10-01    IQ    15.92   16.14   16.22   15.50  11.65 -0.01   爱奇艺
9  2019-10-03    JD   128.80   28.11   28.97   27.82   8.77 -0.03    京东
10 2019-10-02    JD   128.06   28.00   28.22   27.53   9.53  0.00    京东
11 2019-10-01    JD    28.19   28.22   28.57   27.97  10.64  0.00    京东

2. apply用于Series和DataFrame的转换

Series.apply(function), 函数的参数是每个值
DataFrame.apply(function),函数的参数是Series

import pandas as pd
import numpy as np
file_path = r'C:\TELCEL_MEXICO_BOT\A\互联网公司股票.xlsx'
stocks = pd.read_excel(file_path)
print(stocks)日期    公司       收盘      开盘       高       低    交易量   涨跌幅
0  2019-10-03  BIDU   104.32  102.35  104.73  101.15   2.24  0.02
1  2019-10-02  BIDU   102.62  100.85  103.24   99.50   2.69  0.01
2  2019-10-01  BIDU   102.00  102.80  103.26  101.00   1.78 -0.01
3  2019-10-03  BABA  1169.48  166.65  170.18  165.00  10.39  0.02
4  2019-10-02  BABA   165.77  162.82  166.88  161.90  11.60  0.00
5  2019-10-01  BABA   165.15  168.01  168.23  163.64  14.19 -0.01
6  2019-10-03    IQ    16.06   15.71   16.38   15.32  10.08  0.02
7  2019-10-02    IQ    15.72   15.85   15.87   15.12   8.10 -0.01
8  2019-10-01    IQ    15.92   16.14   16.22   15.50  11.65 -0.01
9  2019-10-03    JD   128.80   28.11   28.97   27.82   8.77 -0.03
10 2019-10-02    JD   128.06   28.00   28.22   27.53   9.53  0.00
11 2019-10-01    JD    28.19   28.22   28.57   27.97  10.64  0.00dict_company_names = {'bidu':'百度','baba':'阿里巴巴','iq':'爱奇艺','jd':'京东'}## Series.apply(function)stocks['公司中文3'] = stocks['公司'].apply(lambda x:dict_company_names[x.lower()] )
print(stocks)日期    公司       收盘      开盘       高       低    交易量   涨跌幅 公司中文3
0  2019-10-03  BIDU   104.32  102.35  104.73  101.15   2.24  0.02    百度
1  2019-10-02  BIDU   102.62  100.85  103.24   99.50   2.69  0.01    百度
2  2019-10-01  BIDU   102.00  102.80  103.26  101.00   1.78 -0.01    百度
3  2019-10-03  BABA  1169.48  166.65  170.18  165.00  10.39  0.02  阿里巴巴
4  2019-10-02  BABA   165.77  162.82  166.88  161.90  11.60  0.00  阿里巴巴
5  2019-10-01  BABA   165.15  168.01  168.23  163.64  14.19 -0.01  阿里巴巴
6  2019-10-03    IQ    16.06   15.71   16.38   15.32  10.08  0.02   爱奇艺
7  2019-10-02    IQ    15.72   15.85   15.87   15.12   8.10 -0.01   爱奇艺
8  2019-10-01    IQ    15.92   16.14   16.22   15.50  11.65 -0.01   爱奇艺
9  2019-10-03    JD   128.80   28.11   28.97   27.82   8.77 -0.03    京东
10 2019-10-02    JD   128.06   28.00   28.22   27.53   9.53  0.00    京东
11 2019-10-01    JD    28.19   28.22   28.57   27.97  10.64  0.00    京东## DataFrame.apply(function)stocks['公司中文4'] = stocks.apply(lambda x:dict_company_names[x['公司'].lower()], axis=1)
print(stocks)日期    公司       收盘      开盘       高       低    交易量   涨跌幅 公司中文4
0  2019-10-03  BIDU   104.32  102.35  104.73  101.15   2.24  0.02    百度
1  2019-10-02  BIDU   102.62  100.85  103.24   99.50   2.69  0.01    百度
2  2019-10-01  BIDU   102.00  102.80  103.26  101.00   1.78 -0.01    百度
3  2019-10-03  BABA  1169.48  166.65  170.18  165.00  10.39  0.02  阿里巴巴
4  2019-10-02  BABA   165.77  162.82  166.88  161.90  11.60  0.00  阿里巴巴
5  2019-10-01  BABA   165.15  168.01  168.23  163.64  14.19 -0.01  阿里巴巴
6  2019-10-03    IQ    16.06   15.71   16.38   15.32  10.08  0.02   爱奇艺
7  2019-10-02    IQ    15.72   15.85   15.87   15.12   8.10 -0.01   爱奇艺
8  2019-10-01    IQ    15.92   16.14   16.22   15.50  11.65 -0.01   爱奇艺
9  2019-10-03    JD   128.80   28.11   28.97   27.82   8.77 -0.03    京东
10 2019-10-02    JD   128.06   28.00   28.22   27.53   9.53  0.00    京东
11 2019-10-01    JD    28.19   28.22   28.57   27.97  10.64  0.00    京东## 注意在这个代码中
1. apply 是在stocks这个DataFrame上调用
2. lambda x 的 x是一个Series,因为指定了axis=1,所以Series的key是列名，可以用x['公司']获取

3. applymap用于DataFrame所有值的转换

import pandas as pdfile_path = r'C:\TELCEL_MEXICO_BOT\A\互联网公司股票.xlsx'
stocks = pd.read_excel(file_path)
print(stocks)日期    公司       收盘      开盘       高       低    交易量   涨跌幅
0  2019-10-03  BIDU   104.32  102.35  104.73  101.15   2.24  0.02
1  2019-10-02  BIDU   102.62  100.85  103.24   99.50   2.69  0.01
2  2019-10-01  BIDU   102.00  102.80  103.26  101.00   1.78 -0.01
3  2019-10-03  BABA  1169.48  166.65  170.18  165.00  10.39  0.02
4  2019-10-02  BABA   165.77  162.82  166.88  161.90  11.60  0.00
5  2019-10-01  BABA   165.15  168.01  168.23  163.64  14.19 -0.01
6  2019-10-03    IQ    16.06   15.71   16.38   15.32  10.08  0.02
7  2019-10-02    IQ    15.72   15.85   15.87   15.12   8.10 -0.01
8  2019-10-01    IQ    15.92   16.14   16.22   15.50  11.65 -0.01
9  2019-10-03    JD   128.80   28.11   28.97   27.82   8.77 -0.03
10 2019-10-02    JD   128.06   28.00   28.22   27.53   9.53  0.00
11 2019-10-01    JD    28.19   28.22   28.57   27.97  10.64  0.00sub_df = stocks[['收盘', '开盘','高', '低', '交易量']]
print(sub_df)收盘      开盘       高       低    交易量
0    104.32  102.35  104.73  101.15   2.24
1    102.62  100.85  103.24   99.50   2.69
2    102.00  102.80  103.26  101.00   1.78
3   1169.48  166.65  170.18  165.00  10.39
4    165.77  162.82  166.88  161.90  11.60
5    165.15  168.01  168.23  163.64  14.19
6     16.06   15.71   16.38   15.32  10.08
7     15.72   15.85   15.87   15.12   8.10
8     15.92   16.14   16.22   15.50  11.65
9    128.80   28.11   28.97   27.82   8.77
10   128.06   28.00   28.22   27.53   9.53
11    28.19   28.22   28.57   27.97  10.64## 将这些数据取整数，应用于所有元素
print(sub_df.applymap(lambda x:int(x)))收盘   开盘    高    低  交易量
0    104  102  104  101    2
1    102  100  103   99    2
2    102  102  103  101    1
3   1169  166  170  165   10
4    165  162  166  161   11
5    165  168  168  163   14
6     16   15   16   15   10
7     15   15   15   15    8
8     15   16   16   15   11
9    128   28   28   27    8
10   128   28   28   27    9
11    28   28   28   27   10## 直接修改原df的这几列stocks.loc[:,['收盘', '开盘','高', '低', '交易量']] = sub_df.applymap(lambda x:int(x))
print(stocks)日期    公司    收盘   开盘    高    低  交易量   涨跌幅
0  2019-10-03  BIDU   104  102  104  101    2  0.02
1  2019-10-02  BIDU   102  100  103   99    2  0.01
2  2019-10-01  BIDU   102  102  103  101    1 -0.01
3  2019-10-03  BABA  1169  166  170  165   10  0.02
4  2019-10-02  BABA   165  162  166  161   11  0.00
5  2019-10-01  BABA   165  168  168  163   14 -0.01
6  2019-10-03    IQ    16   15   16   15   10  0.02
7  2019-10-02    IQ    15   15   15   15    8 -0.01
8  2019-10-01    IQ    15   16   16   15   11 -0.01
9  2019-10-03    JD   128   28   28   27    8 -0.03
10 2019-10-02    JD   128   28   28   27    9  0.00
11 2019-10-01    JD    28   28   28   27   10  0.00

Pandas的数据转换函数

Pandas的数据转换函数：map, apply, applymap 参数描述map只用于Series,实现每个值->值的映射apply用于Series实现每个值的处理，用于DataFrame实现某个轴的Series的处理applymap只能用于DataFrame, 用于处理该DataFrame的每个元素 1. map用于Series值…...

编程日记 2025/3/7 8:31:02

影刀 RPA 实战开发阶段总结

目录 1. 影刀 RPA 官方教程的重要性 1.1系统全面的知识体系 1.2 权威准确的技术指导 1.3 贴合实际的案例教学 1.4高效的学习方法引导 2. 官方视频教程与实战 2.1 官方视频教程：奠定坚实基础 2.2 实战：拓展应用视野 3. 往期实战博文导航 3.1 初级…...

编程日记 2025/3/7 8:30:00

Linux系统上安装kafka

目录 1. 安装Java环境 2. 下载和解压Kafka 3. 配置Kafka 4. 启动ZooKeeper和Kafka 5. 测试Kafka 6. 停止服务 7.常见问题 1. 安装Java环境 Kafka依赖Java运行环境（JDK 8或更高版本）： # 安装OpenJDK（推荐） yum…...

编程日记 2025/3/7 8:26:57

DeepSeek如何快速开发PDF转Word软件

一、引言如今，在线工具的普及让PDF转Word成为了一个常见需求，常见的PDF转Word工具有收费的WPS，免费的有PDFGear，以及在线工具SmallPDF、iLovePDF、24PDF等。然而，大多数免费在线转换工具存在严重隐私风险——文件需上…...

编程日记 2025/3/7 8:24:55

虚拟机 | Ubuntu图形化系统： open-vm-tools安装失败以及实现文件拖放

系列文章目录虚拟机 | Ubuntu 安装流程以及界面太小问题解决文章目录系列文章目录虚拟机 | Ubuntu 安装流程以及界面太小问题解决前言一、VMware Tools 和 open-vm-tools 是什么1、VMware Tools2、open-vm-tools 二、推荐使用open-vm-tools（简单）1、…...

编程日记 2025/3/7 8:22:53

Mysql-经典故障案例（1）-主从同步由于主键问题引发的故障

故障报错 Could not execute Write_rows event on table test.users; Duplicate entry 3 for key PRIMARY, Error_code: 1062; handler error HA_ERR_FOUND_DUPP_KEY; the events master log mysql-bin.000031, end_log_pos 3297这是由于从库存在与主库相同主键值，…...

编程日记 2025/3/7 8:21:52

Linux下学【MySQL】中如何实现：多表查询（配sql+实操图+案例巩固通俗易懂版~）

每日激励：“不设限和自我肯定的心态：I can do all things。 — Stephen Curry” 绪论： 本章是MySQL篇中，非常实用性的篇章，相信在实际工作中对于表的查询，很多时候会涉及多表的查询，在多表查询…...

编程日记 2025/3/7 8:15:46

ubuntu局域网部署stable-diffusion-webui记录

需要局域网访问，如下设置： 过程记录查看源码： 查看源码，原来修改参数：--server-name 故启动： ./webui.sh --server-name0.0.0.0 安装下载记录： 快速下载可设置： export HF_ENDPOI…...

编程日记 2025/3/7 8:13:43

最基于底层的运算符——位运算符

位运算符是直接对二进制位（bit）进行操作的运算符，它们在底层开发、算法优化和特定场景（如位掩码、数据压缩）中非常高效。以下是常见位运算符的详解、使用技巧及注意事项： 一、六大核心位运算符 1. 按位与&…...

编程日记 2025/3/7 8:12:42

代码随想录算法训练营第三十二天 | 509. 斐波那契数 70. 爬楼梯 746. 使用最小花费爬楼梯

509. 斐波那契数力扣题目链接(opens new window) 斐波那契数，通常用 F(n) 表示，形成的序列称为斐波那契数列。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是： F(0) 0，F(1) 1 F(n) F(n -…...

编程日记 2025/3/7 8:08:38

3-9 WPS JS宏单元格复制、重定位应用(拆分单表到多表)

************************************************************************************************************** 点击进入 -我要自学网-国内领先的专业视频教程学习网站 *******************************************************************************************…...

编程日记 2025/3/7 8:02:32

C++ 中前置 `++` 与后置 `++` 运算符重载

C 中前置与后置运算符重载的设计原理与使用规范 1. 为什么后置返回对象而不是引用？ 原因： 后置需要返回自增前的旧值，但旧值在运算后已被修改。为了保存旧值，必须在函数内部创建一个临时对象（拷贝原对象的状态…...

编程日记 2025/3/7 8:00:29

Scala：case class（通俗易懂版）

1. case class 是什么？ 想象你要做一个表格，比如学生信息表，每一行需要填：姓名、年龄、成绩。在代码里，这种“表格的一行”就是一个数据对象，case class 就是帮你快速创建这种“表格行”的工具。普通方…...

编程日记 2025/3/7 7:54:23

Vue、React、原生小程序的写法对比差异

以下是从变量、方法、路由、状态管理、父子传值等多个维度对 Vue、React、原生小程序的对比表格：技术对比表格功能/技术Vue (Options/Composition API)React (Hooks)原生微信小程序变量定义data() { return { count: 0 } }(Options API)const count = ref(0)(Composition…...

编程日记 2025/3/7 7:53:22

【AIGC系列】6：HunyuanVideo视频生成模型部署和代码分析

AIGC系列博文： 【AIGC系列】1：自编码器（AutoEncoder, AE） 【AIGC系列】2：DALLE 2模型介绍（内含扩散模型介绍） 【AIGC系列】3：Stable Diffusion模型原理介绍【AIGC系列】4&#xff1…...

编程日记 2025/3/7 7:42:10

java 初学知识点总结

自己总结着玩 1.基本框架 public class HelloWorld{ public static void main(String[] args){ }//类名用大写字母开头 } 2.输入： (1)Scanner:可读取各种类型，字符串相当于cin>>; Scanner anew Scanner(System.in); Scan…...

编程日记 2025/3/7 7:37:04

Android MVC、MVP、MVVM三种架构的介绍和使用。

写在前面：现在随便出去面试Android APP相关的工作，面试官基本上都会提问APP架构相关的问题，用Java、kotlin写APP的话，其实就三种架构MVC、MVP、MVVM，MVC和MVP高度相似，区别不大，MVVM则不同&…...

编程日记 2025/3/7 7:34:02

AI视频领域的DeepSeek—阿里万相2.1图生视频

让我们一同深入探索万相 2.1 ，本文不仅介绍其文生图和文生视频的使用秘籍，还将手把手教你如何利用它实现图生视频。如下为生成的视频效果（我录制的GIF动图） 如下为输入的图片目录 1.阿里巴巴全面开源旗下视频生成模型万相2.1模…...

编程日记 2025/3/7 7:28:57

IDEA 2024.1.7 Java EE 无框架配置servlet

1、创建一个目录（文件夹）lib来放置我们的库 2、将tomcat目录下的lib文件夹中的servlet-api.jar文件复制到刚创建的lib文件夹下。 3、把刚才复制到lib下的servlet-api.jar添加为库 4、在src下新建一个package：com.demo，然后创…...

编程日记 2025/3/7 7:27:56

STM32---FreeRTOS中断管理试验

一、实验实验目的：学会使用FreeRTOS的中断管理创建两个定时器，一个优先级为4，另一个优先级为6；注意：系统所管理的优先级范围 ：5~15 现象：两个定时器每1s，打印一段字符串&#x…...

编程日记 2025/3/7 7:26:55

React 第五十五节 Router 中 useAsyncError的使用详解

前言 useAsyncError 是 React Router v6.4 引入的一个钩子，用于处理异步操作（如数据加载）中的错误。下面我将详细解释其用途并提供代码示例。一、useAsyncError 用途处理异步错误：捕获在 loader 或 action 中发生的异步错误替…...

编程新知 2025/6/18 6:31:56

FastAPI 教程：从入门到实践

FastAPI 是一个现代、快速（高性能）的 Web 框架，用于构建 API，支持 Python 3.6。它基于标准 Python 类型提示，易于学习且功能强大。以下是一个完整的 FastAPI 入门教程，涵盖从环境搭建到创建并运行一个简单的…...

编程新知 2025/7/5 11:09:46

（二）原型模式

原型的功能是将一个已经存在的对象作为源目标，其余对象都是通过这个源目标创建。发挥复制的作用就是原型模式的核心思想。一、源型模式的定义原型模式是指第二次创建对象可以通过复制已经存在的原型对象来实现，忽略对象创建过程中的其它细节。 📌 核心特点：避免重复初…...

编程新知 2025/7/5 23:16:12

让AI看见世界：MCP协议与服务器的工作原理

让AI看见世界：MCP协议与服务器的工作原理 MCP（Model Context Protocol）是一种创新的通信协议，旨在让大型语言模型能够安全、高效地与外部资源进行交互。在AI技术快速发展的今天，MCP正成为连接AI与现实世界的重要桥梁。…...

编程新知 2025/7/5 8:46:40

Unit 1 深度强化学习简介

Deep RL Course ——Unit 1 Introduction 从理论和实践层面深入学习深度强化学习。学会使用知名的深度强化学习库，例如 Stable Baselines3、RL Baselines3 Zoo、Sample Factory 和 CleanRL。在独特的环境中训练智能体，比如 SnowballFight、Huggy the Do…...

编程新知 2025/6/26 3:44:44

全面解析各类VPN技术：GRE、IPsec、L2TP、SSL与MPLS VPN对比

目录引言 VPN技术概述 GRE VPN 3.1 GRE封装结构 3.2 GRE的应用场景 GRE over IPsec 4.1 GRE over IPsec封装结构 4.2 为什么使用GRE over IPsec？ IPsec VPN 5.1 IPsec传输模式（Transport Mode） 5.2 IPsec隧道模式（Tunne…...

编程新知 2025/6/17 4:01:05

GC1808高性能24位立体声音频ADC芯片解析

1. 芯片概述 GC1808是一款24位立体声音频模数转换器（ADC），支持8kHz~96kHz采样率，集成Δ-Σ调制器、数字抗混叠滤波器和高通滤波器，适用于高保真音频采集场景。 2. 核心特性高精度：24位分辨率&#xff0c…...

编程新知 2025/7/7 12:16:45

使用Spring AI和MCP协议构建图片搜索服务

目录使用Spring AI和MCP协议构建图片搜索服务引言技术栈概览项目架构设计架构图服务端开发 1. 创建Spring Boot项目 2. 实现图片搜索工具 3. 配置传输模式 Stdio模式（本地调用） SSE模式（远程调用） 4. 注册工具提…...

编程新知 2025/7/5 15:39:29

宇树科技，改名了！

提到国内具身智能和机器人领域的代表企业，那宇树科技（Unitree）必须名列其榜。最近，宇树科技的一项新变动消息在业界引发了不少关注和讨论，即： 宇树向其合作伙伴发布了一封公司名称变更函称，因…...

编程新知 2025/7/7 18:38:51

Python 训练营打卡 Day 47

注意力热力图可视化在day 46代码的基础上，对比不同卷积层热力图可视化的结果 import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms from torch.utils.data import DataLoader import matplotlib.pypl…...

编程新知 2025/7/6 11:33:09

相关文章：