- 2024-11-20ArkTS组件结构和状态管理
1.认识基本的组件结构ArkTS通过装饰器@Component和@Entry装饰struct关键字声明的数据结构,构成一个自定义组件自定义组件中提供了一个build函数,开发者需要在函数内以链式调用的方式进行基本的UI描述,UI描述的方法请参考UI描述规范srtuct-自定义组件基于struct实现
- 2024-11-15echart 环图
option={tooltip:{trigger:'item'},legend:{type:'scroll',icon:'circle',orient:'vertical',left:'42%',itemGap:8,top:'middle',itemHeight:20,tooltip:{show:true},formatter
- 2024-11-15ArkUI进阶-1
文章目录ArkUI(方舟UI框架)1.简介2.基本概念3.概述4.布局1.概述2.通用布局属性1.盒子属性2.背景属性3.定位属性4.通用属性3.线性布局(Row,Column)4.弹性布局(Flex)5.层叠布局(Stack)6.轮播(Swiper)
- 2024-11-11Python数据分析-超市销售数据分析和可视化
一、研究背景在现代零售业中,超市作为顾客日常消费的重要场所,承担着提供各种商品和服务的角色。随着数字化和电子商务的快速发展,消费者需求日益多样化,零售业竞争愈发激烈,了解消费者的购物行为、偏好、和消费模式成为超市经营和管理的关键因素之一。利用数据分析方法对超市销售
- 2024-11-10鸿蒙网络编程系列 43- 仓颉版 HttpRequest 下载文件示例
HttpRequest文件下载示例编写下面详细介绍创建该示例的步骤(确保DevEcoStudio已安装仓颉插件)。步骤1:创建[Cangjie]EmptyAbility项目。步骤2:在module.json5配置文件加上对权限的声明:"requestPermissions":[{"name":"ohos.permission.INTERNET"}]这里添加了访问
- 2024-11-10在鸿蒙NEXT中开发一个2048小游戏
本项目是基于api12开发的2048游戏,游戏的逻辑是当用户向某个方向滑动时,将该方向相邻且相等的数字相加,同时在空白区域的随机位置生成一个随机数字。游戏中的数字越大,分数越高。 首先,游戏的界面布局分别采用两个网格组件Grid来实现,难点在于上方的菜单栏是不均等的三种尺寸的组
- 2024-11-10【项目实战】机器学习分类预测(RF/SVM/Logistic)与可解释性分析(SHAP/LIME)
机器学习分类预测与SHAP可解释性分析研究目的今天,我将尝试预测一个人是否会中风。首先,我将进行广泛的数据可视化。这将帮助我了解是否有任何特征看起来预示着中风,或者实际上预示着不会中风。接下来,我将建立多个模型,并选出表现最好的一个。我将使用f1分数作为主要指标,因为
- 2024-10-29Python数据分析-移动设备使用情况和用户行为分析
一、研究背景在信息化飞速发展的今天,移动设备已成为人们生活和工作中的必备工具。智能手机普及率持续增长,用户使用行为不断增多,从娱乐、社交到办公、学习,手机的使用已渗透到各个年龄段和社会群体。移动设备使用情况的多样化,为研究用户行为模式和手机使用偏好提供了丰富的数据
- 2024-10-24学习笔记(二):声明式UI描述
一、创建组件1、无参数组件:组件的接口定义没有包含必选构造参数,则组件后面的“()”不需要配置任何内容Divider()2、有参数组件如果组件的接口定义包含构造参数,则在组件后面的“()”配置相应参数Image('https://xyz/test.jpg')示例:Text组件的几种创建方式1、固定字符
- 2024-10-22100+SCI科研绘图系列教程(R和python)
科研绘图系列:箱线图加百分比点图展示组间差异-CSDN博客科研绘图系列:箱线图加蜜蜂图展示组间数据分布-CSDN博客科研绘图系列:小提琴图和双侧小提琴图展示组间差异-CSDN博客科研绘图系列:组间差异的STAMP图的ggplot2实现-CSDN博客科研绘图系列:组间差异误差棒展示-CSDN博客科研绘
- 2024-10-18Echarts 关于formatter的使用
其实这个 formatter很实用哈,可以自定义很多格式内容,尤其是提示和图例那边,还有柱状图的内容啥的官网给的案例啊,看不懂哈哈哈来点自己的小经验,几乎都可以实用啊,而且可以搭配rich自定义样式,1、字符串模板最简单的就是这样使用的,关于参数,这个官网给答案了,用啥取啥就行了, to
- 2024-10-15鸿蒙NEXT开发声明式UI是咋回事?
大家好,我是V哥,ArkTS是HarmonyOS优选的主力应用开发语言,它在TypeScript的基础上进行了扩展,提供了声明式UI描述、自定义组件和动态扩展UI元素的能力。这些能力与ArkUI开发框架中的系统组件及其相关的事件方法、属性方法等共同构成了UI开发的主体。ArkTS还提供了多维
- 2024-10-14vue(vue.js) —style样式
原文链接:vue(vue.js)—style样式–每天进步一点点(longkui.site)上一篇文章中简单介绍了vue中style的用法,这篇文章介绍以下vue中style的用法我们可以直接像下面这样写style<divstyle="width:50px;background-color:red"@click="changeCss">我是div</div>像
- 2024-10-08鸿蒙 Next 实战: 电子木鱼
前言正所谓:HelloWord是程序员学任何一门语言的第一个程序实践。这其实也是一个不错的正反馈,那如何让学习鸿蒙Next更有成就感呢?下面就演示一下从零开发一个鸿蒙Next版的电子木鱼,主打就是一个抽象! 实现要点页面布局木鱼点击木鱼音效动画特效自定义弹窗 开始实
- 2024-09-11echarts大屏适配(rem)+图表的文字适配
echarts大屏适配以及图标配置项里面的文字适配。1-创建js文件,并复制下面的函数(functionflexible(window,document){vardocEl=document.documentElementvardpr=window.devicePixelRatio||1//adjustbodyfontsizefunctionsetBodyFontSize(){
- 2024-08-31基于Python的顾客购物数据可视化分析
数据可视化分析实验数据集简介 本文在实验中考虑到实验使用设备的性能和环境的局限性,采用了kaggle官网上的的消费者购物数据集,数据地址:https://www.kaggle.com/datasets/iamsouravbanerjee/customer-shopping-trends-dataset。此数据包含了3900条记录,每条
- 2024-08-18matlab基础操作(八)
46.绘制椭圆,长轴为3.25,短轴为1.15 >>x=1.15*cos(t);y=3.25*sin(t);%y为长轴,x为短轴 >>subplot(2,2,1);plot(x,y); >>axisoff%不显示坐标轴 >>title('axisoff') >>subplot(2,2,2);plot(x,y); >>axisimage;%纵、横坐
- 2024-08-04ArkTS #02# Ability的调用及启动模式
1调用&单实例importcommonfrom'@ohos.app.ability.common'importWantfrom'@ohos.app.ability.Want'@Entry@ComponentstructIndex{@Statemessage:string='HelloWorld'build(){Row(){Column(){T
- 2024-08-03ArkTS #01# 组件通信
一、通过Prop单向传递/**单双向绑定都有*父组件@State,子组件@Link,孙组件@Prop*数据流向:父组件<-->子组件-->孙组件*/@Entry@ComponentexportstructBothBinding{@StatefatherValue:number=0//表示组件中的状态变量,这个状态变化会引起UI变更buil
- 2024-07-21基于python的非平稳时间序列模型
前言平稳时间序列指的是宽平稳时间序列,就是指时间序列的均值、方差和协方差等一二阶矩存在但不随时间改变,表现为时间的常数。若三个条件有一个不成立,那么就称该序列为非平稳时间序列。包括确定性趋势时间序列和随机性趋势时间序列。要想把非平稳的时间序列转化为平稳的时
- 2024-07-17绘制双Y轴图
1.导入数据库importpandasaspdimportmatplotlib.pyplotaspltimportnumpyasnpplt.rcParams['font.sans-serif']=['SimHei']2.导入数据path=r'path'df=pd.read_csv(path)x=df['date']y1=df['psavert']y2
- 2024-07-14机器学习方法(MATLAB)
机器学习是一类算法的总称,利用历史数据对机器进行训练,而学习到某种方法或模式,并建立预测未来结果的模型。机器学习分为两类学习方法:有监督学习,利用有标识的历史数据进行训练,实现对新数据的标识的预测。主要包括分类和回归。无监督学习,用于在历史数据中发现隐藏的模式或内在结
- 2024-07-06【三变量联合分布函数copula】利用AIC BIC确定单变量最优拟合函数、利用AIC确定三变量联合最优copula函数、计算联合概率(Matlab代码实现)
- 2024-07-06基于改进高斯-拉普拉斯滤波器的一维时间序列平滑与降噪(MATLAB)
以图像处理为例,拉普拉斯算子是基于图像的二阶导数来找到边缘并搜索过零点,传统的拉普拉斯算子常产生双像素宽的边缘,对于较暗区域中的亮斑进行边缘检测时,拉普拉斯运算就会使其变得更亮。因此,与梯度算子一样,拉普拉斯算子不能抑制图像的噪声。如果有一种算子能够将高斯平滑滤波器与
- 2024-07-05【三变量联合分布函数copula】利用AIC BIC确定单变量最优拟合函数、利用AIC确定三变量联合最优copula函数、计算联合概率(Matlab代码实现)