精华内容
下载资源
问答
  • 如何一键计算OR值

    2020-09-01 15:33:20
    OR值>1时,说明暴露使疾病危险度增高,是疾病的危险因素。 RR(相对危险度,relative ratio),适用于队列研究(前瞻性研究),其指暴露组发病率 与 对照组的 发病率之比,其数值意义与OR值类似。RR值越大,表明...

    OR(比值比,odds ratio),其是病例对照研究(回顾性研究)中常用的指标,用于测量暴露因素与疾病因素之间关联强度;其实际意义为:暴露组疾病危险度 是 对照组疾病危险度的多少倍。危险度=发病数 / 非发病数。当OR值>1时,说明暴露使疾病危险度增高,是疾病的危险因素。

    RR(相对危险度,relative ratio),适用于队列研究(前瞻性研究),其指暴露组发病率 与 对照组的 发病率之比,其数值意义与OR值类似。RR值越大,表明暴露的效应越大,暴露与结局的关联的强度越大。

     

    OR值=(a/b) / (c/d)=ad/bc

    RR值=(a/(a+b))/(c/(c+d))

     

    操作步骤

    Logistic回归中,自动会输出OR值及95%置信区间。如果想单独计算两组数据的OR值、及其置信区间,可使用SPSSAU【医学研究】--【OR值】。

     

     

    案例:以吸烟者和罹患肺癌的风险为例。暴露组(吸烟者)中有20人患上肺癌(阳性),80人没有患上肺癌(阴性);而非暴露组(非吸烟者)中,有5人患上肺癌,95人没有患上肺癌。

    现希望分析暴露与疾病风险程度的关系(OR值),并且可查看发病率比例情况(RR值)。

     

    ①选择【医学研究】--【OR值】。

    ②在下面的文本框中输入数据,然后单击“开始分析”按钮即可。

     

    SPSSAU OR值

     

    本例子中暴露组中阳性(患病)的数量为20,暴露组中阴性(未患病)的数量是80;非暴露组中阴性(患病)的数量为5,非暴露组中阳性(未患病)的数量是95。置信水平默认设为95%。

     

    结果解读

    输出结果如下:

     

    交叉表

     

    OR值

     

    SPSSAU智能分析

     

    结果显示,OR值为4.750(95.0% CI:1.706~13.227),通过z检验(z=2.982,p=0.003),意味着暴露组和对照组的风险程度有着明显的统计学差异。OR值>1,说明吸烟为导致肺癌的危险因素,并且吸烟者患癌症的风险程度是非吸烟者患癌症风险程度的4.75倍。

     

    RR值

     

    SPSSAU智能分析

     

    结果显示,RR值为4.000(95.0% CI:1.563~10.240),通过z检验(z=2.891,p=0.004),意味着暴露组和对照组的风险程度有着显著的统计学差异 。暴露因素会导致4倍的发病率。与非吸烟者相比,吸烟者的发病率是非吸烟者发病率的4倍。

     

    以上就是本次分享内容,登录SPSSAU官网了解更多内容

    展开全文
  • <p>I want to count the recurrence of a true or false and output which has the most. Is there a predefined function to do this in PHP? So far I have done it like this (<code>isHappy()</code> method): ...
  • How can I automatically calculate the total and total prices when the user enters the quantities and unit prices using javaScript or jQuery? <pre><code><!DOCTYPE html> <html> <head>...
  • <a href="https://stackoverflow.com/questions/1256117/algorithm-that-will-take-numbers-or-words-and-find-all-possible-combinations">algorithm that will take numbers or words and find all possible ...
  • 加权平均与平均A weighted average is one that takes into account the importance, or weight, of each value. This article will show you how to use Excel’s SUMPRODUCT and SUM functions individually ...
    加权平均值与平均值

    加权平均值与平均值

    Microsoft Excel Logo

    A weighted average is one that takes into account the importance, or weight, of each value. This article will show you how to use Excel’s SUMPRODUCT and SUM functions individually and how to combine the two to calculate a weighted average.

    加权平均值是考虑到每个值的重要性或权重的平均值。 本文将向您展示如何分别使用Excel的SUMPRODUCT和SUM函数,以及如何将两者结合起来以计算加权平均值。

    什么是加权平均值? (What is a Weighted Average?)

    A weighted average is an average that takes into account the importance, or weight, of each value.  A good example would be calculating a student’s final grade based on their performance on a variety of different assignments and tests. Individual assignments usually don’t count as much towards a final grade as the final exam—things like quizzes, tests, and final exams will all have different weights. The weighted average is calculated as the sum of all of the values multiplied by their weights divided by the sum of all of the weights.

    加权平均值是考虑每个值的重要性或权重的平均值。 一个很好的例子是根据学生在各种不同的作业和测验中的表现来计算他们的最终成绩。 通常,个人作业对期末成绩的重视程度不及期末考试的重要程度,例如测验,测试和期末考试的权重都不同。 加权平均值计算为所有值的总和乘以其权重再除以所有权重的总和。

    The following example will demonstrate how to use Excel’s SUMPRODUCT and SUM functions to calculate a weighted average.

    下面的示例将演示如何使用Excel的SUMPRODUCT和SUM函数来计算加权平均值。

    让我们看一个例子 (Let’s Look at an Example)

    For our example, let’s look at a student’s quiz and exam scores. There are six quizzes each worth 5% of the total grade, two exams each worth 20% of the total grade, and one final exam worth 30% of the total grade.  The student’s final grade will be a weighted average, and we will use the SUMPRODUCT and SUM functions to calculate it.

    对于我们的示例,让我们看一下学生的测验和考试成绩。 有6个测验,每个测验占总成绩的5%;两个测验,每个测验占总成绩的20%;以及一个期末测验,占测验总值的30%。 学生的最终成绩将是加权平均值,我们将使用SUMPRODUCT和SUM函数进行计算。

    As you can see in our table below, we’ve already assigned the relative weights to each quiz and exam in the D column.

    如您在下表中所见,我们已经在D列中为每个测验和考试分配了相对权重。

    Excel table showing scores and weights assigned to several quizzes and exams

    第一步:计算SUMPRODUCT (Step One: Calculate the SUMPRODUCT)

    First, let’s look at how the SUMPRODUCT function works. Start by selecting the cell where you want the result to appear (in our example, that’s cell D13). Next, navigate to the “Formulas” menu, select the “Math & Trig” drop-down, scroll to the bottom, and click on the “SUMPRODUCT” function.

    首先,让我们看一下SUMPRODUCT函数的工作方式。 首先选择要在其中显示结果的单元格(在我们的示例中为D13单元格)。 接下来,导航到“公式”菜单,选择“数学和触发”下拉菜单,滚动到底部,然后单击“ SUMPRODUCT”功能。

    On the Formulas tab, click Math & Trig, then select SUMPRODUCT

    The “Function Arguments” window will appear.

    出现“功能参数”窗口。

    the Function Arguments window

    For the “Array1” box, select the student’s scores. Here, we’re selecting all the cells with actual scores in the C column.

    对于“ Array1”框,选择学生的分数。 在这里,我们选择C列中所有具有实际分数的单元格。

    In the Array1 box, select the cells with the grades

    Next, use the “Array2” box to select the weights of the quizzes and exams. For us, those are in the D column.

    接下来,使用“ Array2”框选择测验和检查的权重。 对我们来说,这些在D列中。

    In the Array2 box, select the cells with the weights

    Click “OK” when you’re done.

    完成后,单击“确定”。

    Click OK in the Function Arguments window

    The SUMPRODUCT function will multiply each score by its corresponding weight and then return the sum of all of those products.

    SUMPRODUCT函数将每个分数乘以其相应的权重,然后返回所有这些乘积的总和。

    The Excel table now shows the SUMPRODUCT value

    第二步:计算总和 (Step Two: Calculate the SUM)

    Now let’s look at how the SUM function works. Select the cell where you want the results to appear (in our example, that’s cell D14). Next, navigate to the “Formulas” menu, select the “Math & Trig” drop-down, scroll to the bottom, and click on the “SUM” function.

    现在让我们看一下SUM函数的工作方式。 选择要在其中显示结果的单元格(在我们的示例中,为单元格D14)。 接下来,导航到“公式”菜单,选择“数学和触发”下拉菜单,滚动到底部,然后单击“求和”功能。

    On the Formulas tab, click Math & Trig, then select SUM

    The “Function Arguments” window will appear.

    出现“功能参数”窗口。

    The Function Arguments window

    For the “Number1” box, select all of the weights.

    对于“ Number1”框,选择所有权重。

    In the Number1 box, select the cells with the weights

    Click “OK.”

    点击“确定”。

    click OK in the Function Arguments window

    The SUM function will add all of the values together.

    SUM函数会将所有值加在一起。

    The Excel table now shows the SUM value

    第三步:结合SUMPRODUCT和SUM来计算加权平均值 (Step Three: Combine the SUMPRODUCT and SUM to Calculate the Weighted Average)

    Now we can combine the two functions to determine the student’s final grade based on their scores and the weights of each score. Select the cell where the weighted average should go (for us that’s cell D15) and then type the following formula into the function bar.

    现在,我们可以结合这两个功能,根据学生的分数和每个分数的权重来确定其最终成绩。 选择加权平均值应到达的单元格(对于我们来说是D15单元格),然后在功能栏中键入以下公式。

    =SUMPRODUCT(C3:C11,D3:D11)/SUM(D3:D11)
    
    select the weighted average cell and then type the formula

    Press “Enter” after typing the formula to view the weighted average.

    输入公式后,按“ Enter”以查看加权平均值。

    The table now shows the weighted average

    And there you have it. It’s a fairly simple example, but it’s a good one for showing how weighted averages work.

    那里有。 这是一个非常简单的示例,但是它是展示加权平均值的工作原理的一个很好的例子。

    翻译自: https://www.howtogeek.com/401826/how-to-calculate-a-weighted-average-in-excel/

    加权平均值与平均值

    展开全文
  • <p>As I fill this table, since the features are not mutually exclusive, I will get records which include a combination of 2 or more of these features. For example: <p>Car 1 has power steering and ...
  • <p>I wanna solve this problem ... Assume that, there is an array in variable named $ar, and exist 5 numbers in this array, so i want to calculate geometric average of these numbers through Pascal or ...
  • <p>Can you please show me an example of how i can add the value next to the <code>row1-</code> to count up the value in each time and if the <code>row1-20</code> or whatever it is that do not exist ...
  • <p>I have made a shopping cart , but ... This might be really easy, however I am really struggling, any help welcome, or point me in the right direction to look up how to do it will be great. </div>
  • but when having large inputs, the PHP <code>trader_sma</code> is 10 times faster than my function. Therefore, I came to the conclusion that my function is not the correct or at least the efficiency ...
  • <p>Technically speaking I want to know whether or not the current iteration value is close to my average value, or not. If its close, the result number should be closer to 1. If its far away from my ...
  • I want limit <code>username</code> input value only 20 character, if i input 20 or more <code>string</code> only, this code work, but if i input (e.g : Admin123Admin123Admin123) thats not work, my ...
  • but I am not sure if that will work because I don't know how to get the last value, or if the best approach is creating triggers for this, or trying to pull the value and use php to get the value, ...
  • <p>Here's my php. i cant remember if i need a return or not. I'm simple trying to take input from a ...
  • 点击蓝字关注我R语言metaplus包的介绍导言小伙伴们大家好,在我上一篇的推文里详细讲解了如何利用R语言的meta包并以OR值和 95%CI作为效应尺度进行合并作meta分析的文章,大家有需要的可以去看看。由于最近我做了不少...

    点击蓝字

    93726bc8ee49b47ee29c4f2d3ab76cc7.png

    关注我

    R语言metaplus包的介绍

    93726bc8ee49b47ee29c4f2d3ab76cc7.png

    导言

    93726bc8ee49b47ee29c4f2d3ab76cc7.png

    小伙伴们大家好,在我上一篇的推文里详细讲解了如何利用R语言的meta包并以OR值和 95%CI作为效应尺度进行合并作meta分析的文章,大家有需要的可以去看看。由于最近我做了不少关于meta分析的研究,也有了更多的经验,现在计划一点点向大家分享出来。

    其实meta分析并不只是用R才能做,其他的还有SAS,STATA,RevMan,MIX,Meta-DiSc等等许多,但是可以说R语言是个meta分析的全才,不仅可以完成经典的meta分析功能,一些新近出现的meta分析方法如网状meta分析等,也都可以用它完美实现,而且我也发现用R做的话,它的代码其实并不多,就那么几行核心代码,但是能做的事情却很多,许多的数据一丢进来,跑个代码就OK。所以我还是推荐大家用R做meta分析,它并不像大家想象的那么难。不过当然,这里面不同的分析方法和程序却有很多,在这篇文章例我主要向大家介绍metaplus包的使用方法,请小伙伴们结合自己的实际需要进行使用。

    对于meta分析的理论部分还有R软件包以及RStudio的获取大家可以看我公众号的上一篇推文《如何利用R语言进行meta分析—详细教程(以OR值和 95%CI作为效应尺度进行合并)》,在这里就不赘述了。metaplus 程序包是 R 专用于实现 robust meta 分析和 Meta 回归的程序包metaplus 程序包,总体上可以分为 Meta 分析和Meta回归两大功能。其主要执行函数命令有metaplus 函数、testOutliers 函数和 outlierProbs 函数。其中,metaplus 函数用于模型拟合、选择合适模型及绘制森林图等;testOutliers 及 outlierProbs函数用于检测数据中的离群值。我们在这里以图1的数据为例(数据来源:参考文献2),以data

    图1中的数据说明:

    study:纳入研究的作者名;

    smd(study effect estimate):研究效应量;

    varsmd(study effect variance):研究效应量的方差;

    sesmd(study effect standard error):研究效应量的标准误;

    duration:干预时间,单位为周;

    duration4:干预时间与 4 周差值;

    duration8:干预时间与8周差值;

    duration12:干预时间与 12 周差值 。

    若有读者想与我取得联系,可以在公众号内找到我的联系方式,或者直接搜索我的微信号:westwood2016(添加好友时请注明来意)

    c123e72f630e3d8c4796cef5ce911120.png

    图1

    1 模型的选择 与拟合

    6836fb8a28325efce3752d264849e0ed.png

    图2

    安装包与录入数据:(整理后的数据见图2)

    install.packages(“metaplus”)

    library(“metaplus”)

    对”duration”列按升序排列:

    data

    1.1 标准正态随机效应模型

    b7b8e903471b730dd3366c6a37fc7700.png

    图3

    data.meta

    random="normal", data=data)

    summary(data.meta)

    命令中 smd 为观察的效应量,sesmd 为效应量的标准误,mods 为各研究相对应的协变量数据框架,slab 为与每个研究相对应的字符串向量(Vector of character strings corresponding to each study),random 为随机效应的类型(normal 表示正态分布,t-dist 表示 t 分布,mixture 表示混合分布),data为数据。上述数据的标准正态随机效应模型 Meta 分析结果见表2和表3。结果如图3。

    72a6203894a7cc71205f6cd2f5e0aac8.png

    1.2 t分布随机效应模型

    43ebbf156726a519dd401982ebff0327.png

    图4

    metaplus 软件包进行t分布随机效应模型 Meta 分析与标准正态随机效应模型类似,只需要将参数 random 赋值为“t-dist”即可,具体命令如下:

    data.meta

    summary(data.meta)

    上述数据的标准正态随机效应模型 Meta 分析结果见表4和表5。结果如图4。

    ede977001ce7d0a04be7d8f16b06d942.png

    1.3 混合随机效应模型

    995bd36d988399ea78520b5472295095.png

    图5

    metaplus进行混合随机效应模型合并只需要参数random赋值为“mixture”即可,具体命令如下:

    data.meta

    summary(data.meta)

    上述数据的标准正态随机效应模型 Meta 分析结果见表6和表7。结果如图5。

    cab93c7d0672c7bda20998136b00a8c3.png

    2 离群值检验

    32d58f04b40f4a084e6e7f5e00c0401d.png

    对于 分布随机效应模型,离群值的检验需要自由度趋近为无穷大;对于混合随机效应模型,离群值的检验需要离群研究概率密度函数的权重趋近为零。

    由于这两个检验都涉及参数空间边界上的参数,渐近理论不适用,所以在零假设下运用参数自举的方法来检验统计量的经验分布。然后将观察到的统计量似然比与此分布进行比较,以确定P 值。由于参数自举中使用大量随机生成的数据,P值是不同的。metaplus 提供了 testOutliers 函数进行离群值检验,命令如下:

    data.testOutliers

    summary(data.testOutliers)

    离群值检验的结果见图6。

    此外,metaplus 还提供 outliersProbs 用于计算离群概率,对于混合随机效应模型和 t 分布随机效应模型可以计算出每个研究的离群概率,并使用plot 命令绘制离群概率图像,结果见图7。命令如下:

    data.outlierProbs

    plot(data.outlierProbs)

    离群概率图结果见图8。

    7c40844040cc90bacf913b0d899d9ddd.png

    图6

    3 模型选择

    对于相关模型的拟合与选择,总体上依据AIC(赤池信息量准则)和 BIC(贝叶斯信息规则)的数值。AIC 和 BIC 都是对模型的拟合效果进行评价的指标,若 AIC 和 BIC 值越小,则模型对数据的拟合越好。

    t 分布随机效应模型和混合随机效应模型比标准正态随机效应模型的 AIC 和 BIC 的值低,那么倾向于选择 t 分布随机效应模型和混合随机效应模型。结合 testOutliers 和 outlierProbs 函数,可以对研究数据中的离群值进行检测,若数据中存在明显的离群值,则倾向于选择混合随机效应模型。因本例中数据存在明显的离群值,故选择应用混合随机效应模型。

    4 输出meta分析结果

    6ba51df0aeee1313c6e827fa1c281875.png

    图9

    经过前期的模型拟合与选择,并完成离群值检验后,metaplus 程序包可以调用 metafor 程序包的绘制森林图功能,完成森林图的绘制。命令如下:

    plot(data.meta,extrameta=NULL,xlab=“Forest Plot”)

    森林图结果见图9。

    5 meta回归

    a32b8dd18eae724f0dc9cede5c031bd7.png

    图10

    目前,metaplus 程序包尚未有预测方法,计算4、8 和 12 周效应的替代方法是在这些时间将数据置于中心,并对每个数据进行 Meta 回归。命令如下:

    data$duration4

    data$duration8

    data$duration12

    data.nodurn

    data.week4

    data.week8

    data.week12

    plot(data.nodurn,extrameta=list(data.w

    eek4,data.week8,data.week12),xlab="S

    tandardised mean difference")

    Meta 回归森林图见图10,Meta 回归的截距可以估计对应的平均效应。图10结果表明,研究效应在持续时间延长时会下降,可能与安慰剂效应减低或消失有关。

    6 模型的比较

    在 Meta 分析中,最常见的两种模型是固定效应模型和随机效应模型。固定效应模型假设所有纳入的研究拥有共同的真实效应量,而随机效应模型中的真实效应量随研究的不同而改变。基于不同模型的运算,所得到的合并后的效应量的均数值也不相同。尽管不一定适用于实践,但为了数据处理的方便,传统上假定随机效应模型的真实效应量呈正态分布。t 分布可以更灵活地来替代这个假设,通过马尔科夫链蒙特卡罗方法实现正态分布和 t 分布的偏态扩张,比常规正态分布更加灵活。混合随机效应模型可以通过比较具有和不具有离群值的模型来确定是否存在异常值,并且使用后验概率来确定,其优点在于 Meta 分析时考虑了含离群值的研究,且具有适当的权重。

    7总结 

    metaplus 运用的是标准 Meta分析法和基于轮廓似然置信区间的 robust 方法。metaplus 程序包的目的不是为了取代一般的 Meta分析程序包,而是为了提供额外的专业分析,如离群值的检测和离群值的概率计算等。metaplus 程序包可以绘制离群概率图,并调用 Metafor 程序包绘制森林图等结果图形。然而,值得注意的是,metaplus 程序包的不足在于进行大量数据分析计算时会延长计算时间,特别是进行testOutliers() 命令时。另一个不足之处是 metaplus程序包只适用于标准正态随机效应、t 分布随机效应和混合正态随机效应 3种模型,没有扩展到效应量的其他分布类型。总之,metaplus 程序包可以在实现基本 Meta分析功能的基础上进行离群值的检测和概率计算。

    最后,如果屏幕前的你对R语言学习还有什么问题或者看法,可以在公众号内给我留言,或者直接添加我的个人微信(文中附有微信号),我也希望可以结合更多志同道合的伙伴。

    感谢你的阅读。

    参考文献

    93726bc8ee49b47ee29c4f2d3ab76cc7.png

    [1]Beath KJ. Metaplus: an R package for the analysis of robust metaanalysis and meta-regression. R Journal, 2016, 8(1): 5-16.

    [2]Lawlor DA, Hopker SW. The effectiveness of exercise as an intervention in the management of depression: systematic review and meta-regression analysis of randomised controlled trials. BMJ,2001, 322(7289): 763-767.(本文数据来源)

    93726bc8ee49b47ee29c4f2d3ab76cc7.png往期推荐

    01

    用R进行数据分析-05

    02

    用R进行数据分析-04

    03

    用R进行数据分析-03

    04

    如何利用R语言进行meta分析—详细教程

    eb075c63e4c7a7261bb2d4fe5eec202d.png

    扫码关注我

    微信号 : CYQ-start-2020

    抖音号:1363126936

    展开全文
  • <li>student inputs the boundaries of $array_y (for instance, between 1 and 10 or between 50 and 80) <li>the script returns a random array (for instance: 4,3,4,8,3,2,10,5) which has (about) the given ...
  • $error_message = 'Interest rate must be less than or equal to 15.'; // validate years } else if ( $years === FALSE ) { $error_message = 'Years must be a valid whole number.'; } else if ( $...
  • PostgreSQL 如何计算可变参数中有没有重复参数。 有一个计算排列组合的算法需求,需要知道参数中是否有重复。目的是过滤掉重复。 实现方法很简单,需要创建支持可变参数的函数,如下: postgres=# CREATE or ...

    PostgreSQL 如何计算可变参数中有没有重复参数。
    有一个计算排列组合的算法需求,需要知道参数中是否有重复值。目的是过滤掉重复值。
    实现方法很简单,需要创建支持可变参数的函数,如下:

    postgres=# CREATE or replace FUNCTION has_dupli_val(VARIADIC arr int[]) RETURNS boolean AS 
    $$
    
      select count(distinct val)<>count(*) dist_val from unnest($1) t(val) where val is not null;
    
    $$
     language sql strict;
    CREATE FUNCTION
    postgres=# select has_dupli_val(1,2,null,1);
     has_dupli_val 
    ---------------
     t
    (1 row)
    
    postgres=# select has_dupli_val(1,2,null,3);
     has_dupli_val 
    ---------------
     f
    (1 row)
    
    postgres=# select has_dupli_val(1,2,null,null);
     has_dupli_val 
    ---------------
     f
    (1 row)
    
    postgres=# select has_dupli_val(null,null);
     has_dupli_val 
    ---------------
     f
    (1 row)

    还蛮简单的,用到了聚合判断,可变参数使用variadic 标记的数组来定义。
    这个函数可以用来生成排列组合。
    例子:

    postgres=# create table t(id int);
    CREATE TABLE
    postgres=# insert into t select generate_series(1,5);;
    INSERT 0 5

    对1,2,3,4,5这5个值进行排列组合,得出组合结果。
    排列组合的可能性有5的阶乘种。即120。

    postgres=# select 5!;
     ?column? 
    ----------
          120
    (1 row)

    得到1,2,3,4,5的排列组合的方法:

    postgres=# select t1.id,t2.id,t3.id,t4.id,t5.id from t t1,t t2,t t3,t t4,t t5 where not has_dupli_val(t1.id,t2.id,t3.id,t4.id,t5.id);
     id | id | id | id | id 
    ----+----+----+----+----
      1 |  2 |  3 |  4 |  5
      1 |  2 |  3 |  5 |  4
      1 |  2 |  4 |  3 |  5
      1 |  2 |  4 |  5 |  3
      1 |  2 |  5 |  3 |  4
      1 |  2 |  5 |  4 |  3
      1 |  3 |  2 |  4 |  5
      1 |  3 |  2 |  5 |  4
      1 |  3 |  4 |  2 |  5
      1 |  3 |  4 |  5 |  2
      1 |  3 |  5 |  2 |  4
      1 |  3 |  5 |  4 |  2
      1 |  4 |  2 |  3 |  5
      1 |  4 |  2 |  5 |  3
      1 |  4 |  3 |  2 |  5
      1 |  4 |  3 |  5 |  2
      1 |  4 |  5 |  2 |  3
      1 |  4 |  5 |  3 |  2
      1 |  5 |  2 |  3 |  4
      1 |  5 |  2 |  4 |  3
      1 |  5 |  3 |  2 |  4
      1 |  5 |  3 |  4 |  2
      1 |  5 |  4 |  2 |  3
      1 |  5 |  4 |  3 |  2
      2 |  1 |  3 |  4 |  5
      2 |  1 |  3 |  5 |  4
      2 |  1 |  4 |  3 |  5
      2 |  1 |  4 |  5 |  3
      2 |  1 |  5 |  3 |  4
      2 |  1 |  5 |  4 |  3
      2 |  3 |  1 |  4 |  5
      2 |  3 |  1 |  5 |  4
      2 |  3 |  4 |  1 |  5
      2 |  3 |  4 |  5 |  1
      2 |  3 |  5 |  1 |  4
      2 |  3 |  5 |  4 |  1
      2 |  4 |  1 |  3 |  5
      2 |  4 |  1 |  5 |  3
      2 |  4 |  3 |  1 |  5
      2 |  4 |  3 |  5 |  1
      2 |  4 |  5 |  1 |  3
      2 |  4 |  5 |  3 |  1
      2 |  5 |  1 |  3 |  4
      2 |  5 |  1 |  4 |  3
      2 |  5 |  3 |  1 |  4
      2 |  5 |  3 |  4 |  1
      2 |  5 |  4 |  1 |  3
      2 |  5 |  4 |  3 |  1
      3 |  1 |  2 |  4 |  5
      3 |  1 |  2 |  5 |  4
      3 |  1 |  4 |  2 |  5
      3 |  1 |  4 |  5 |  2
      3 |  1 |  5 |  2 |  4
      3 |  1 |  5 |  4 |  2
      3 |  2 |  1 |  4 |  5
      3 |  2 |  1 |  5 |  4
      3 |  2 |  4 |  1 |  5
      3 |  2 |  4 |  5 |  1
      3 |  2 |  5 |  1 |  4
      3 |  2 |  5 |  4 |  1
      3 |  4 |  1 |  2 |  5
      3 |  4 |  1 |  5 |  2
      3 |  4 |  2 |  1 |  5
      3 |  4 |  2 |  5 |  1
      3 |  4 |  5 |  1 |  2
      3 |  4 |  5 |  2 |  1
      3 |  5 |  1 |  2 |  4
      3 |  5 |  1 |  4 |  2
      3 |  5 |  2 |  1 |  4
      3 |  5 |  2 |  4 |  1
      3 |  5 |  4 |  1 |  2
      3 |  5 |  4 |  2 |  1
      4 |  1 |  2 |  3 |  5
      4 |  1 |  2 |  5 |  3
      4 |  1 |  3 |  2 |  5
      4 |  1 |  3 |  5 |  2
      4 |  1 |  5 |  2 |  3
      4 |  1 |  5 |  3 |  2
      4 |  2 |  1 |  3 |  5
      4 |  2 |  1 |  5 |  3
      4 |  2 |  3 |  1 |  5
      4 |  2 |  3 |  5 |  1
      4 |  2 |  5 |  1 |  3
      4 |  2 |  5 |  3 |  1
      4 |  3 |  1 |  2 |  5
      4 |  3 |  1 |  5 |  2
      4 |  3 |  2 |  1 |  5
      4 |  3 |  2 |  5 |  1
      4 |  3 |  5 |  1 |  2
      4 |  3 |  5 |  2 |  1
      4 |  5 |  1 |  2 |  3
      4 |  5 |  1 |  3 |  2
      4 |  5 |  2 |  1 |  3
      4 |  5 |  2 |  3 |  1
      4 |  5 |  3 |  1 |  2
      4 |  5 |  3 |  2 |  1
      5 |  1 |  2 |  3 |  4
      5 |  1 |  2 |  4 |  3
      5 |  1 |  3 |  2 |  4
      5 |  1 |  3 |  4 |  2
      5 |  1 |  4 |  2 |  3
      5 |  1 |  4 |  3 |  2
      5 |  2 |  1 |  3 |  4
      5 |  2 |  1 |  4 |  3
      5 |  2 |  3 |  1 |  4
      5 |  2 |  3 |  4 |  1
      5 |  2 |  4 |  1 |  3
      5 |  2 |  4 |  3 |  1
      5 |  3 |  1 |  2 |  4
      5 |  3 |  1 |  4 |  2
      5 |  3 |  2 |  1 |  4
      5 |  3 |  2 |  4 |  1
      5 |  3 |  4 |  1 |  2
      5 |  3 |  4 |  2 |  1
      5 |  4 |  1 |  2 |  3
      5 |  4 |  1 |  3 |  2
      5 |  4 |  2 |  1 |  3
      5 |  4 |  2 |  3 |  1
      5 |  4 |  3 |  1 |  2
      5 |  4 |  3 |  2 |  1
    (120 rows)
    展开全文
  • 我需要做一些对一个有经验的程序员来说可能非常简单的事情。我的Python程序成功地执行了以下操作:导入...打印“Model”、“consummed”、“Available”和“Requestor”(使用模型的人)。我需要将这些添加到excel...
  • |是逻辑OR(当且仅当至少一个参数为真时才会计算为真).请注意,相同的运算符用于bitwise operations,但这些运算符只适用于两个操作数都是可转换为整数类型的类型(即byte,char,short,int,long及其各自的包装器).由于这...
  • //计算出来分针的弧度 let hourAngle = pi / 180 *HandDeg2;//pi / 180 * 30 * h + minuteAngle / 12; //计算出来时针的弧度 // drawHand2(hand2 + CompassHeading, hand_length, 2, "white", ctx...
  • 假设在服务器端计算得到了一个数组s需要传递到JavaScript中的名为my...//protected or public is required 为了测试给s赋几个: s = new int[100]; for (int i=0; i{ s[i] = i; } ----------------------------------
  • 症状MySQL服务器由以下信息崩溃:InnoDB: Database page corruption on disk or a failedInnoDB: file read of page原因为了保护数据,InnoDB使用校验和(与页储存在一起)。当InnoDB从磁盘读取时,它计算每个页的校验...
  • 症状MySQL服务器由以下信息崩溃:InnoDB: Database page corruption on disk or a failedInnoDB: file read of page原因为了保护数据,InnoDB使用校验和(与页储存在一起)。当InnoDB从磁盘读取时,它计算每个页的校验...
  • and or技巧

    2013-03-25 15:06:50
    bool 为真时计算为 a,其它则为 b。象很多编程技巧一样,它是一种诱人的便利。你可在Python中完成同样的事情,但是需要完全理解它是如何工作的,以避免不明显的毛病。 例 2.17. and-or 技巧 >>> a = "first" >>...
  • and-or 技巧

    2017-04-01 16:19:21
    bool 为真时计算为 a,其它则为 b。象很多编程技巧一样,它是一种诱人的便利。你可在Python中完成同样的事情,但是需要完全理解它是如何工作的,以避免不明显的毛病。 例 2.17. and-or 技巧 >>> a = "first" >>...
  • Python and-or 技巧

    2015-10-06 23:34:46
     a : b 表达式熟悉,这个表达式当 bool 为真时计算为 a,其它则为 b。象很多编程技巧一样,它是一种诱人的便利。你可在Python中完成同样的事情,但是需要完全理解它是如何工作的,以避免不明显的毛病。 ...
  • 利用EXCEL 实现字符串的计算

    千次阅读 2004-04-07 22:20:00
    如何计算给定的字符串计算表达式,如“ 1+2*3-4/5+ 6^7” 的?笔者在使用EXCEL2002 时发现在单元格中可以输入此类表达式,输出的则是计算结果,所以写了一个函数,与大家共享。 引用microsoft excel 10.0 object ...

空空如也

空空如也

1 2 3 4 5 ... 8
收藏数 158
精华内容 63
关键字:

如何计算or值