精华内容
下载资源
问答
  • MATLAB怎么求解非线性多元方程 首先需要对所给的方程进行表示 这里将方程左侧存入函数F中,(保留右侧等式不存入)然后保存此文件 这个时候,再使用另外一个文件,对前一个保存的函数进行调用,此时就需要...

    MATLAB怎么求解非线性多元方程组

    首先需要对所给的方程组进行表示

    在这里插入图片描述这里将方程组左侧存入函数F中,(保留右侧等式不存入)然后保存此文件

    这个时候,再使用另外一个文件,对前一个保存的函数进行调用,此时就需要表示出右边的常数项,然后便可以打印参数结果了!
    在这里插入图片描述

    遇到的问题

    这里经常会出现一个问题,就是存在明明很简单的非线性方程,却不能找打答案的情况。比如
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    就上面两组数据其实是同一个方程组,但是底下的却解不出解。究其原因,是因为fsolve的运算机理导致的(具体的比较复杂),所以我们尽量保证等式右侧为简单的常数项,才便于我们的计算。

    展开全文
  • 箱线图利于研究者进行统计学分析(例如,两因素方差分析,两因素重复测量方差分析,两因素混合方差分析等)前了解在两个分类变量下连续变量的分布特征、检测异常值。 3、SPSS操作 3.1 成箱线图 在主界面点击...

    作者:豆沙包;审稿:张耀文

    1、问题与数据

    某研究者想了解不同性别、受教育程度人群中幸福指数的分布特征。其中,受教育程度(Education)分为3类(高中及以下、大学本科和硕士研究生及以上),性别(Gender)分为2类(男性和女性)。

    幸福指数(Index)采用问卷测量,得分在0-100之间分布,分数越高,幸福指数越强。部分数据如图1。对于该数据,如何绘图展示不同亚人群中幸福指数的分布特征呢?图1 部分数据

    2、对问题的分析

    研究者想绘图展示不同受教育程度、性别人群中幸福指数的分布,可以使用成组箱线图。

    成组箱线图利于研究者进行统计学分析(例如,两因素方差分析,两因素重复测量方差分析,两因素混合方差分析等)前了解在两个分类变量下连续变量的分布特征、检测异常值。

    3、SPSS操作

    3.1 成组箱线图

    在主界面点击Graphs→Chart Builder,选择左下角的Choose from框中的Boxplot,如图2。图2 Chart Builder

    选择Boxplot后,其右侧显示3个选项,将第2个图拖拽至上方预览窗格中(如果鼠标悬停在该图上方会提示Clustered boxplot,即成组箱线图)。如图3。图3 拖拽Clustered boxplot至预览窗口

    将变量Index从Variables:框中拖至“Y-Axis?”框,变量Education拖至“X-Axis?”框,变量Gender拖入“Cluster on X:set color”框。如图4。图4 将变量拖拽至Clustered boxplot

    这里需要注意的是,尽管添加变量时预览窗格中图形发生变化,但它不能准确根据数据绘图,因此,不要质疑自己操作错误,最后会根据真实数据显示正确的成组箱线图。另外,两个分类变量可以互换位置。

    3.2 改变坐标轴属性

    如需改变Y轴属性,可在Edit Properties of. 框中选择“Y-Axis1(Box1)。如图5。图5 改变Y轴属性

    之后就可以改变坐标轴标签(Axis Label框)或改变坐标轴属性(Scale Range区域)。

    绘制成组箱线图时,研究者可能需要更改连续变量(即Y轴上的因变量)的刻度属性,避免Y轴的起始值过大,不能准确反映数据特征。故可取消Scale Range区域Minimum选项的勾选,随后自定义数值(Custom)高亮且默认值为0。本例设置最小值为50。图6。图6 改变Y轴属性:改变Minimum

    如需改变X轴变量或者“Cluster on X: Set color”框内变量的属性,在Edit Properties框中选择“X-Axis1(Box1)”或“GroupColor(Box1),改变标签(Legend Label框),改变分类的排序(Categories框中:Sort by、Direction或Order框中上下箭头进行调整)。本例以改变X轴属性为例,如图7。图7 改变“Cluster on X: Set color”框属性

    所有设定完成后,点击OK。

    4、作图结果

    图8 是最终生成的成组箱线图。图8 成组箱线图

    想要原始数据练习的小伙伴,可以到医咖会官网进行下载!医咖会 - 临床研究设计和医学统计交流平台​www.mediecogroup.com

    展开全文
  • ↑↑↑点击上方蓝字,关注极客猴如果你喜欢极客猴,可以把我置顶或星标~题图:from Pexels数据可视化可以让我们很直观的发现数据中隐藏的规律,察觉到变量之间的互动关系,可以帮助我们更好的给他人解释现象,做到一...
    ↑↑↑ 点击上方蓝字,关注极客猴如果你喜欢极客猴,可以把我置顶星标~ff6423a077b90d9e035b334be9e49c1c.png题图:from Pexels

    数据可视化可以让我们很直观的发现数据中隐藏的规律,察觉到变量之间的互动关系,可以帮助我们更好的给他人解释现象,做到一图胜千文的说明效果。

    常见的数据可视化库有:
    • matplotlib 是最常见的2维库,可以算作可视化的必备技能库,由于matplotlib是比较底层的库,api很多,代码学起来不太容易。

    • seaborn 是建构于matplotlib基础上,能满足绝大多数可视化需求。更特殊的需求还是需要学习matplotlib。

    • pyecharts 上面的两个库都是静态的可视化库,而pyecharts有很好的web兼容性,可以做到可视化的动态效果。

    但是在数据科学中,几乎都离不开pandas数据分析库,而pandas可以做:
    • 数据采集:如何批量采集网页表格数据?

    • 数据读取:pd.read_csv/pd.read_excel

    • 数据清洗(预处理):理解pandas中的apply和map的作用和异同

    • 可视化兼容matplotlib语法(今天重点)

    准备工作如果你之前没有学过pandas和matpltolib,我们先安装好这几个库
    !pip3 install numpy!pip3 install pandas!pip3 install matplotlib
    已经安装好,现在我们导入这几个要用到的库。使用的是伦敦天气数据,一开始我们只有12个月的小数据作为例子
    #jupyter notebook中需要加这行代码%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as npimport pandas as pd#读取天气数据df = pd.read_csv('data/london2018.csv')df
    1338c1895ef30a64282953457c09854e.png

    plot最简单的图选择Month作为横坐标,Tmax作为纵坐标,绘图。大家注意下面两种写法
    #写法1df.plot(x='Month', y='Tmax')plt.show()
    fb72a6d7356f85c37f704eaf610abc6a.png
    • 横坐标轴参数x传入的是df中的列名Month

    • 纵坐标轴参数y传入的是df中的列名Tmax

    折线图上面的图就是折线图,折线图语法有三种
    • df.plot(x='Month', y='Tmax')

    • df.plot(x='Month', y='Tmax', kind='line')

    • df.plot.line(x='Month', y='Tmax')

    df.plot.line(x='Month', y='Tmax')plt.show()
    fb72a6d7356f85c37f704eaf610abc6a.png
    #grid绘制格线df.plot(x='Month', y='Tmax', kind='line', grid=True)plt.show()
    a7ebe4b2f2812cd465e22ea18db99a44.png

    多个y值上面的折线图中只有一条线, 如何将多个y绘制到一个图中,比如Tmax, Tmin。
    df.plot(x='Month', y=['Tmax', 'Tmin'])plt.show()
    adfa7b5303434e54153124f2691cec9a.png条形图
    df.plot(x='Month',        y='Rain',        kind='bar')#同样还可以这样画#df.plot.bar(x='Month', y='Rain')plt.show()
    287f3df20e0d550bfbe2e160bbf54c74.png水平条形图

    bar环卫barh,就可以将条形图变为水平条形图

    df.plot(x='Month',        y='Rain',        kind='barh')#同样还可以这样画#df.plot.bar(x='Month', y='Rain')plt.show()
    77d1949f42fc28f1d5b93d1528f633fe.png多个变量的条形图
    df.plot(kind='bar',        x = 'Month',       y=['Tmax', 'Tmin'])plt.show()
    759df9c0c87245233f702f10e4014248.png

    散点图
    df.plot(kind='scatter',        x = 'Month',        y = 'Sun')plt.show()
    091ce1a2bbefa19f857c0d880d1c4bf9.png

    饼形图
    df.plot(kind='pie', y='Sun')plt.show()
    eb68272302a1624ea30f7bd7b4033e5a.png上图绘制有两个小问题:
    • legend图例不应该显示

    • 月份的显示用数字不太正规

    df.index = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']df.plot(kind='pie', y = 'Sun', legend=False)plt.show()
    d93047a5263f1ef7496f124cba2fa390.png

    更多数据一开头的数据只有12条记录(12个月)的数据,现在我们用更大的伦敦天气数据
    import pandas as pddf2 = pd.read_csv('data/londonweather.csv')df2.head()
    dfec4538fd08fadf1f323ef11f2b5fca.png
    df2.Rain.describe()count    748.000000mean      50.408957std       29.721493min        0.30000025%       27.80000050%       46.10000075%       68.800000max      174.800000Name: Rain, dtype: float64
    上面一共有748条记录, 即62年的记录。箱型图
    df2.plot.box(y='Rain')#df2.plot(y='Rain', kind='box')plt.show()
    393d8743944793a41dd5f721397ec5f3.png

    直方图
    df2.plot(y='Rain', kind='hist')#df2.plot.hist(y='Rain')plt.show()
    e1eb80dae55e039c4b7779eea860c45c.png纵坐标的刻度可以通过bins设置
    df2.plot(y='Rain', kind='hist', bins=[0,25,50,75,100,125,150,175, 200])#df2.plot.hist(y='Rain')plt.show()
    acd7520adee0aae221075d0be5238e8c.png

    多图并存
    df.plot(kind='line',         y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4个变量可视化         subplots=True,   #多子图并存         layout=(2, 2),   #子图排列2行2列         figsize=(20, 10)) #图布的尺寸plt.show()
    0d740fbd636a9f73ca1dc23eebf4a61f.png
    df.plot(kind='bar',         y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4个变量可视化         subplots=True,   #多子图并存         layout=(2, 2),   #子图排列2行2列         figsize=(20, 10)) #图布的尺寸plt.show()
    9bdbf94ad2029443bb87a2f560029e5c.png

    加标题给可视化起个标题
    df.plot(kind='bar',         y=['Tmax', 'Tmin'], #2个变量可视化         subplots=True,   #多子图并存         layout=(1, 2),   #子图排列1行2列         figsize=(20, 5),#图布的尺寸         title='The Weather of London')  #标题plt.show()
    19fd6a8a0c563dfffffd5a9afb688d31.png

    保存结果可视化的结果可以存储为图片文件
    df.plot(kind='pie', y='Rain', legend=False, figsize=(10, 5), title='Pie of Weather in London')plt.savefig('img/pie.png')plt.show()
    a9badb662140d83d6ea606f649a5ad8d.png

    df.plot更多参数df.plot(x, y, kind, figsize, title, grid, legend, style)
    • x 只有dataframe对象时,x可用。横坐标

    • y 同上,纵坐标变量

    • kind 可视化图的种类,如line,hist, bar, barh, pie, kde, scatter

    • figsize 画布尺寸

    • title 标题

    • grid 是否显示格子线条

    • legend 是否显示图例

    • style 图的风格

    查看plot参数可以使用help
    import pandas as pdhelp(pd.DataFrame.plot)
    62ed6881df7486e8f05ce45dfcf7f40d.png
    End.来源:大邓和他的Python
    [完]▼   往期精彩回顾  

    1、全网首秀,我用动画展现Pycharm十大实用技巧

    2、Python 最强编辑器详细使用指南!

    3、Git使用教程:最详细、最傻瓜、最浅显、真正手把手教!

    4、微软官方上线了Python教程,7个章节就把Python说通了!

    不日进,则日退

    54b648d4052e13d0383992c8bcda968f.png

    66dadfacc52cda1a9e0c55bdaffaedf0.png你点的每个赞,我都认真当成了喜欢
    展开全文
  • 图中标示了箱线图中每条线和点表示的含义,其中应用到了分位数的概念 线的主要包含五个数据节点,将一数据从大到小排列,分别计算出他的上边缘(Maximum),上四分位数(Q3),中位数(Median),下四分位数(Q1),下边缘...

    图中标示了箱线图中每条线和点表示的含义,其中应用到了分位数的概念 线的主要包含五个数据节点,将一组数据从大到小排列,分别计算出他的上边缘(Maximum),上四分位数(Q3),中位数(Median),下四分位数(Q1),下边缘(Minimum) 不在上边缘与下边缘的范围内的为异常值,用点表示。

    数据准备

    data

    Repeat = rep(paste("Repeat", 1:3, sep = "_"), 100),

    Condition = rep(c("Control", "Test"), 150))

    > head(data)

    Value Repeat Condition

    1 -1.1395507 Repeat_1 Control

    2 0.7319707 Repeat_2 Test

    3 -0.2219461 Repeat_3 Control

    4 -1.1454664 Repeat_1 Test

    5 1.0740937 Repeat_2 Control

    6 0.3741845 Repeat_3 Test

    boxplot函数(R自带)

    最方便的方法就是用boxplot函数,不需要依赖任何包

    boxplot(data$Value, ylab="Value")

    根据不同的条件,加上颜色

    boxplot(Value ~ Condition, data=data, ylab="Value", col=c("darkred", "darkgreen"))

    boxplot(Value ~ Condition * Repeat, data=data, ylab="Value", col="darkgreen")

    多个分组(condition和repeat)的箱线图

    boxplot(Value ~ Condition + Repeat, data=data, ylab="Value", col="darkgreen")

    ggplot2

    使用ggplot2来画箱线图是现在常用的方法

    library(tidyverse)

    # 定义一种主题,方便后面重复使用

    theme_boxplot

    axis.line=element_line(colour="black",size=0.25),

    axis.title=element_text(size=13,face="plain",color="black"),

    axis.text = element_text(size=12,face="plain",color="black"),

    legend.position="none"

    # ggplot2画图

    ggplot(data, aes(Condition, Value)) +

    geom_boxplot(aes(fill = Condition), notch = FALSE) +

    scale_fill_brewer(palette = "Set2") +

    theme_classic() + theme_boxplot

    添加抖动散点

    ggplot(data, aes(Condition, Value)) +

    geom_boxplot(aes(fill = Condition), notch = FALSE) +

    geom_jitter(binaxis = "y", position = position_jitter(0.2), stackdir = "center", dotsize = 0.4) +

    scale_fill_brewer(palette = "Set2") +

    theme_classic() + theme_boxplot

    带凹槽(notched)的箱线图,中位数的置信区用凹槽表示

    ggplot(data, aes(Condition, Value)) +

    geom_boxplot(aes(fill = Condition), notch = TRUE, varwidth = TRUE) +

    geom_jitter(binaxis = "y", position = position_jitter(0.2), stackdir = "center", dotsize = 0.4) +

    scale_fill_brewer(palette = "Set2") +

    theme_classic() + theme_boxplot

    比较流行的小提琴图,内嵌箱线图和扰动散点

    ggplot(data, aes(Condition, Value)) +

    geom_violin(aes(fill = Condition), trim = FALSE) +

    geom_boxplot(width = 0.2) +

    geom_jitter(binaxis = "y", position = position_jitter(0.2), stackdir = "center", dotsize = 0.4) +

    scale_fill_brewer(palette = "Set2") +

    theme_classic() + theme_boxplot

    云雨图,它是密度分布图、箱线图、散点图的集合,完美的展示了所有数据信息

    library(grid)

    # GeomFlatViolin函数的定义见https://github.com/EasyChart/Beautiful-Visualization-with-R

    ggplot(data, aes(Condition, Value, fill=Condition)) +

    geom_flat_violin(aes(fill = Condition), position = position_nudge(x=.25), color="black") +

    geom_jitter(aes(color = Condition), width=0.1) +

    geom_boxplot(width=.1, position=position_nudge(x=0.25), fill="white",size=0.5) +

    scale_fill_brewer(palette = "Set2") +

    coord_flip() + theme_bw() + theme_boxplot

    分组画箱线图

    根据不同的Condition和Repeat对数据分组画图

    ggplot(data, aes(Repeat, Value)) +

    geom_boxplot(aes(fill = Condition), notch = FALSE, size = 0.4) +

    scale_fill_brewer(palette = "Set2") +

    guides(fill=guide_legend(title="Repeat")) +

    theme_bw()

    同样的,我们可以对箱线图添加抖动点,但是分组之后,并不能直接添加抖动点,需要增加两列信息来辅助画抖动点

    # 增加dist_cat和scat_adj ,用于画抖动点

    data % mutate(dist_cat = as.numeric(Repeat),

    scat_adj = ifelse(Condition == "Control", -0.2, 0.2))

    # 增加之后的数据如下

    > head(data)

    Value Repeat Condition dist_cat scat_adj

    1 -1.1395507 Repeat_1 Control 1 -0.2

    2 0.7319707 Repeat_2 Test 2 0.2

    3 -0.2219461 Repeat_3 Control 3 -0.2

    4 -1.1454664 Repeat_1 Test 1 0.2

    5 1.0740937 Repeat_2 Control 2 -0.2

    6 0.3741845 Repeat_3 Test 3 0.2

    ggplot(data, aes(Repeat, Value)) +

    geom_boxplot(aes(fill = Condition), notch = FALSE, size = 0.4) +

    geom_jitter(aes(scat_adj+dist_cat, Value, fill = factor(Condition)),

    position=position_jitter(width=0.1,height=0),

    alpha=1,

    shape=21, size = 1.2) +

    scale_fill_brewer(palette = "Set2") +

    guides(fill=guide_legend(title="Condition ")) +

    theme_bw()

    小提琴图本来是由两个左右对称的密度估计曲线构成,那么对数据分组之后,我们可以只保留两个小提琴图的各一半,这样更能直接的观察出两组之间的差异!

    # ggplot2并未提供这样的功能,这里定义了geom_split_violin函数来实现

    # geom_split_violin 的定义见 https://github.com/EasyChart/Beautiful-Visualization-with-R

    ggplot(data, aes(x = Repeat, y = Value, fill=Condition)) +

    geom_split_violin(draw_quantiles = 0.5, trim = FALSE) +

    geom_jitter(aes(scat_adj+dist_cat, Value, fill = factor(Condition)),

    position=position_jitter(width=0.1,height=0),

    alpha=1,

    shape=21, size = 1.2) +

    scale_fill_brewer(palette = "Set2") +

    guides(fill=guide_legend(title="Condition ")) +

    theme_bw()

    ggpubr (带显著性的箱线图)

    生成数据

    # 均值为3,标准差为1的正态分布

    c1

    # Johnson分布的偏斜度2.2和峰度13

    c2

    # Johnson分布的偏斜度0和峰度20

    c3

    data

    Conditon = rep(c("C_1", "C_2", "C_3"), each = 100),

    Value = c(c1, c2, c3)

    )

    #数据如下

    > head(data)

    Conditon Value

    1 C_1 2.679169

    2 C_1 1.699026

    3 C_1 5.459568

    4 C_1 3.778365

    5 C_1 3.689881

    6 C_1 1.295534

    ggpubr的功能多样,这里只举箱线图的例子

    library(ggpubr)

    library(RColorBrewer)

    # 定义需要两两比较的组

    compaired

    c("C_2", "C_3"),

    c("C_1", "C_3"))

    palette

    # wilcox.test

    ggboxplot(data, x = "Conditon", y = "Value",

    fill = "Conditon", palette = palette,

    add = "jitter", size=0.5) +

    stat_compare_means(comparisons = compaired, method = "wilcox.test") + # 添加每两组变量的显著性

    theme_classic() + theme_boxplot

    使用ggplot2的语法添加显著性检验,将wilcox.test 换成t.test

    # t.test

    ggplot(data, aes(Conditon, Value))+

    geom_boxplot(aes(fill = Conditon), notch = FALSE, outlier.alpha = 1) +

    scale_fill_brewer(palette = "Set2") +

    geom_signif(comparisons = compaired,

    step_increase = 0.1,

    map_signif_level = F,

    test = t.test) +

    theme_classic() + theme_boxplot

    欢迎关注公众号:"生物信息学"

    展开全文
  • 参考自《R Graphics Cookbook》箱线图:箱子和线的组合;语法:geom_boxplot()。箱线图的箱子长度代表前25%分位到75%分位的数据分布(四分之一分位数到四分之三分位数),箱子中的横线为中位数;...
  • 双十二红包,每日三次,手慢无本文...预算2k-10k高性价比DIY组装电脑游戏主机配置推荐(30系显卡)​zhuanlan.zhihu.com如果你想要整机,或者说你懒得自己组装。你可以看看下面这篇文章 Leo Leung:2020年小白DIY...
  • 不完全确定你在寻找什么 . 这很接近吗?library(ggplot2)library(plyr)ggplot(dfmelt, aes(x=factor(round_any(x,0.5)), y=value,fill=variable))+geom_boxplot()+facet_grid(.~variable)+labs(x="X (binned)")+...
  • I would like to create boxplots of multiple variables for groups of a continuous x-variable. The boxplots should be arranged next to each other for each group of x.The data looks like this:require (gg...
  • Excel中的函数公式,非常的繁多,想要全部学习,几乎是不可能的,也是不可取的,但是对于常用的办公必备函数公式,必须掌握哦,今天,我们要学习的10个函数公式,不仅使用,而且能看懂,也能学会!...
  • 初中数学:参数不等式,有两个负整数解,怎么求a的取值范围?大家先在草稿本上,认真地做一遍,然后再看后面的视频。期待您在评论区留言。解一元一次不等式,大家都不会觉得很难。唯一的难点,就是参数不等式...
  • 热点难点突破之中考数学专题字母参数的不等式()问题,其考察学生对于...下面我们就了解一下字母参数的不等式()问题中考都会考什么,怎么考?根据历年考纲的要求,唐老师整理了中考数学对于这一部分可能考察...
  • 展开全部箱线图(Boxplot)也称箱须图e69da5e6ba9062616964757a686964616f31333337613165(Box-whisker Plot),是利用数据中的五个统计量:最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法,...
  • 你可以看看下面这篇文章 Leo Leung:2020双十一,小白DIY台式组装整机参考配置(预算2k-7k各价位十大高性价比游戏电脑主机排行榜)​zhuanlan.zhihu.com 2020八月预算一万该怎么组装电脑(显示器)?新媒体,视频...
  • 今天继续 跟着Nature Communications学画图系列第三篇。学习R语言ggplot2包画箱线图。 对应的 Nature Communications 的论文是 Fecal pollution can explain antibiotic resistance gene abundances in ...
  • 初中数学:参数不等式,解集是x>a,怎么求a的取值范围?大家先在草稿本上认真地做一遍,然后再看后面的视频。期待您在评论区留言。温馨提示:方老师数学课堂,因为视频内容越来越多,为了更好的分类归纳,将...
  • 初中数学:参数不等式,解集是a,怎么求a的取值范围?大家先在草稿本上做一遍,然后再看后面的视频。期待你在评论区求留言。温馨提示:方老师数学课堂,因为视频内容越来越多,为了更好的分类归纳,将所有的视频...
  • 七年级数学:参数不等式,解集为x,求k的取值范围?大家可以先在草稿本上做一遍,然后再看后面的视频讲解。期待你在评论区的留言。参数不等式,求参数的取值范围,这类题型,是一个重点,但对于很多初学的同学...
  • 七年级数学:参数一元一次不等式有解,怎么求a的取值范围?经典常考题。大家先在草稿本上认真地做一遍,然后再看后面的视频。期待您在评论区留言。参数一元一次不等式,怎么求参数的取值范围,这类题型,一定...
  • 初中数学:参数不等式,有2个负整数解,怎么求a的取值范围?大家先在草稿本上认真地做一遍,然后再看后面的视频。期待您在评论区留言。欢迎大家,分别添加,同时关注,方老师的这三个微信公众号。(方老师数学...
  • 参数二元一次方程,经典常考题。大家先在草稿本上认真地做一遍,然后再看后面的视频。期待您在评论区留言。温馨提示:方老师数学课堂,因为视频内容越来越多,为了更好的分类归纳,将所有的视频内容,优化成三个...
  • 本文主要对于向量中的极大无关及其秩的关系进行了讲解,这一块常常和矩阵证明或线性变换结合在一起,希望大家能予以重视.... 一个向量若含有非零向量,则任二极大无关的向量个数相等.定...
  • //判断字符串是否只字母和数字 NSString *mystring = [NSString stringWithString:@"Letter1234"];  NSCharacterSet *disallowedCharacters = [[NSCharacterSet  characterSetWithCharactersInString:@...
  • 你是不是也在苦恼着怎么得到素数?如果是那你就找对文章了,作者在做这道题时也是脑瓜子没了仁,一片空白,我也没想到看似简单的题居然还有如此机关,其实想通之后就没那么难了,下面就是我的大脑经过了八十个俯卧撑...
  • 而它的基础解系所向量个数为n-r(A)②非齐次线性方程Ax=b的通解是它对应的其次线性方程Ax=0(导出)的通解加上Ax=b的一个特解。那么这个非齐次线性方程的通解中有多少个线性无关的向量?它又有多少个线性无关...
  • 而抖音蓝V认证则是快速提升企业品牌知名度的一种渠道,但很多朋友不知道怎么申请蓝V认证,今天就给大家讲解一下抖音蓝V认证的一些事宜。 一:首先什么是抖音蓝V认证呢?请看一效果图 二:如何进行企业蓝V...
  • 2018NOIP提高Day2 真·超详细P5022 旅行(Tarjan)题目传送门:思路代码92分100分对拍文件数据生成(针对m==n情况,修改下也可生成树)自动对比程序std程序(来自NOI官网)P5023 填数游戏P5024 保卫王国 ...
  • 七年级数学:不等式解集是2,怎么求m的最大负整数解?大家先在草稿本上认真地做一遍,然后再看后面的视频。期待您在评论区留言。参数不等式,怎么求参数的取值范围,这类题型,很多同学都觉得特别拗口。方老师多...
  • 很久没有写过台式电脑装机配置推荐了,最近有小伙伴找到小编,需要组装一台3000左右显示器的组装电脑,需求是,想做自媒体,音视频类,不玩游戏。虽然预算不多,但要求也不算高,因此本文带来2套相关配置推荐,有...

空空如也

空空如也

1 2 3 4 5 ... 10
收藏数 193
精华内容 77
关键字:

含怎么组