精华内容
下载资源
问答
  • 浮点数也就是小数,之所以称之为浮点数,是因为用科学计数来表示的时候,小数部分的位置会发生改变 1.23x10^9就是1.23e9 整数和浮点数的区别 整数运算是精确的,浮点数运算会进行四舍五入 3、字符串 4、布尔值 ...

    一、数据类型

    1、整数
    2、浮点数:
    浮点数也就是小数,之所以称之为浮点数,是因为用科学计数法来表示的时候,小数部分的位置会发生改变
    1.23x10^9就是1.23e9
    整数和浮点数的区别 整数运算是精确的,浮点数运算会进行四舍五入
    3、字符串
    4、布尔值
    true false
    and or not 与或非
    5、空值
    none

    二、变量

    python 是动态语言,变量类型不固定
    a=123 a是整数类型
    a=“123” a 是字符类型
    java 是静态语言
    int a=123 定义变量要已经确定了变量的类型
    python定义一个变量时内存发生了什么? 如下图所示
    数据
    定义字符串:
    字符串本身包含单引号可以用双引号包围整个字符串
    反之,本身包含双引号可以用单引号包围整个字符串

    a=“ i'm a coder “
    

    若是字符串本身既包含单引号又包含双引号,那么可以在字符串前面加上r,该字符串就不会被转义

    展开全文
  • 定义 系统发生树(phylogenetic tree)是表明被认为具有共同祖先的各物种相互间演化关系的树 分类 是否有根? - 有根树:具有方向的树 - 无根树:没有方向,其中线段的两个演化方向都有可能 基因树和物种树 ...

    系统发生树

    定义

    系统发生树(phylogenetic tree)是表明被认为具有共同祖先的各物种相互间演化关系的树

    分类

    • 是否有根?
      - 有根树:具有方向的树
      - 无根树:没有方向,其中线段的两个演化方向都有可能
    • 基因树和物种树

    构建方法

    计算的精度和时间均依次增大

    • 非加权分组平均法:UPGAM(Unweighted pair group method with arithmetic mean)
    • 矩阵法:邻接法 neighbor-joining (NJ)
    • 简约法:最大简约法 maximum parsimony (MP)
    • 似然法:最大似然法 maximum likelihood (ML)
    • 后验概率法:贝叶斯法 Bayesian

    用什么序列建树?

    • 如果DNA序列两两间一致度大于70%,选用DNA序列
    • 低于70%选用蛋白质序列或DNA序列

    What is the difference between a guide tree and a true phylogenetic tree?

    A guide tree is calculated based on the distance matrix that is generated from the pairwise scores. The output can be found in the .dnd file. A phylogenetic tree is calculated based on the multiple alignment that it receives. The distances between the sequences in the alignment are calculated and can be found in the .ph file. These distances are then used by the method chosen (nj, phylip, dist) to make the phylogenetic tree (.nj, .ph, .dst file).

    from Bio import SeqIO
    
    ## 读入序列数据
    
    covid = SeqIO.read('data/covid19.fasta', 'fasta')
    sars = SeqIO.read('data/sars.fasta', 'fasta')
    mers = SeqIO.read('data/mers.fasta', 'fasta')
    ebola = SeqIO.read('data/ebola.fasta', 'fasta')
    
    ## 合并文件
    
    all_virus = [covid, sars, mers, ebola]
    SeqIO.write(all_virus, 'data/all_virus.fasta', 'fasta')
    

    4

    ## 数据来源 GenBank
    ## 打印数据信息
    
    for i in all_virus:
        print('%s\t%s' % (i.id, i.description))
    

    NC_045512.2 NC_045512.2 Severe acute respiratory syndrome coronavirus 2 isolate Wuhan-Hu-1, complete genome
    NC_004718.3 NC_004718.3 SARS coronavirus Tor2, complete genome
    NC_019843.3 NC_019843.3 Middle East respiratory syndrome-related coronavirus isolate HCoV-EMC/2012, complete genome
    NC_002549.1 NC_002549.1 Zaire ebolavirus isolate Ebola virus/H.sapiens-tc/COD/1976/Yambuku-Mayinga, complete genome

    ## Alignment
    ## 进行对齐/序列比对
    
    from Bio.Align.Applications import ClustalwCommandline
    
    cline = ClustalwCommandline('clustalw', infile='data/all_virus.fasta')
    
    stdout, stderr = cline()
    
    ## 输出文件将保存在源路径下: all_virus.aln  all_virus.dnd
    %ls data
    

    all_virus.aln all_virus.fasta ebola.fasta sars.fasta
    all_virus.dnd covid19.fasta mers.fasta

    ## 可以用Bio.AlignIO读取输出结果
    
    from Bio import AlignIO
    
    align = AlignIO.read('data/all_virus.aln', 'clustal')
    
    print(align)
    type(align)
    

    Alignment with 4 rows and 30972 columns
    ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTC…AAA NC_045512.2
    ATATTAGGTTTTTACCTACCCAGGAAA–AGCCAACCAACCT-C…— NC_004718.3
    -------GATTTAAGTGAATAGCTTGGCTATCTCACTTCCCCTC…— NC_019843.3
    --------------------------------------------…— NC_002549.1

    Bio.Align.MultipleSeqAlignment

    ## 写出为phylip格式
    
    AlignIO.write(align, 'data/all_virus_align.phy', 'phylip')
    

    1

    ## 可以用Bio.Phylo读取树文件
    
    from Bio import Phylo
    
    ## clustalw 生成的 guide tree
    guide_tree = Phylo.read('data/all_virus.dnd', 'newick')
    
    Phylo.draw_ascii(guide_tree)
    
                               __________ NC_045512.2
      ________________________|
     |                        |__________ NC_004718.3
    _|
     |___________________________________ NC_019843.3
     |
     |_________________________________________________________________ NC_002549.1
    
    ## 建树
    
    from Bio.Phylo.Applications import PhymlCommandline
    
    ## 调用Phyml,以ML法生成系统发生树
    cmd = PhymlCommandline(input='data/all_virus_align.phy')
    out_log, err_log = cmd()
    
    ## 生成树文件和统计文件
    %ls data | grep .txt
    

    all_virus_align.phy_phyml_stats.txt
    all_virus_align.phy_phyml_tree.txt

    tree = Phylo.read('data/all_virus_align.phy_phyml_tree.txt', 'newick')
    
    ## 自定义label
    
    labels = {
        covid.id[:10]: 'COVID-19',
        sars.id[:10]: 'SARS',
        mers.id[:10]: 'MERS',
        ebola.id[:10]: 'EBOLA',
        None: None
    }
    
    Phylo.draw(tree, label_func=lambda a:labels[a.name])
    

    系统发生树图片




    其他

    对齐和建树的时候,python分别调用了外部程序:clustalw和phyml,
    可从bioconda安装:

    conda install bioconda::clustalw
    

    or

    conda install -c bioconda phyml
    
    展开全文
  • 频域分析

    2021-01-06 23:23:26
    频域分析法定义2. 目的与意义3. 适用范围4. 优缺点4.1优点4.2 缺点5. 分析过程 1. 频域分析法定义 频域分析是一种研究控制系统的经典方法。是在频域范围内应用图解分析评价系统性能的一种工程方法。 2. 目的与...
  • 目录: 一:开放定址 1.定义 2.要求 3.线性探测 4.二次探测 ...5.随机探测 ...二:再散列函数 ...三:链地址 ...所谓的开放定址就是一旦发生了冲突,就去寻找下一个空的散列地址 2.要...

    目录:

    一:开放定址法

    1.定义

    2.要求

    3. 线性探测法

    4.二次探测法

    5. 随机探测法

    二:再散列函数法

    1.散列函数

    2.解释

    3.优点弊端

    A:优点

    B:弊端

    三:链地址法

    1.定义

    2.优点弊端

    A:优点

    B:弊端

    四: 公共溢出区法


    一:开放定址法

    1.定义

    所谓的 开放定址法 就是一旦发生了冲突,就去寻找下一个空的散列地址

    2.要求

    只要散列表足够大

    空的散列地址总能找到,并将记录存入

    3. 线性探测法

    使用该公式用于解决冲突的开放定址法称为 线性探测法

     

    对于 线性探测法,在出现冲突时,它只能晚后一步一步检测是否有空位置

     

    假设此时该冲突位置没有可用位置,但前面有一个空位置

    尽管可以不断地求余数后得到结果,但效率很差

    4.二次探测法

    因此可以改进该算法,增加双向寻找可能的空位置,这种新算法称为 二次探测法

    5. 随机探测法

    此外还有一种方法是,在冲突时,对于位移量采用随机函数计算得到,我们称为 随机探测法

     

    这里的随机其实是伪随机数

    即设置相同的随机种子,则不断调用随机函数的过程中可以生成不会重复的数列

    同时,在查找时,用同样的随机种子,它每次得到的数列也是相同

    因此相同的 就可以得到相同的散列地址

     

    二:再散列函数法

    1.散列函数

    提供多个散列函数

    2.解释

    这里的 就是不同的散列函数

    然后每当发生散列地址冲突时

    换一个散列函数计算

    相信总会有一个可以把冲突解决掉(todo:: how to search??)

    3.优点弊端

    A:优点

    这种方法能够使得关键字不产生聚集

    B:弊端

    当然,相应地也增加了计算的时间

     

    三:链地址法

    1.定义

    将所有关键字为同义词(即哈希地址相同)的记录存储在一个单链表中

    我们称这种表为同义词子表

     

    散列表只存储所有同义词子表头指针

    2.优点弊端

    A:优点

    链地址法对于可能会造成很多冲突散列函数来说

    提供绝不会出现找不到地址的保障

    B:弊端

    当然,这也就带来了查找时需要遍历单链表的性能损耗

     

    四: 公共溢出区法

    即为所有冲突的关键字建立一个公共的溢出区来存放

     

    在查找时,对给定值通过散列函数计算出散列地址后

    先与基本表的相应位置进行比对

    如果相等,则查找成功

    如果不相等,则到溢出表去进行顺序查找

     

    如果对于基本表而言,有冲突的数据很少的情况下

    公共溢出区的结构对查找性能来说还是非常高

    展开全文
  • 银行会计学 定义

    2020-06-05 18:33:35
    定义概念资产和货币常见资产常见负债外债内债业务资产负债中间表外左右记账/借贷记账轧差资产负债表所有者权益总结 概念 会计主体:工行、建行还是… 假设持续经营 分期:月、季、半年、年报 货币计量:账本位...

    概念

    • 会计主体:工行、建行还是…
    • 假设持续经营
    • 分期:月、季、半年、年报
    • 货币计量:账本位币
    • 权责发生制(应收应付制)

    资产和货币

    在这里插入图片描述

    常见资产

    • 现金
    • 物品
    • 贷款
    • 应收款项
    • 存放同业:商业银行存放在其他银行和非银行金融机构的存款。

    常见负债

    外债

    • 客户存款
    • 借款
    • 应付利息

    内债

    前股东的钱叫内债(所有者权益)

    • 资本金:企业在工商行政管理部门登记的注册资金。
    • 利润

    在这里插入图片描述
    所有者权益中:
    在这里插入图片描述

    业务

    商业银行 : 特殊企业

    资产

    贷款类业务

    负债

    存款类业务

    中间

    代理业务(替客户办理而收取手续费)。

    表外

    担保业务。

    左右记账法/借贷记账法

    依据恒等式: 资产=负债
    用户存钱
    在这里插入图片描述
    用户转钱
    在这里插入图片描述

    轧差

    在这里插入图片描述
    累计

    1. 资产增放左,减放右;
    2. 负债相反;
    3. 资产余额左,负债余额右;

    资产负债表

    资产多少属于自己,多少属于负债。
    在这里插入图片描述

    所有者权益

    1. 利润
    2. 股本:所有者出资
      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
      结转:年终将收入和支出清零,挪到利润上。
      在这里插入图片描述
    3. 本年利润T中T
    4. 收入在右
    5. 平时记账在内T
    6. 年终结转在外T

    总结

    1. 左=右
    2. T中T,增减汇
    展开全文
  • 大量的故障往往发生在输入定义域或输出值域的边界上,而不是在其内部。因此,针对各种边界情况设计测试用例,通常会取得很好的测试效果。 案例: 输入6位数字,日期取数从1990年1月-2049年12月。 那么年份的边界值...
  • 经济笔记

    2020-07-01 11:18:39
    定义:调整国家对市场进行规制过程中发生的经济关系的法律规范的总称。 目的:克服市场失灵。 包括:反不正当竞争、反垄断、消费者权益保护、产品质量等。 直接对象:微观经济行为。间接调控宏观经济。 现代...
  • 在程序运行时可以发生变化的量。 变量是一个具有名称存储值的内存空间。 2、python中如何定义变量 数据名称=变量值 强数据转换 : 数据类型 数据名称=变量值 弱数据转换 var 数据名称=变量值 3、变量的命名...
  • 错位推断

    2019-10-02 21:33:20
    错误推断定义 错误推测是指利用直觉和经验猜测出出错的可能类型,有针对性列举出程序中所有可能的错误和容易发生错误的情况,它是测试经验丰富的测试人员喜欢使用的一种测试用例设计方法。 错误推断的...
  • 法治的特征是君大于、官大于。()1型糖尿病主要发生在儿童和青少年,发病急、治疗要及时,否则有生命危险,原因是胰岛素绝对的不足。()团体理赔业务,一般由团体业务人员上门收取理赔资料,对于此类业务可视为...
  • 边界值分析

    2019-09-29 02:12:33
    一、 定义 边界值分析就是对输入或输出的边界值进行测试的一种黑盒测试方法。通常边界值分析是作为对等价类划分的补充,这种情况下,其测试用例来自等价类的边界。边界值分析是对等价类划分做补充的一种...
  • 边界值三点分析

    千次阅读 2017-07-25 09:44:13
    一、定义 边界值分析就是对输入或输出的边界...实践中,由于大量的错误发生在输入、输出值的边界上,所以,对于各种边界值进行测试用例的设计,可以查出更多的错误。 边值点的定义: 上点:边界上的点,闭内...
  • 摘要:用于员的组管控管理管控工作安全安全保障措施采用风险风险手段开展。...学烟染和灰霾光化造成频繁雾污大气发生定义型城性有)和挥发浓度增高机物气中导致大中的(市空,增加机动有量城市车保快速。9...
  • 前言:无数的测试实践表明,大量的故障往往发生在输入定义域或输出值域的边界上,而不是在其内部。因此,针对各种边界情况设计测试用例,通常会取得很好的测试效果。边界值分析就是对输入或输出的边界值进行测试的...
  • 错误推测

    2019-10-04 06:58:10
    1.定义: 基于经验和直觉推测程序中所有可能存在的各种错误,从而有针对性的设计测试用例的方法。 2.错误推测方法的基本思想 列举出程序中所有可能有的错误和容易发生错误的特殊情况,根据他们选择测试用例。 1...
  • 软件测试之边界值三点分析

    千次阅读 2017-03-28 14:26:10
    一、 定义 边界值分析就是对输入或输出的边界值...实践中,由于大量的错误发生在输入、输出值的边界上,所以,对于各种边界值进行测试用例的设计,可以查出更多的错误。 边值点的定义: 上点:边界上的点,闭...
  • 朴素贝叶斯

    2019-03-09 11:22:08
    贝叶斯定理是在事件已经发生后,反过来讨论事件在那个条件下发生的概率。下面以一个例题来讲解全概率公式和贝叶斯公式 二、朴素贝叶斯算法 朴素贝叶斯算法属于生成模型,需要对p(x|y)进行建模,如下图所示: ...
  • HS 光流详解

    2014-05-23 16:31:00
     当人的眼睛与被观察物体发生相对运动时,物体的影像在视网膜平面上形成一系列连续变化的图像,这一系列变化的图像信息不断 "流过" 视网膜,好像是一种光的 "流",所以被称为光流。  光流是基于像素点定义的,所有...
  • 散列之开放定址

    2018-06-20 15:54:25
    开放定址:如果有冲突发生,尝试选择另外得单元,直到找出空的单元为止。 开放定址散列数据结构 散列表单元不是链表,而是一个个散列项:包含关键字和相关信息(是否为空),数据结构声明如下: typedef...
  • 1 投票定义 一个常用的纠错方法是重复多次发送数据,并以少数服从多数的方法确定正确的传输数据。一般情况下,错误总是发生在局部,因此融合多个数据是降低误差的一个好方法。因为投票是多个结果融合的结果,...
  • 上述异常会发生在特定场景下,比如:1/3会得到一个无穷小数,这个时候需要定义计算结果要保留到小数点后几位,否则就会抛出上面的异常。 BigDecimal 除介绍: public BigDecimal divide(BigDecimal ..
  • 通常,我们所谓的哈希冲突可以定义为对于两个不相等的数据元素 i和 j,将他们代入哈希函数hashFunc有:   hashFunc(i) == hashFunc(j)  即不同关键字通过相同哈希函数计算出相同的哈希地址,对于哈希冲突的...
  • 测试实践证明,大量的故障往往发生在输入定义域的边界上,而不是在其内部。因此,针对各种边界情况设计测试用例,通常会取得很好的测试效果。 例如,一个循环条件“≤”时,却错写成“<”;计算器发生...
  • 视觉里程计 特征点

    千次阅读 2017-08-07 10:36:16
    定义:特征点是图像当中具有代表性的部分,这些点在相机视角发生微小变化后依然保持不变 组成:由关键点和描述子两部分组成 关键点——位置、大小、方向 描述子——关键点周围的像素信息 1.2 ORB特征 组成: ...
  • 测试用例设计——边界值分析

    万次阅读 2019-10-18 15:43:12
    在前面的测试用例设计——等价类划分...无数的测试实践表明,大量的故障往往发生在输入定义域或输出值域的边界上,而不是在其内部。因此,针对各种边界情况设计测试用例,通常可能会发现更多的bug。 边界值分析...
  • Traffic Distribution     这里整理一下四阶段中交通分布预测阶段中的重要预测方法。...  首先输入所需数据,包括现状OD表、规划年发生吸引量以及小区间阻抗矩阵 #定义初始OD矩阵 init_OD=np.array([[200

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 609
精华内容 243
关键字:

发生定义法