精华内容
下载资源
问答
  • 引言 问题描述 写此文,仅纪念写论文时那些掉帧的...本文从R语言、word、pdf三个方面来讲述我踩过的坑。 失败案例 最为本科统计学的专业的我,本次论文作图软件使用的是R语言中的ggplot2包中的函数。像保存图片...

    引言

    问题描述

    写此文,仅为纪念写论文时那些掉帧的图片。作为一个单纯想毕业的论文小白,对图片的要求也不是很高,仅仅是想让图片看起来不那么模糊。关键信息不被覆盖而已。但是就是那么一点需求都不能满足我。不过最终,历经坎坷也是找到了解决方法。本文从R语言、word、pdf三个方面来讲述我踩过的坑。

    失败案例

    最为本科统计学的专业的我,本次论文作图软件使用的是R语言中的ggplot2包中的函数。像保存图片以前也经常干,就是做出图片——调整大小确保信息展示全面——保存出去(习惯100%jpg)——插入word——转存pdf(最终要求word省略这一步)。但是唯独这次毕业设计中的图片显得异常那个模糊,连字母都区分不出。当然毋庸置疑也在一次给老师的审稿中被指了出来。几次百度后仍然不行的我,自然是先找找原因嘛。
    总结一下几条:
    1、这次拼图严重至少都是两张拼起来的
    2、在保存之前都被放大到全屏
    3、每张图方法太多导致信息过多
    有了着几条自认为的问题,就有了方案,首先拼图和信息量的问题是不能妥协的。想了想放大应该也不能妥协。只能从图像处理、转存格式、专业处理软件来入手解决

    文章结构

    图片分为矢量图和像素啥的。好吧,我摊牌我不是很懂。所以我从技术层面来寻找专业的图片保存方式。本文从PS、R语言、PDF打印机、word这四个方面讨论高质量图片的保存方式。

    四种不同的角度介绍

    1、PS转存

    实现方法介绍

    从方法上PS可以说是非常好了,这也是一个学软件的小伙伴发现的,操作简单把图片导入PS,转存出高像素的图片即可(电脑没装PS这里就不为小伙伴演示了)。一般的图片在转发上传或者插入时都会被压缩,但是被PS转存的图片则不会,我当时发给小伙伴的图片时358k,但是她发给我的是1.1M,我看到大小时,心理就感觉可以了。不过问题来了,写论文时可以使用PS么,不会被查出学术不端么。

    PS在学术论文中的使用

    虽说只是用PS提高了像素质量,但是还是用PS对图片进行处理了。对于我这个小白心理有的只是恐慌。于是接下来就去问了度娘两件事。
    1、使用PS做什么会被认定学术不端。
    2、如何鉴别图片是否PS过。
    对于第一件事说法不一,这里就不一一列举了。对于第二件事,正规期刊我不知道,但对于我们来说,只需要把图片用记事本打开就可知道图片的基本信息的。
    下面上图:
    在这里插入图片描述
    可以看到这张图片是R语言输出保存的图片。
    毕竟我是风险厌恶的,对于明显的红线要远离,对于这个PS方法pass掉了被我。

    2、R语言输出方法

    因为我用的不是rstudio,下面的方法都是基于R语言原始的平台的。

    内置输出函数

    R语言内置的输出函数有很多png、jpeg、pdf等等,这些函数的好处是可以直接把做好的图片按着指定的格式存入指定的文件夹,虽然有控制高宽的参数,但是使用这些函数转存不能直观控制图片大小,在这里就不一一介绍了。只是把函数的参数和使用格式贴在下面。png函数为例子:

    function (filename = "Rplot%03d.png", width = 480, height = 480, 
        units = "px", pointsize = 12, bg = "white", res = NA, 
        family = "sans", restoreConsole = TRUE, type = c("windows", 
            "cairo", "cairo-png"), antialias = c("default", 
            "none", "cleartype", "gray", "subpixel")) 
    

    注意在使用函数时应该遵循一下格式:

    x = 1:5
    y = 6:10
    png(filename = "Rplot%03d.png")
    plot(x,y)
    dev.off()
    

    只有dev.off()结尾才可以把图片保存出去。

    R语言函数包输出(ggplot2)

    首先要安装这个包install.packages("ggplot2"),然后是载入函数包:library("ggplot2").做好准备工作下面就介绍主角函数:savePlot。按照祖传惯例,贴出savePlot函数的参数:

    function (filename = "Rplot", type = c("wmf", "emf", 
        "png", "jpg", "jpeg", "bmp", "tif", 
        "tiff", "ps", "eps", "pdf"), device = dev.cur(), 
        restoreConsole = TRUE) 
    

    先介绍函数的基本参数,filename是保存图片的名称,type是保存图片的类型看到可以支持多种类型,当然一般的这两个参数就可以保存图片了。用到更多使用者自查帮助文档。这个函数的好处比于内置的保存函数有点在于众多的格式类型一个函数可以操作。但是保存效果依然不是很满意。

    R语言手动转存

    R语言在作图后是自带保存功能哒,下面是具体操作,注意只有在做出图来才可以保存哦
    手动转存这个是我一般会使用的方法,先说一下优点,这种方法可以直观调节图片大小,保存时和调节的尺寸一致。但是这次效果不是很好,各种格式都试过了。仍然会出现掉帧的现象。只有pdf的效果最好,接下来介绍pdf端的操作。

    3、 Adobe Acrobat X Pro

    Adobe Acrobat X Pro这是我经常用的一款pdf阅读器。其具备打印机功能,当然是打印成pdf的格式,在打印网页时比较方便还可以打印高质量pdf,在部分主要介绍pdf格式和word的交互。

    pdf格式图片插入word

    1、直接插入
    直接插入显示错误此处不插图片
    2、插入对象
    插入对象可行但是质量不如直接插入图片
    3、转成图片在插入
    可以先把图片在Adobe Acrobat X Pro中另存为图片在插入word,效果不差,但是一般,也不是很满意。

    word打印高质量pdf

    进行如下操作,简单描述直接上图。使用的是word2019和Adobe Acrobat X Pro,打开打印机——打开打印机属性——选择默认设置——选择高质量打印。
    在这里插入图片描述
    在这里插入图片描述

    4、word 的操作

    没想到最后问题的解决在word这,我也就把word
    用来压轴了,word在进行图片插入时会默认压缩图片,可以通过更改word的默认设置来提高图片的插入质量,避免失帧。直接上操作。
    开始——选择——高级
    选择不压缩文件的图像,高保真,打对勾,然后在插入图片,效果就会很大程度上好很多,起码放大不会模糊。

    总结

    本文总结了这两天踩过的坑,希望小伙伴不要再入坑,毕业加油!!!

    展开全文
  • 试着往左、往右或者上下拖动R语言图片显示界面,就可以得到想要的图。 2、关于保存: 我喜欢保存为PDF格式,不容易失真,保存的大概是矢量图。根据图的实际情况选择保存的尺寸比例,不知道怎么设置,就保存为调整...

    1、关于画图:
    用pROC包画ROC曲线的时候,有时候坐标很奇怪,往左或者往上偏了,不是在原点(暂且这么叫吧),比如:
    在这里插入图片描述
    不晓得修改参数,网上也没找到较好的答案,偶然一次机会,发现拖动画图的框框大小就可以实现,应该是视图显示的原因。试着往左、往右或者上下拖动R语言图片显示界面,就可以得到想要的图。
    在这里插入图片描述

    在这里插入图片描述
    2、关于保存:
    我喜欢保存为PDF格式,不容易失真,保存的大概是矢量图。根据图的实际情况选择保存的尺寸比例,不知道怎么设置,就保存为调整好的当前视图所设置的尺寸比例。
    在这里插入图片描述

    再将PDF用Adobe Photoshop CC 2017软件打开(其余的PS版本没用过,自行尝试),软件会自动剪切掉空白,留下合适图片尺寸,
    在这里插入图片描述
    修改为自己想要的像素值大小,再另存为TIFF格式或其它喜欢的格式即可。

    展开全文
  • R语言输出高质量图片

    千次阅读 2019-04-18 17:44:00
    若生成PDF矢量图(不懂),但是不可以插入word文档中。 最简便的方法就是对PDF截图,质量相对比较可以,但是仍不满意。 较好的方法,将图片保存成EPS(最下面)格式,用AdobeIllustrator 打开,再保存。 ...

    Rstudio画图之后保存的 图片格式如下

     

     

    上面的几种格式可以直接插入word文档中,但是图片质量很低,锯齿感很明显。若生成PDF,为矢量图(不懂),但是不可以插入word文档中。

    最简便的方法就是对PDF截图,质量相对比较可以,但是仍不满意。

    较好的方法,将图片保存成EPS(最下面)格式,用Adobe Illustrator 打开,再保存。

     

    百度云链接:https://pan.baidu.com/s/192Nm4oHStgP0zxUCgr70Jw 

    提取码:2yq0
    我自己的账号,下载之后按照一般软件按照即可(永久免费),这是当时上课是老师给的资源,贼好用。

    用AI 打开后,左上角 文件>>导出>>,

     

     

    选择你想要的格式,还可以选择图片质量

     

    转载于:https://www.cnblogs.com/super-yb/p/10731119.html

    展开全文
  • R语言数据可视化

    千次阅读 2017-08-28 10:44:54
    ##########数据可视化 win.graph()#手动创建一个图形设备,当前图形设备 dev.cur()#显示当前图形设备编号 dev.list()#显示当前有几个打开的图形...#图形文件,后续图片保存到指定格式的文件中 pdf("xx.pdf") win.
    ##########数据可视化
    win.graph()#手动创建一个图形设备,为当前图形设备
    dev.cur()#显示当前图形设备编号
    dev.list()#显示当前有几个打开的图形设备
    dev.set(n)#指定编号为n的设备为当前图形设备
    dev.off()#关闭当前
    dev.off(n)#关闭编号为n的图形设备
    #图形文件,后续图片将保存到指定格式的文件中
    pdf("xx.pdf")
    win.metafile("xx.wmf")
    fng("xx.png")
    jpeg("xx.jpg")
    bmp("xx.bmp")
    postscript("xx.ps")
    ##########图形布局,图形参数
    #25种符号
    h<-c(rep(1.5,5),rep(1.4,5),rep(1.3,5),rep(1.2,5),rep(1.1,5))
    l<-rep(seq(from=1,to=5,by=1),5)
    c<-0:24
    plot(x=l,y=h,pch=c,xlim = c(1,5),ylim = c(1,2))
    points(x=1.6,y=2.00,pch=10)
    #2*2布局
    par(mfrow=c(2,2),mar=c(1,2,3,4))
    #layout布局设置
    mylayout<-matrix(c(1,1,0,2),nrow = 2,ncol = 2,byrow = TRUE)
    DrawLayout<-layout(mylayout,widths = c(1,1),heights = c(1,2),respect = TRUE)
    layout.show(DrawLayout)
    
    #lty的取值(1~6)(在已有坐标系上画,不然lines不会)
    i<-1.8
    l<-c(1,1.2)
    k<-1
    while(i>=1.5){ 
      h<-rep(i,2)
      i<-i-0.05
      lines(x=l,y=h,lty=k,col=3)#绿色3黑色1红色2蓝色4
      k<-k+1
    }
    #type
    t<-c("p","l","b")
    k<-0
    a<-1.2
    for(i in 1:3){
      l<-c(1.4,1.6,1.8)
      a<-a+k
      h<-c(a,a,a)
      k<-k+0.05
      lines(x=l,y=h,type=t[i])
    }
    #修改图形参数
    Drawp<-par()#保存原始参数
    par(pch=3,lty=2,mar=c(1,0.5,1,2))#修改
    par(DrawP)#还原
    #核密度图:车险理赔次数的分布特点
    claimdata<-read.table(file="车险数据.txt",header = TRUE)
    Drawp<-par()#保存原始参数
    par(mfrow=c(2,1),mar=c(1,2,3,4))
    hist(claimdata$nclaims,xlab = "理赔次数",ylab="频率",main="车险理赔次数直方图",cex.lab=0.7,freq=FALSE,ylim=c(0,0.1))
    meantmp<-mean(claimdata$nclaims,na.rm = TRUE)
    sdtmp<-sd(claimdata$nclaims)
    d=seq(from=min(claimdata$nclaims),to=max(claimdata$nclaims),by=0.1)
    lines(x=d,y=dnorm(d,meantmp,sdtmp),lty=2,col=3)#概率密度曲线(步长0.1)
    lines(density(ClaimData$nclaims),lty=4,col=4)#核密度曲线
    plot(density(ClaimData$nclaims),main="核密度图",type="l",xlab = "理赔次数",ylab="密度")
    rug(jitter(ClaimData$nclaims),side=1,col=2) #数据地毯side=1/3在下/上方
    par(DrawL)
    ############小提琴图(刻画数值型变量的分布特征和形态)
    install.packages("vioplot")
    library("vioplot")
    claimdata<-read.table(file="车险数据.txt",header = TRUE)
    Drawp<-par()#保存原始参数
    par(mfrow=c(2,1),mar=c(4,6,4,4))
    vioplot(claimdata$nclaims,horizontal=TRUE)
    title(main = "车险理赔次数小提琴图",cex.main=0.8,xlab = "理赔次数",ylab = "全部观测",cex.lab=0.7)
    #各车型的小提琴图
    tmpA<-claimdata$nclaims[claimdata$vehiclegroup=="A"]
    tmpB<-claimdata$nclaims[claimdata$vehiclegroup=="B"]
    tmpC<-claimdata$nclaims[claimdata$vehiclegroup=="C"]
    tmpD<-claimdata$nclaims[claimdata$vehiclegroup=="D"]
    LabX<-c("A","B","C","D")
    Lo<-vioplot(tmpA,tmpB,tmpC,tmpD,names = LabX)#画图并将位置数据存在Lo(一个列表)中
    title(main="各车型理赔次数小提琴图",cex.main=0.8,xlab="车型",ylab="理赔次数",cex.lab=0.7)
    text(x=1:4,y=Lo$upper,labels = c(length(tmpA),length(tmpB),length(tmpC),length(tmpD)),srt=90)
    par(Drawp)
    ##########克利夫兰点图
    claimdata<-read.table(file="车险数据.txt",header = TRUE)
    Drawp<-par()#保存原始参数
    par(mfrow=c(2,1),mar=c(4,6,4,4))
    dotchart(claimdata$nclaims,main = "车险理赔次数克利夫兰点图",cex.main=0.8,xlab = "理赔次数",ylab = "观测编号",cex.lab=0.8)
    #各车型的克利夫兰点图
    Avg<-tapply(claimdata$nclaims, INDEX=claimdata$vehiclegroup, FUN=mean)
    dotchart(claimdata$nclaims[order(claimdata$vehiclegroup)],main="各车型的克利夫兰点图",cex.main=0.8,xlab="理赔次数",ylab = "车型",groups =claimdata$vehiclegroup,gdata = Avg,gpch = 17 )
    #图例
    legend("bottomright",title = "点型说明",c("观测值","均值"),pch=c(1,17),bg="white",cex=0.5)
    par(Drawp)
    #曲面图和等高线图
    ##############二元正态分布密度图
    mu1<-0#期望
    mu2<-0
    ss1<-10 #方差
    ss2<-10 
    rho<-0.7#xy相关系数
    MyDen<-function(x,y) #计算联合分布
    {
      t1<-1/(2*pi*sqrt(ss1*ss2*(1-rho^2)))
      t2<--1/(2*(1-rho^2))
      t3<-(x-mu1)^2/ss1
      t4<-(y-mu2)^2/ss2
      t5<--2*rho*((x-mu1)*(y-mu2))/(sqrt(ss1)*sqrt(ss2))
      return(t1*exp(t2*(t3+t4-t5)))
    }
    x<-seq(-10,10,length=50) 
    y<-x                     
    z<-outer(x,y,FUN=MyDen)   
    par(mfrow=c(2,2),mar=c(6,4,4,1))
    persp(x,y,z,main="二元正态分布密度曲面图",theta=30,phi=20,expand=0.5,shade = 0.5,xlab="X",ylab="Y",zlab="f(x,y)")
    contour(x,y,z,main="二元正态分布密度等高线图")
    ###########其他曲面图
    Myf<-function(x,y) {
      r<-sqrt(x^2+y^2)
      r<-10*sin(r)/r
      return(r)
    }
    x<-seq(-10,10,length=30)
    y<-x
    z<-outer(x,y,Myf)
    z[is.na(z)]<-1   
    persp(x,y,z,main="曲面图",theta=30,phi=30,expand=0.5) 
    contour(x,y,z,nlevels=10,main="等高线图")  
    #######雷达图(刻画不同观测在多个变量上的取值差异性)
    install.packages("fmsb")
    library("fmsb")
    forest<-read.table(file="森林数据.txt",header =TRUE)
    head(forest)
    avy<-aggregate(forest[,5:9],by=list(forest[,2]),FUN=mean)#按第二列交叉分组求均值
    radarchart(df=avy[,2:6],axistype = 0,seg = 5,maxmin=FALSE,
    vlabels = c("温度","湿度","风力","雨量","过火面积"),title="不同纬度地区气候平均值的雷达图")
    #######马赛克图(用于展示两个或三个分类型变量的相关性)
    library("vcd")
    ClaimData<-read.table(file="车险数据.txt",header=TRUE)
    mosaic(~vehiclegroup+vehicleage,data=ClaimData,shade=TRUE,legend=TRUE) #shade以灰度深浅表示观测频数与期望的差值,legend显示图例
    with(ClaimData,{table(vehiclegroup,vehicleage)}) #(域名一+域名二,data=数据框,shade=true)
    ########散点图
    forest<-read.table(file="森林数据.txt",header = TRUE)
    Drawp<-par()
    par(mfrow=c(1,2),mar=c(6,6,4,1))
    plot(x=forest$temp,y=forest$RH,main="温度和相对湿度散点图",xlab = "温度",ylab="相对湿度",cex.main=0.8,cex.lab=0.8)
    mo<-lm(RH~temp,data = forest)#lm函数一元线性回归
    abline(mo$coefficients)#abline添加直线,coefficients向量存放线性回归直线的截距和斜率
    M.Loess<-loess(RH~temp,data=forest)#局部加权散点平滑法
    Ord<-order(forest$temp)
    lines(forest$temp[Ord],y=M.Loess$fitted[Ord],lwd=1,lty=1,col=2)
    smoothScatter(x=Forest$temp,y=Forest$RH,main="森林地区温度和相对湿度的高密度处理散点图",xlab="温度",ylab="相对湿度",cex.main=0.8,cex.lab=0.8)
    #smoothScatter(x=横坐标向量,y=纵坐标向量)
    par(DrawL)
    #高密度处理散点图,hexbin函数首先对数据箱处理
    install.packages("hexbin")
    library("hexbin")
    bin<-hexbin(x=Forest$temp,y=Forest$RH,xbins=30)
    plot(bin,main="森林地区温度和相对湿度的高密度处理散点图",xlab="温度",ylab="相对湿度")
    #######三维散点图和气泡图
    install.packages("scatterplot3d")
    library("scatterplot3d")
    DrawL<-par()
    mylayout<-matrix(c(1,2,3,3),nrow = 2,ncol = 2,byrow = TRUE)
    DrawLayout<-layout(mylayout,widths=c(1,1),height= c(1,1),respect = FALSE)
    layout.show(DrawLayout)
    s3d<-with(Forest,scatterplot3d(temp,RH,wind,main="森林地区温度、相对湿度和风力的三维散点图",xlab="温度",ylab="相对湿度",zlab="风力",cex.main=0.7,cex.lab=0.7,cex.axis=0.7))
    fit<-lm(wind~temp+RH,data=Forest) #二元线性回归方程
    s3d$plane3d(fit,col="blue")  #画二位回归平面
    #气泡图各个数据点大小取决于第三个变量的取值
    with(Forest,symbols(temp,RH,circle=wind,inches=0.1,main="森林地区温度、相对湿度和风力的汽包图",xlab="温度",ylab="相对湿度",cex.main=0.7,cex.lab=0.7,cex.axis=0.7))
    with(Forest,symbols(temp,RH,circle=wind,inches=0.1,main="森林地区温度、相对湿度和风力的汽包图",xlab="温度",ylab="相对湿度",
                        cex.main=0.7,cex.lab=0.7,cex.axis=0.7,fg="white",bg="lightblue"))
    par(DrawL)
    #######矩阵散点图
    pairs(~temp+RH+wind,data=forest,main="森林地区温度、相对湿度和风力的矩阵散点图")
    install.packages("car")
    library("car")
    #在矩阵散点图上加回归曲线并在对角线画各变量密度估计图
    scatterplotMatrix(~temp+RH+wind,data=Forest,main="森林地区温度、相对湿度和风力的矩阵散点图",lty.smooth=2,spread=TRUE)#lty.smooth局部散点加权平滑的线型,spread添加离散程度的曲线
    ##分组散点图
    forest<-read.table(file = "森林数据.txt",header = TRUE)
    forest$month<-factor(forest$month,levels = c("jan","feb","mar","apr","may","jun","jul","aug","sep","oct","nov","dec"))
    coplot(RH~temp|month, pch=9,data=forest,xlab="温度",ylab="相对湿度")
    coplot(RH~temp|wind,pch=1,number = 6,data=forest,xlab="温度",ylab="相对湿度")
    #添加回归线
    Mypanel.lm<-function(x,y,...){
      Tmp<-lm(y~x)
      abline(Tmp$coefficients)
      points(x,y,pch=1)}
    coplot(RH~temp|wind,number=6,panel=Mypanel.lm,data=Forest,pch=1,xlab="温度",ylab="相对湿度")#panel指定面板函数
    
    
    
    
    
    
    
    
    
    
    展开全文
  • R语言实战之如何绘制线性回归图表 线性回归是统计学中最简单的模型之一,...#将之后数据生成的图表保存为当前工作路径下的名drug analyse的png格式图片 dose <- c(20,30,40,45,60) drugA <- c(16,20,27,40,60)
  • R语言入门小白,搜了一段代码修改后运行最后报错如下,求助各位大佬应该如何修改解决? ``` > setwd("F:/Research/gse27447/DAVID") > library(ggplot2) > pathway = read.csv("KEGG2.csv",header=TRUE,row....
  • R语言小白,网上搜了一份代码,修改后最后一步如下报错,应该怎么修改代码,望大佬们帮忙指导! ``` ``` setwd("F:/Research/gse27447/DAVID") > library(ggplot2) > pathway = read.csv("KEGG2.csv",header=...
  • Tcl_TK编程权威指南pdf

    热门讨论 2011-03-25 09:30:55
    Tcl_TK编程权威指南pdf 内容简介回到顶部↑Tcl/Tk是第一种能通过Windows、Macintosh和Solaris等主要平台处理企业级任务的脚本语言。本书共分为55章,依次详细讲述了Tcl基础、Tcl高级特性、TK基础、TK组件、TK详解、...
  • 二十三种设计模式【PDF版】

    热门讨论 2011-05-30 14:13:49
    于原著都是以C++例, 以Java例的设计模式基本又都以图形应用例,而我们更关心Java在中间件等服务器方面的应用,因此, 本站所有实例都是非图形应用,并且顺带剖析 Jive论坛系统.同时降低理解难度,尽量避免使用 ...
  • 使用 Readiris 您可以扫描纸张文档、打开图像文件和数码相机图像,并将其转换完全可编辑的文本文档和文本可搜索的 PDF 文档,并可将其保存、共享和发送至云。Readiris 支持各种输出格式,最重要的格式是 ...
  • ✓放大/缩小✓保存设置-设置会自动每个URL保存,每次返回时都会加载 ✓完整的键盘控制-面板上的每个控件都可以通过键盘快捷键进行控制。只需单击信息图标,就会出现快捷方式的完整列表,输入键盘快捷键,空格-播放...
  • R语言小白,百度搜了一段KEGG气泡图的代码,修改文件运行后仍出现报错,如何解决?谢谢各位大佬! ``` ```> setwd("F:/Research/gse27447/DAVID") > library(ggplot2) > pathway = read.csv("KEGG2.csv",...
  • Java生成密钥的实例 1个目标文件 摘要:Java源码,算法相关,密钥 Java生成密钥、保存密钥的实例源码,通过本源码可以了解到Java如何产生单钥加密的密钥(myKey)、产生双钥的密钥对(keyPair)、如何保存公钥的字节数组、...
  • JAVA上百实例源码以及开源项目

    千次下载 热门讨论 2016-01-03 17:37:40
     Java生成密钥、保存密钥的实例源码,通过本源码可以了解到Java如何产生单钥加密的密钥(myKey)、产生双钥的密钥对(keyPair)、如何保存公钥的字节数组、保存私钥到文件privateKey.dat、如何用Java对象序列化保存私钥...
  • awesome-python 是 vinta 发起维护的 Python 资源列表,内容包括:Web 框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、自然语言处理、机器学习、日志、代码分析等。由「开源前哨...
  • ASM:汇编语言源文件,Pro/E装配文件 ASP:动态网页文件;ProComm Plus安装与连接脚本文件;Astound介绍文件 AST:Astound多媒体文件;ClarisWorks“助手”文件 Axx:ARJ压缩文件的分包序号文件,用于将一个大...
  • awesome-cpp 就是 fffaraz 发起维护的 C++ 资源列表,内容包括:标准库、Web应用框架、人工智能、数据库、图片处理、机器学习、日志、代码分析等。 中文版由开源前哨和CPP开发者微信公号团队维护更新,在 GitHub 已...
  • windows 溢出提权小记/本地保存了一份+Linux&Windows提取脑图 Windows常见持久控制脑图 CVE-2019-0803 Win32k漏洞提权工具 脏牛Linux提权漏洞-reverse_dirty-更改的脏牛提权代码,可以往任意文件写入任意内容 ...
  • PDF格式扫描版,全书分为5篇15章,共899页。2011年1月出版。 全书压缩打包成2部分,这是第1部分。 注:本系列图书的第I、II卷再版时均相应改名《xxx开发实例大全》(基础卷)及(提高卷),但内容基本无变化,需要的...
  • PDF格式扫描版,全书分为5篇15章,共899页。2011年1月出版。 全书压缩打包成2部分,这是第2部分。 注:本系列图书的第I、II卷再版时均相应改名《xxx开发实例大全》(基础卷)及(提高卷),但内容基本无变化,需要的...
  • 比如 Ctrl + S,免得忘记保存 - 更多介绍 Librejo 我的书:一个图书笔记借阅管理的网站 - 更多介绍 ✅ Markdown Image:VSCode 扩展,直接复制粘贴即可在 Markdown 文件即可插入图片,支持上传到多种图床 - 更...

空空如也

空空如也

1 2
收藏数 22
精华内容 8
关键字:

r语言保存图片为pdf