Apache Axis

xlwings： xlwings是一个Python库，它使Python的一些数据分析特性可以在Excel实例中使用，包括对numpy数组、pandas Series和DataFrame的支持。与其他任何Python库一样，我们可以使用pip或conda等常用方法来安装它。详细文档（https://www.kancloud.cn/gnefnuy/xlwings-docs/1127455） 在xlwings中，有四种主要的对象类型，按递减的层次顺序排列:App(代表一个Excel实例)、Book、Sheet和Range。除了这些之外，我们还将处理Chart和Shape对象。 一 application 操作： 1 导入： import xlwings as xw 2 打开 excel app = xw.App(visible=True,add_book=True) #visible是否可见。False表示后台运行。 add_book 是否新建一个工作簿 其他操作： app.screen_updating = False # :屏幕更新，就是说代码对于excel的操作你可以看见，关闭实时更新可以加快脚本运行。默认是True。 app.pid #App进程pid app.books #返回一个打开的全部workbook的列表。Python打开的和手动打开的是不互通的 终止进程，强制退出。

https://www.cnblogs.com/jinqi79731/p/nicescroll.html Nicescroll滚动条插件是一个非常强大的基于JQUERY的滚动条插件，不需要增加额外的css，几乎全浏览器兼容。ie6+，实现只需要一段代码，侵入性非常小，样式可完全自定义，支持触摸事件，可在触摸屏上使用。 官网地址：http://www.areaaperta.com/nicescroll/ 引入核心文件，插件需要引入1.5.X以上版本的jquery库 最简单的用法如下： $(document).ready( function() { $("html").niceScroll(); } ); 注意：一定要放在 $(document).ready 中进行初始化！ 隐藏滚动条 $("#mydiv").getNiceScroll().hide(); 检测滚动条是否重置大小（当窗口改变大小时） $("#mydiv").getNiceScroll().resize(); 滚动到某个位置 $("#mydiv").getNiceScroll(0).doScrollLeft(x, duration); // Scroll X Axis $("#mydiv").getNiceScroll(0).doScrollTop(y, duration); // Scroll Y Axis

一、IDE选择 Anaconda软件：开源免费，https://www.anaconda.com下载，根据系统进行安装。由于下载速度慢，可以去 清华大学开源软件镜像站 下载。 Spyder软件设置：Tools-Preferences-Syntax coloring-Scheme设置成Monokai，保护眼睛。 Spyder里面有一个IPython，交互式调试工具。 二、NumPy库 1. 数据的维度：一组数据的组织形式。 从一个数据到一组数据，表达多种数据含义。 一维数据：由对等关系的有序或无序数据组成，采用线性方式组织，对应列表、集合、数组等。 二维数据：由多个一维数据构成，是一维数据的组合形式，字典或数据表示格式，如json等。 多维数据：由一维或二维数据在新维度上拓展形成。 高维数据：仅利用最基本的二元关系展示数据间的复杂结构，如键值对。 2. NumPy库 开源的Python科学计算基础库。 import numpy as np 引用模块的别名，建议这样的别名。 为什么需要一个额外的数据类型呢？如：N维数组对象ndarray，一维数组np.array（[0,1,2,3,4]) 好处：a 数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据。 b 设置专门的数组对象，经过优化，可以提升这类应用的运算速度，底层是C语言，故效率高。 c 科学计算中

一.环境以及注意事项 1.windows10家庭版 python 3.7.1 2.需要使用到的库 wordcloud(词云),jieba(中文分词库),安装过程不展示 3.注意事项：由于wordcloud默认是英文不支持中文，所以需要一个特殊字体 simsum.tff.下载地址： https://s3-us-west-2.amazonaws.com/notion-static/b869cb0c7f4e4c909a069eaebbd2b7ad/simsun.ttf 请安装到C:\Windows\Fonts 里面 4.测试所用的三国演义txt文本下载地址（不保证永久有效）： https://www.ixdzs.com/d/1/1241/ 5.调试过程可能会出现许多小问题，请检查单词是否拼写正确，如words->word等等 6.特别提醒：背景图片和文本需 放在和py文件同一个地方 二.词频统计以及输出 　　（1）　　代码如下（封装为txt函数） 　　　　　　 函数作用：jieba库三种模式中的精确模式（输出的分词完整且不多余） jieba.lcut(str)： 返回列表类型 def txt(): #输出词频前N的词语 txt = open("三国演义.txt","r").read() #打开txt文件,要和python在同一文件夹 words = jieba.lcut(txt)

十分钟快速入门Matplotlib 函数式绘图 这个库主要有两种绘图方式，一种是像这样的类matlab的函数式绘图方法。 import matplotlib.pyplot as plt import numpy as np # 创建数据 x = np.linspace(0, 5, 10) y = x ** 2 # 开始绘图 plt.figure() # 创建画布 plt.plot(x, y, 'r') # 对x和y用红色线进行绘图 plt.xlabel('x') # 设置x坐标轴的名称 plt.ylabel('y') plt.title('title') # 设置图片标题 plt.show() # 显示画布 对数式绘图 还有一种是基于对象API的绘图方式。 fig = plt.figure() # 创建空白的fig对象 axes = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # 在fig上添加axes axes.plot(x, y, 'r') # 在axes上用数据绘图 axes.set_xlabel('x') # 设置axes的x坐标轴名称 axes.set_ylabel('y') axes.set_title('title') # 设置axes的标题 其实上面那个对象绘图我们已经很明显看得出这里面自顶向下的从属关系了。比如说一个fig有多个axis

利用AXI VDMA实现OV5640摄像头采集 导读：摄像头采样图像数据后经过VDMA进入DDR，通过PS部分控制，经过三级缓存，将DDR中保持的图形数据通过VDMA发送出去。在FPGA的接收端口产生VID OUT时序驱动HDMI显示器显示图形。 一、 基础知识点 1、OV5640和VDMA之间同步信号的配置，输入端采样视频流协议中的tuser作为同步信号。 2、VDMA主要端口： （1）、S_AXI_Lite：寄存器配置接口，用于软件配置VDMA，并读取状态信息。 （2）、S_AXI_S2MM：视频流入端，接收外来的视屏数据。 （3）、M_AXI_MM2S:AXI4全协议主端，从DDR中读取数据给M_AXI_MM2S。 （4）、M_AXI_S2MM：AXI4全协议主端，从DDR中读取的数据给M_AXI_S2MM （5）、M_AXIS_MM2S：视频流接口，向外发送数据。 3、PL中的DMA IP对于DDR和PL存储资源来说是主机（Master），DMA对于PS来说是从机（Slave），PS通过AXI_Lite配置DMA的寄存器从原地址向目的地址转移多少数据，DMA通过AHP读写DDR，通过AXI读写PL资源。 4、在ZYNQ芯片内部，PS和PL是共享DDR控制器的，PS访问DDR只要操作DDR虚拟地址的应设计可，对于PL，要接入DDR，必须通过AXI_HP端口。 二、 框架分析

导读：摄像头采样图像数据后经过VDMA进入DDR，通过PS部分控制，经过三级缓存，将DDR中保持的图形数据通过VDMA发送出去。在FPGA的接收端口产生VID OUT时序驱动HDMI显示器显示图形。 一、 基础知识点 1、OV5640和VDMA之间同步信号的配置，输入端采样视频流协议中的tuser作为同步信号。 2、VDMA主要端口： （1）、S_AXI_Lite：寄存器配置接口，用于软件配置VDMA，并读取状态信息。 （2）、S_AXI_S2MM：视频流入端，接收外来的视屏数据。 （3）、M_AXI_MM2S:AXI4全协议主端，从DDR中读取数据给M_AXI_MM2S。 （4）、M_AXI_S2MM：AXI4全协议主端，从DDR中读取的数据给M_AXI_S2MM （5）、M_AXIS_MM2S：视频流接口，向外发送数据。 3、PL中的DMA IP对于DDR和PL存储资源来说是主机（Master），DMA对于PS来说是从机（Slave），PS通过AXI_Lite配置DMA的寄存器从原地址向目的地址转移多少数据，DMA通过AHP读写DDR，通过AXI读写PL资源。 4、在ZYNQ芯片内部，PS和PL是共享DDR控制器的，PS访问DDR只要操作DDR虚拟地址的应设计可，对于PL，要接入DDR，必须通过AXI_HP端口。 二、框架分析 1、PS配置 （1）、processing

前言 1，背景介绍 　　在交通摩擦（事故）发生后，理赔员会前往现场勘察、采集信息，这些信息往往影响着车主是否能够得到保险公司的理赔。训练集数据包括理赔人员在现场对该事故方采集的36条信息，信息已经被编码，以及该事故方最终是否获得理赔。我们的任务是根据这36条信息预测该事故方没有被理赔的概率 2，任务类型 　　入门二元分类模型 3，数据文件说明 train.csv 　　　　　 　训练集 　　 文件大小为15.6MB test.csv 　　　 　预测集 　　文件大小为6.1MB sample_submit.csv 　 提交示例 文件大小为1.4MB 4，数据变量说明　 　　训练集中共有200000条样本，预测集中有80000条样本。 5，评估方法 　　你的提交结果为每个测试样本未通过审核的概率，也就是Evaluation为1的概率。评价方法为精度-召回曲线下面积(Precision-Recall AUC)，以下简称PR-AUC。 　　PR-AUC的取值范围是0到1。越接近1，说明模型预测的结果越接近真实结果。 5.1 精度和召回的定义和计算方式如下： 　可以参考博文： 机器学习笔记：常用评估方法 　　首先，我们先从混淆矩阵聊起，混淆矩阵是用来总结一个分类器结果的矩阵，对于K元分类，其实它就是一个 k * k 的表格，用来记录分类器的预测结果。 　　对于最常见的二元分类来说

对于viavado 中IFFT IP的使用刚开始的时候，没有找到IFFT的IP,最后经过查找资料发现，在VIVADO中 FFT IP和IFFT IP是用的统一个IP，具体是IFFT还是FFT通过设s_axis_config_tdata=1/0设置fft或ifft模式，而且在同一个工程当中，尽量选择同一个IP多次例化使用。 FFT IP的设置主要包括三个界面，虽然不是每一个标签栏都需要修改配置，但最好也要知道一下他的作用： 第一页界面 ： 第一个标签页里主要配置通道数，点数，时钟，吞吐量，结构，以及是否可以运行时配置，需要注意的是结构的配置会影响调整因子。如下图所示： number of channels :变换通道，可以选择多通道，实现多帧数据同时进行FFT运算； 　 transform lenfgth : FFT变换长度，如果选择了最下面的‘run time configurable transdorm legth’,则该参数是FFT变化的最大长度，一般不选。 　　architecure choice : 这个标签里主要是用来实现，FFT变换所选用的架构： 　　　　　　　　　　　　　Automatically selected ： 自动选择所需要的，FFT变化架构。 　　　　　　　　　　　　 pipelined streaming ： 并行流水线结构 　　　　　　　　　　　　

CDA数据分析师 出品 认识环比增长率 很多企业比较注重自己的业务增长情况，时常会需要计算同比增长率和环比增长率。从上学的时候就有很多小伙伴搞不清楚这两个增长率之间的区别，这里简单直白的解释一下： 同比增长率从名字上就比较容易理解，指的是同期相比增长情况如何，比如今年一季度和去年一季度相比业务增长情况就可以用同比增长率来衡量，具体的计算公式为（今年一季度数据 - 去年一季度数据）/去年一季度数据。这里的季度只是举例用的，月份，周甚至天都可以作周期； 环比增长率的名字可能没有那么直观，它指的是这一个周期与上一个周期相比增长情况如何，比如第三季度和第二季度相比，业务增长情况就可以用环比增长率来衡量，具体计算公式为（第二季度数据 - 第一季度数据）/第一季度数据。当然这里的季度也只是举例用的，月份，周甚至天也都可以作周期。 根据具体表格情况计算环比增长率 我们不能确保每次拿到的数据都是类似的格式，对不同格式的数据在计算环比增长率的时候，会有一些小差别。 计算环比增长率情况一 首先看一下数据集长什么样子： 这是一种形式的表格，不同的年份，不同产品的销售额，对这样一种形式的数据计算环比增长率，是比较简单的一种形式，不需要提前对数据做过多的整理。 这里需要注意的是，我们希望能够保留年份信息，而用来计算的函数会把表格中所有数值型数据都进行环比运算，所以需要提前将年份信息转化成索引： df1 =