culuo4781
culuo4781

mekko 教程_Power BI桌面Mekko图表

mekko 教程

In my last articles on Power BI Desktop (see the index at the bottom of the article), we have explored that Power BI has a rich set of visualizations. We can present data using various custom visuals available from Microsoft AppSource. These visuals are available free to download and use it as per our requirements.

在有关Power BI Desktop的最后几篇文章中（请参阅文章底部的索引），我们探索了Power BI具有丰富的可视化集。 我们可以使用Microsoft AppSource提供的各种自定义视觉效果来呈现数据。 这些视觉效果可根据我们的要求免费下载和使用。

Some of the articles for references are:

一些供参考的文章是：

  • Word Cloud 词云
  • Pulse Charts 脉搏图
  • Interactive chord diagrams 互动和弦图

Note: You should have Power BI Desktop installed in order to use the custom Visuals along with a work account to download them from Microsoft AppSource.

注意：您应该已安装Power BI Desktop，以便与工作帐户一起使用自定义Visuals从Microsoft AppSource下载它们。

Normally we use stacked bar charts in Excel to analyze the data in excel with the help of 100% Stacked Column Charts as shown below.

通常，我们在Excel中使用堆积条形图借助100％堆积柱形图来分析excel中的数据，如下所示。

mekko 教程_Power BI桌面Mekko图表_第1张图片

There is another way to represent data in terms of the stacked bar chart as shown below.

还有另一种以堆积条形图表示数据的方式，如下所示。

mekko 教程_Power BI桌面Mekko图表_第2张图片

In the stacked chart, as shown here, the length or width of the bar shows the particular category data. It helps to analyze the data from a single category perspective but if we want to add more categories into the chart, it would be difficult to get these from the stacked charts.

在堆叠的图表中，如此处所示，条的长度或宽度显示了特定的类别数据。 它有助于从单个类别的角度分析数据，但是如果我们想在图表中添加更多类别，则很难从堆叠的图表中获取这些类别。

Power BI presents a unique way to represent data into a two-dimensional stacked chart called Mekko charts aka Marimekko Charts. In Mekko Charts both x and y-axis represent a percentage scale. This percentage scale represents both height and width of the segment. The column width of each segment is scaled so that total width matches the chart width. Therefore, Mekko charts are two way 100% stacked charts.

Power BI提供了一种独特的方式来将数据表示为称为Mekko图又称为Marimekko图的二维堆叠图。 在Mekko图表中，x轴和y轴均表示百分比刻度。 该百分比比例代表该段的高度和宽度。 缩放每个段的列宽，以便总宽度与图表宽度匹配。 因此，Mekko图表是两种100％堆叠图表。

将数据导入Power BI Desktop (Import Data into Power BI Desktop)

Let us first prepare the sample data for creating the Mekko Chart. We will prepare both the 100% stacked charts and Mekko Charts to see the difference in both the charts.

让我们首先准备用于创建Mekko图表的样本数据。 我们将准备100％堆叠图表和Mekko图表，以查看两个图表之间的差异。

In this example, let us import data from the source as an Excel file. Therefore, to import the data follow the steps below

在此示例中，让我们从源导入数据作为Excel文件。 因此，要导入数据，请按照以下步骤操作

Click on Get Data -> Excel Data Source

单击获取数据-> Excel数据源

mekko 教程_Power BI桌面Mekko图表_第3张图片

Go the Excel file to import data into Power BI Desktop

转到Excel文件以将数据导入Power BI Desktop

mekko 教程_Power BI桌面Mekko图表_第4张图片

We can view sample data as shown below

我们可以查看示例数据，如下所示

mekko 教程_Power BI桌面Mekko图表_第5张图片

We need to load the data into Power BI Desktop, therefore ‘click on Load’. We can view the sample data and make changes if required. In order to make changes, click on Edit and save the data.

我们需要将数据加载到Power BI Desktop中，因此需要“单击加载”。 我们可以查看样本数据，并根据需要进行更改。 为了进行更改，请单击“编辑”并保存数据。

Now we have the data set into Power BI Desktop.

现在，我们将数据设置到Power BI Desktop中。

mekko 教程_Power BI桌面Mekko图表_第6张图片

100％堆积柱形图 (100% Stacked Column chart)

Let us create a 100% stacked column chart from the sample data set. 100% Stacked Column charts are available in the Power BI Desktop itself, we can use them without download it separately.

让我们根据示例数据集创建100％堆叠的柱形图。 Power BI Desktop本身提供100％堆积柱形图，我们可以使用它们而无需单独下载。

mekko 教程_Power BI桌面Mekko图表_第7张图片

Launch the Stacked Bar chart and adjust the width and height of the chart as shown below.

启动堆积条形图，并如下图所示调整图表的宽度和高度。

mekko 教程_Power BI桌面Mekko图表_第8张图片

Create the 100% Stacked Column Chart by selecting the data columns from the dataset as shown below. We can see here that it shows category for each Census division and as per the category. Each Census has its own data bars, which are further divided into the category.

通过从数据集中选择数据列来创建100％堆积柱形图，如下所示。 我们在这里可以看到，它显示了每个人口普查部门的类别以及类别。 每个人口普查都有自己的数据栏，这些数据栏进一步分为几类。

mekko 教程_Power BI桌面Mekko图表_第9张图片

Now in order to show more details in the chart, go to ‘Data labels’ section and switch it on. Just move the slider to turn it ‘On’. The Mekko Chart now chart shows data labels as well in terms of percentage. Each vertical bar category sum of percentage is 100%

现在，为了在图表中显示更多详细信息，请转到“数据标签”部分并将其打开。 只需移动滑块将其打开即可。 Mekko图表现在的图表还显示了数据标签的百分比。 每个垂直条类别的百分比总和为100％

mekko 教程_Power BI桌面Mekko图表_第10张图片

100％堆积条形图 (100% Stacked Bar chart)

Now let us create the 100% Stacked Bar chart from the Visualization section. This chart is also available by default in Power BI Desktop. Therefore, click on the 100% Stacked Bar chart icon and create a chart from the same data set.

现在，让我们从“可视化”部分创建100％堆积的条形图。 默认情况下，此图表在Power BI Desktop中也可用。 因此，单击100％堆积的条形图图标，然后从同一数据集创建一个图表。

We can see here that as compared with the 100% stacked Column chart, this chart shows data into bar format.

我们在这里可以看到，与100％堆积的柱状图相比，此图以条形格式显示数据。

mekko 教程_Power BI桌面Mekko图表_第11张图片

Mekko图 (Mekko chart)

Mekko Charts are a mix of 100% Stacked Column Chart and 100% Stacked Bar chart combined into one view. In today’s data analytics, we need to analyze the complex data, which we require multiple data fields, dimensions. We can do the segmentation and pattern analysis with the help of Mekko Charts. By default, this chart is not available in Power BI Desktop, go to the AppSource and install it.

Mekko图表是将100％堆积柱形图和100％堆积条形图组合成一个视图的组合。 在当今的数据分析中，我们需要分析复杂的数据，这需要多个数据字段和维度。 我们可以借助Mekko Charts进行细分和模式分析。 默认情况下，此图表在Power BI Desktop中不可用，请转到AppSource并安装它。

mekko 教程_Power BI桌面Mekko图表_第12张图片

We can download the file from here and then import later in Power BI Desktop or we can directly import the Mekko Chart. We need to have an active internet connection to connect and download the package.

我们可以从此处下载文件，然后稍后在Power BI Desktop中导入，也可以直接导入Mekko图表。 我们需要建立有效的Internet连接才能连接和下载软件包。

mekko 教程_Power BI桌面Mekko图表_第13张图片

We will import the Mekko Chart directly using Power BI Desktop Import function. To import the Mekko Chart, Go to Marketplace and search Mekko Chart

我们将使用Power BI Desktop导入功能直接导入Mekko图表。 要导入Mekko图表，请转到市场并搜索Mekko图表

mekko 教程_Power BI桌面Mekko图表_第14张图片

We can see in the description “A mix of 100% stacked column chart and 100% stacked bar chart combined into a single view”.

我们可以在“将100％堆积的柱形图和100％堆积的条形图组合成一个视图的描述”中看到。

Click on Add to import this customized visualization. It shows below message once the import is successful.

单击添加以导入此定制的可视化。 导入成功后，将显示以下消息。

mekko 教程_Power BI桌面Mekko图表_第15张图片

In the below image, we can see the Mekko Chart icon (

在下图中，我们可以看到Mekko图表图标（

mekko 教程_Power BI桌面Mekko图表_第16张图片

Click on Mekko Chart icon and adjust the height, the width of the Mekko Chart to have a better visual.

单击Mekko图表图标并调整Mekko图表的高度和宽度，以获得更好的视觉效果。

mekko 教程_Power BI桌面Mekko图表_第17张图片

Now we need to define the fields to create the Mekko Chart. We will use the existing data that we used in the 100% stacked Column chart and 100% Stacked Bar chart. Define the columns to the Category, Series, Y-Axis fields. In the below image, Mekko Chart is generated with defined columns.

现在，我们需要定义字段以创建Mekko图表。 我们将使用在100％堆积柱形图和100％堆积条形图中使用的现有数据。 在“类别”，“系列”，“ Y轴”字段中定义列。 在下图中，使用定义的列生成了Mekko图表。

mekko 教程_Power BI桌面Mekko图表_第18张图片

We can see here the Mekko chart is showing data in terms of both columns and Bars as per the data values and categories. We can highlight any particular category by clicking on that section. For example, below if we click on Commercial July 2018 YTD, we can highlight the section below.

我们可以在此处看到Mekko图表根据数据值和类别以列和条形显示数据。 我们可以通过单击该部分来突出显示任何特定类别。 例如，如果下面单击``2018年7月商业年初至今''，则可以突出显示以下部分。

Note: In the above Image of Mekko chart, we have customized the x-axis, a category to give a better look. You can customize them as per your requirement from the format section.

注意：在上面的Mekko图表图像中，我们自定义了x轴，这是一个使外观更好的类别。 您可以根据需要在格式部分自定义它们。

mekko 教程_Power BI桌面Mekko图表_第19张图片

Currently, the width of the bars is the same for all categories. It does not reflect any change in the width of bars due to our data. If we want to show this width as per our data then we need to set that particular column into the Axis Width section. For example, below we can see that Mekko chart after we set the Axis width as Value.

当前，所有类别的条形宽度均相同。 由于我们的数据，它不反映条形宽度的任何变化。 如果要根据数据显示此宽度，则需要将该特定列设置为“轴宽度”部分。 例如，在下面将“轴宽”设置为“值”后，可以看到该Mekko图表。

Therefore, the width of the bars in the Mekko chart is now changed as per the data values.

因此，现在根据数据值更改了Mekko图表中条形的宽度。

mekko 教程_Power BI桌面Mekko图表_第20张图片

If we hover mouse to any particular segment, we can see the detailed description for that particular field. For example, we can see the highlighted value in a pop box as shown.

如果将鼠标悬停在任何特定段上，我们可以看到该特定字段的详细说明。 例如，我们可以在弹出框中看到突出显示的值，如图所示。

mekko 教程_Power BI桌面Mekko图表_第21张图片

对焦模式格式化 (Focus Mode formatting)

We can view the chart in the focus mode in which we can view the visual with the highlighted mode and with all filters. Click on the small icon on the top right corner to enable focus mode.

我们可以在焦点模式下查看图表，在该模式下，我们可以使用突出显示模式和所有过滤器来查看视觉效果。 单击右上角的小图标以启用聚焦模式。

mekko 教程_Power BI桌面Mekko图表_第22张图片

We can see the below Mekko Chart in the focus mode.

我们可以在聚焦模式下看到下面的Mekko图表。

mekko 教程_Power BI桌面Mekko图表_第23张图片

列边框格式 (Column Border formatting)

By default, Mekko charts categories or segments are separated by a while column border. You can view the column border in the above image.

默认情况下，Mekko图表类别或细分由while列边框分隔。 您可以在上图中查看列边框。

We can control the properties of the column border using ‘Column Border’ section in the format area. We can change the column border color, width. We can turn it off as column border also.

我们可以使用格式区域中的“列边框”部分来控制列边框的属性。 我们可以更改列边框的颜色，宽度。 我们也可以将其关闭为列边框。

In the below example, I changed the column border color and we can see the change in the Mekko Chart.

在下面的示例中，我更改了列边框颜色，我们可以在Mekko图表中看到更改。

mekko 教程_Power BI桌面Mekko图表_第24张图片

In below example, we turned off ‘Column Border’ setting. You can notice the difference in Mekko Chart without any border.

在下面的示例中，我们关闭了“列边框”设置。 您会注意到Mekko图表中的差异没有任何边界。

mekko 教程_Power BI桌面Mekko图表_第25张图片

结论 (Conclusion)

Mekko Charts in Power BI desktop allows data to be displayed along with two dimensions simultaneously. These charts are useful for the analysis or representing complex data and provide a better view as compared to 100% Stacked Column and bar charts.

Power BI桌面中的Mekko图表允许同时显示数据和两个维度。 与100％堆积柱形图和条形图相比，这些图表可用于分析或表示复杂数据，并提供更好的视图。

目录 (Table of contents)

Power BI Desktop Interactive chord diagrams
Power BI Desktop Pulse Charts
How to create a Word Cloud generator in Power BI Desktop
Power BI desktop Mekko Charts
Hexbin Scatterplot in Power BI Desktop
Candlestick chart for stock data analysis in Power BI Desktop
Enlighten World Flag Slicer in Power BI Desktop
Flow Map Chart in Power BI Desktop
Ask a Question feature in Power BI Desktop
Power BI Desktop Q&A data interaction examples
Power BI Desktop and Python; like Peanut Butter and Chocolate
Power BI Desktop Pie Chart Tree
Importing data from a PDF file in Power BI Desktop
Power BI Desktop交互式和弦图
Power BI桌面脉冲图
如何在Power BI Desktop中创建词云生成器
Power BI桌面Mekko图表
Power BI Desktop中的Hexbin散点图
用于Power BI Desktop中的库存数据分析的烛台图
在Power BI桌面中启发世界国旗切片器
Power BI Desktop中的流程图
Power BI Desktop中的“提问”功能
Power BI桌面问答数据交互示例
Power BI Desktop和Python； 像花生酱和巧克力
Power BI桌面饼图树
从Power BI Desktop中的PDF文件导入数据

翻译自: https://www.sqlshack.com/power-bi-desktop-mekko-charts/

mekko 教程

你可能感兴趣的:(数据可视化,python,数据分析,大数据,可视化)

  • mac安装多个版本的python 出人头弟 macospython开发语言
    方法一(亲测有效)、通过brew安装pyenv，再用pyenv安装管理Python电脑需要先安装homebrew,安装办法详见:Homebrew中文网/bin/bash-c"$(curl-fsSLhttps://gitee.com/ineo6/homebrew-install/raw/master/install.sh)"安装pyenv：$brewinstallpyenv$pyenv-vpyenv
  • 加载pkl文件，Python报错AttributeError: Can‘t get attribute ‘DeepFM‘ on ＜module ‘__main__‘ from...＞ Zerol_Yan Python基础python
    背景模型同学发过来的pkl格式的模型，在系统中加载的时候，报错AttributeError:module'__main__'hasnoattribute'LabelEncoderExt'，尝试了很多种方式，最后终于解决了这个问题，记录一下，以后遇到类似的可以做参考。项目代码及结构app.pyfrominitimportappimportjsonfromflaskimportrequest@app.
  • python：Docker部署基于Fastapi接口 番茄牛腩不吃番茄 fastapipythondockerfastapi
    这几天文章更新的都不是很频繁，主要是在倒腾fastapi框架（当然，自身懒惰也有，年底比较忙也有），这个框架官方介绍就是高性能，易于学习，高效编码，生产可用,因为最近挺火的，也来蹭下。本篇文章主要聊得是利用docker搭建fastapi接口，其余文章后面空了会补上来吧，下面进入正文。步骤一：安装docker安装docker，网上教程很多，可自行百度步骤二：安装Fastapi安装完成后，并编写一些接
  • 爬取今日头条热点文章，揭秘热门话题背后的故事！ FLK_9090 爬虫python开发语言
    大家好，我是小码农。今天我要和大家分享一个有趣的项目，那就是使用Python爬取今日头条下面的热点文章。引言随着互联网的快速发展，人们对于时事新闻和热门话题的关注度越来越高。而今日头条作为国内知名的新闻平台，汇集了大量的热点文章，每天都有大量的新闻内容产生。因此，我们希望能够利用Python编写一个爬虫程序，自动化地获取今日头条下面的热点文章，以便我们更好地了解当下的热门话题和社会热点。代码实现首
  • 蒙特卡罗——排队模拟python代码实现 潮汐退涨月冷风霜 python开发语言蒙特卡罗
    排队问题描述数学知识：指数分布指数分布随机变量生成的数学原理指数分布的定义指数分布是连续概率分布，常用于描述某些事件发生的时间间隔。其概率密度函数（PDF）为：f(x;λ)=λe−λxf(x;\lambda)=\lambdae^{-\lambdax}f(x;λ)=λe−λx其中，λ\lambdaλ是速率参数，λ>0\lambda>0λ>0，并且x≥0x\geq0x≥0。生成指数分布随机变量的原理要
  • 蒙特卡罗——三门问题python代码实现 潮汐退涨月冷风霜 python开发语言蒙特卡罗
    三门问题b站李永乐老师讲解三门问题python蒙特卡罗模拟#模拟三门问题importrandomasrd#n:模拟次数,m:中奖次数n=100000m=0foriinrange(n):#车位于的门号car=rd.randint(0,2)#人随机选择一个门door=rd.randint(0,2)#主持人展示空门empties={0,1,2}-{car,door}empty=rd.choice(lis
  • 数据分析-18-时间序列分析的季节性检验 皮皮冰燃 数据分析数据分析
    1什么是时间序列时间序列是一组按时间顺序排列的数据点的集合，通常以固定的时间间隔进行观测。这些数据点可以是按小时、天、月甚至年进行采样的。时间序列在许多领域中都有广泛应用，例如金融、经济学、气象学和工程等。时间序列的分析可以帮助我们理解和预测未来的趋势和模式，以及了解数据的周期性、趋势、季节性等特征。常用的时间序列分析方法包括平滑法、回归分析、ARIMA模型、指数平滑法和机器学习方法等。1.1时间
  • LeetCode | 0235. 二叉搜索树的最近公共祖先【Python】 Wonz
    ProblemLeetCodeGivenabinarysearchtree(BST),findthelowestcommonancestor(LCA)oftwogivennodesintheBST.AccordingtothedefinitionofLCAonWikipedia:“Thelowestcommonancestorisdefinedbetweentwonodespandqasthelo
  • python组合数据类型 路口不会转弯
    python数据类型概览python组合数据类型表.png重要知识点:1,通过索引的方式提取元素或切片，只适用于有序序列，而无序序列则不行2，可变序列和不可变序列的区别在于可变序列可以对变量本身修改，而不可变序列不能对变量本身修改，但是我们可以创建一个新的变量。考点一：list1)list的特点：所有元素放在[]中，相邻元素用逗号分隔列表内元素有顺序，可以使用索引，且元素类型可以不同线性的数据结构
  • 7.python中列表list的切片操作 别以为你长得帅我就不打你 python开发语言人工智能
    7.python中列表list的切片操作在Python中，切片是一种操作序列数据类型（如列表、元组和字符串）的方式。列表切片操作允许我们提取列表的部分元素，生成新的列表。切片的基本语法是list[start:stop:step]，其中：start是切片开始索引的位置；stop是切片结束索引的位置，但注意这个位置的元素并不包含在切片中；step是切片每次移动的步长。以上都是可选参数。现在让我提供三个
  • 【题目】数据分析与数据思维选择题 天启和风 大数据题目数据分析数据挖掘大数据
    1.以下选项中不属于数据预处理的是（）A.数据清理B.数据可视化C.数据变换D.数据集成解析：选B。数据清洗指对数据集中的不完整、不合理或不准确的数据进行修补、去重、纠错、修补或删除数据变换将原始数据变换成符合目标算法要求的数据数据集成指对来自不同的数据源的数据进行集成处理2.用来描述访问了某个项目一次就退出的次数和这个项目总访问的次数的比率的基础指标是_？A.跳失率B.费效比C.渠道转换率D.访
  • 人生苦短我用Python pandas文件格式转换 程序喵D 人生苦短我用Pythonpythonpandas
    人生苦短我用Pythonpandas文件格式转换前言示例1excel与csv互转常用格式的方法FlatfileExcelJSONXML示例2常用格式转换简要需求依赖export方法main方法附其它格式的方法HTMLPicklingClipboardLatexHDFStore:PyTables(HDF5)FeatherParquetORCSASSPSSSQLGoogleBigQuerySTATA前
  • 两分钟带你了解分账系统收费标准 cjwi774 分账那些事大数据小程序电子商务分账零售
    随着大数据、人工智能、云计算等新兴技术愈发成熟，各行各业数字化、智能化改造升级既是大势所趋也是顺势而为。包括电商行业、共享行业、商业综合体、景区等许多业态都纷纷接入分账系统，助力自身业务进行转型升级。而分账系统的价格一直是企业主们考量的重要标准之一，今天小编就为大家介绍一下分账系统收费标准。其实分账系统没有一个固定的收费标准，因为不同的供应方、不同的功能等收费标准都是不同的。一般来说，目前市面上分
  • 循环和分支（这次来个全的，不分开写了） 她即我命
    for循环解决一个问题需要重复执行某一个过程Python中的循环有两个for循环还有while循环for循环"""for变量名in序列：循环体for：关键字变量名：和声明变量时是一样的，功能是存储值in：关键字，在。。。里的意思序列：必须是容器类型的数据类型。字符串、列表、字典、元组、集合等。循环体：会重复执行的代码块执行的过程：用变量不断地取序列的数据，一个一个地取，取完为止，每取一次执行一次循
  • 【Python系列】使用切片移动元素位置 Kwan的解忧杂货铺@新空间代码工作室 s2Pythonpython开发语言
    欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。推荐:kwan的首页,持续学习,不断总结,共同进步,活到老学到老导航檀越剑指大厂系列:全面总结java核心技术,jvm,并发编程redis,kafka,Spring,微服务等常用开发工具系列:常用的开发工具,IDEA,Mac,Alfred,Git,
  • Python和数据分析：Seaborn新手指南 Python_魔力猿 python数据分析信息可视化
    Seaborn是建立在Matplotlib之上的统计数据可视化库，它提供了高级接口和漂亮的默认样式，使得数据可视化变得更加简单和美观。1.导论Seaborn在数据可视化中的角色和优势体现在以下方面：简化API：Seaborn的API设计更加简洁，容易使用，尤其适合初学者。它能够通过几行代码生成漂亮而具有信息含量的图表。美观的默认样式：Seaborn具有吸引人的默认颜色和样式，无需额外的配置即可生成
  • python错误处理（try except ） 960 python开发语言
    finally如果有，则一定会被执行（可以没有finally语句）。以有多个except来捕获不同类型的错误：try:print('try...')r=10/int('a')print('result:',r)exceptValueErrorase:print('ValueError:',e)exceptZeroDivisionErrorase:print('ZeroDivisionError:'
  • aiohttp: AttributeError: ‘NoneType‘ object has no attribute ‘get_extra_info‘ zzzzls~ Pythonpythonaiohttpasyncio
    使用Proxyman分析aiohttp请求时遇到如上错误:报错环境系统:macPython:Python3.8.11aiohttp:3.8.0抓包软件:Proxyman解决方案:修改***/python3.8/site-packages/aiohttp/connector.py1211行:#注释如下行#runtime_has_start_tls=self._loop_supports_start_
  • Holoviews 创建复杂的可视化布局 步入烟尘 Python超入门指南全册Holoviewspython
    如何使用Holoviews创建复杂的可视化布局在数据科学和数据可视化领域，Holoviews是一个非常强大的Python库，它可以帮助我们轻松地创建各种复杂的可视化布局。Holoviews提供了一个高层次的接口，使得创建交互式和静态可视化变得简单而直观。本文将介绍如何使用Holoviews来创建复杂的可视化布局，让你的数据以最直观的方式展现出来。安装Holoviews首先，确保你已经安装了Holo
  • Python---AttributeError: 'NoneType' object has no attribute 'xxxx'问题 Jeffrey-J pythonpython
    做剑指找中位数题时发现如下代码报该错误data=[]data=data.append(num)会报:AttributeError:‘NoneType’objecthasnoattribute'append’错误。原因是什么呢？这时我查看了一下data的类型为。说明我们在某对象上试图使用某个方法或访问某个属性，但该对象为空。空对象肯定不会有append属性，所以报错。解决：既然新生成的对象为空，那只
  • 01-Flink安装部署及入门案例（仅供学习），音视频时代你还不会NDK开发 小猪佩琪962 2024年程序员学习flink学习大数据
    先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵
  • Python教学 | 有备无患！详解 Python 异常处理（try-except） 企研数据 pythonPython异常处理try-except语法错误程序异常
    更多详情请点击查看原文：Python教学|有备无患！详解Python异常处理（try-except）Python教学专栏，旨在为初学者提供系统、全面的Python编程学习体验。通过逐步讲解Python基础语言和编程逻辑，结合实操案例，让小白也能轻松搞懂Python！>>>点击此处查看往期Python教学内容本文目录引言一、关于异常二、try-except用法三、哪些情况下需要使用try-excep
  • 【Python】解决AttributeError: ‘NoneType‘ object has no attribute ‘xxxx‘ 云天徽上 Pandaspython开发语言pandas机器学习numpy
    【Python】解决AttributeError:'NoneType'objecthasnoattribute'xxxx'报错欢迎莅临我的个人主页这里是我深耕Python编程、机器学习和自然语言处理（NLP）领域，并乐于分享知识与经验的小天地！博主简介：我是云天徽上，一名对技术充满热情的探索者。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。尤其
  • python的魔法方法 zhongguo_boy python
    python的魔法方法python中的魔法方法是一些可以让你对类添加“魔法”的特殊方法，它们经常是两个下划线包围来命名的，比如__init__,__call__。魔法方法可以使Python的自由度变得更高，在面向对象方面表现的更好。python有很多魔法方法，根据其作用和特点，归纳总结为以下几类1.基础魔法方法1.1__new____new__是真正的构造函数，在实例化对象时被调用，通常你不会实现
  • 出现 xxx missing 1 required positional argument: ‘self‘ 解决方法 码农研究僧 BUGpythonbug
    目录1.问题所示2.原理分析3.解决方法1.问题所示编译代码的时候，出现如下问题：E:\software\anaconda3\envs\py3.10\python.exeF:\python_project\test\main.pyTraceback(mostrecentcalllast):File"F:\python_project\test\main.py",line36,
  • 12.2 Python绝对路径和相对路径详解 愿与你共信仰 第12章Python文件操作（I/O）python基础超详细
    在介绍绝对路径和相对路径之前，先要了解一下什么是当前工作目录。什么是当前工作目录每个运行在计算机上的程序，都有一个“当前工作目录”（或cwd）。所有没有从根文件夹开始的文件名或路径，都假定在当前工作目录下。注意，虽然文件夹是目录的更新的名称，但当前工作目录（或当前目录）是标准术语，没有当前工作文件夹这种说法。在Python中，利用os.getcwd()函数可以取得当前工作路径的字符串，还可以利用o
  • python爬虫处理滑块验证_python selenium爬虫滑块验证 用户6731453637 python爬虫处理滑块验证
    importrandomimporttimefromPILimportImagefromioimportBytesIOimportrequestsasrqfrombs4importBeautifulSoupasbsfromseleniumimportwebdriverfromselenium.webdriverimportActionChainsfromselenium.webdriverimpo
  • pandas读取带有表头的数据文件，读取无表头的数据文件 小桥流水---人工智能 人工智能深度学习Python程序代码pandas
    在Python中使用pandas库读取数据时，常见的问题之一就是如何处理数据文件中的表头。1.引入pandas库在开始之前，我们首先需要导入pandas库。如果你的环境中还未安装pandas，可以使用pip安装：pipinstallpandas导入pandas库：importpandasaspd2.读取带有表头的数据文件当数据文件中包含表头时，pandas会默认将第一行数据作为DataFrame的
  • Kamada-Kawai 布局算法简介，nx.kamada_kawai_layout(G) 小桥流水---人工智能 人工智能深度学习机器学习算法算法python人工智能
    nx.kamada_kawai_layout(G)是NetworkX中用于图布局的一个函数，它基于Kamada-Kawai弹簧嵌入算法（Kamada-KawaiSpringLayoutAlgorithm）。这是一个经典的力导向布局算法，它特别适用于中小型图的可视化，能够让节点的位置更直观地反映它们之间的关系。Kamada-Kawai布局算法简介Kamada-Kawai算法是一种用于图的二维或三维可
  • python unittest TypeError setUpClass missing 1 required positional argument cls Kelly雨薇 python框架
    pythonunittest框架使用可以用两种方法：（1）所有内容写在一个python文件里eg：https://blog.csdn.net/panyueke/article/details/85305223（2）function与主框架隔离eg：functions.pydeffun_div(x):returnx/2deffun_add(x):returnx+2deffun_minus(x):re
  • 解读Servlet原理篇二---GenericServlet与HttpServlet 周凡杨 javaHttpServlet源理GenericService源码
    在上一篇《解读Servlet原理篇一》中提到，要实现javax.servlet.Servlet接口（即写自己的Servlet应用），你可以写一个继承自javax.servlet.GenericServletr的generic Servlet ，也可以写一个继承自java.servlet.http.HttpServlet的HTTP Servlet（这就是为什么我们自定义的Servlet通常是exte
  • MySQL性能优化 bijian1013 数据库mysql
            性能优化是通过某些有效的方法来提高MySQL的运行速度，减少占用的磁盘空间。性能优化包含很多方面，例如优化查询速度，优化更新速度和优化MySQL服务器等。本文介绍方法的主要有：         a.优化查询         b.优化数据库结构  
  • ThreadPool定时重试 dai_lm javaThreadPoolthreadtimertimertask
    项目需要当某事件触发时，执行http请求任务，失败时需要有重试机制，并根据失败次数的增加，重试间隔也相应增加，任务可能并发。 由于是耗时任务，首先考虑的就是用线程来实现，并且为了节约资源，因而选择线程池。 为了解决不定间隔的重试，选择Timer和TimerTask来完成 package threadpool; public class ThreadPoolTest {
  • Oracle 查看数据库的连接情况 周凡杨 sqloracle 连接
    首先要说的是，不同版本数据库提供的系统表会有不同，你可以根据数据字典查看该版本数据库所提供的表。 select * from dict where table_name like '%SESSION%'; 就可以查出一些表，然后根据这些表就可以获得会话信息 select sid,serial#,status,username,schemaname,osuser,terminal,ma
  • 类的继承 朱辉辉33 java
    类的继承可以提高代码的重用行，减少冗余代码；还能提高代码的扩展性。Java继承的关键字是extends 格式:public class 类名（子类）extends 类名（父类）{ } 子类可以继承到父类所有的属性和普通方法，但不能继承构造方法。且子类可以直接使用父类的public和 protected属性，但要使用private属性仍需通过调用。 子类的方法可以重写，但必须和父类的返回值类
  • android 悬浮窗特效 肆无忌惮_ android
    最近在开发项目的时候需要做一个悬浮层的动画，类似于支付宝掉钱动画。但是区别在于，需求是浮出一个窗口，之后边缩放边位移至屏幕右下角标签处。效果图如下：   一开始考虑用自定义View来做。后来发现开线程让其移动很卡，ListView+动画也没法精确定位到目标点。   后来想利用Dialog的dismiss动画来完成。   自定义一个Dialog后，在styl
  • hadoop伪分布式搭建 林鹤霄 hadoop
    要修改4个文件    1: vim hadoop-env.sh  第九行    2: vim core-site.xml            <configuration>     &n
  • gdb调试命令 aigo gdb
    原文：http://blog.csdn.net/hanchaoman/article/details/5517362   一、GDB常用命令简介   r run 运行.程序还没有运行前使用 c             cuntinue 
  • Socket编程的HelloWorld实例 alleni123 socket
    public class Client { public static void main(String[] args) { Client c=new Client(); c.receiveMessage(); } public void receiveMessage(){ Socket s=null; BufferedRea
  • 线程同步和异步 百合不是茶 线程同步异步
    多线程和同步 : 如进程、线程同步，可理解为进程或线程A和B一块配合，A执行到一定程度时要依靠B的某个结果，于是停下来，示意B运行；B依言执行，再将结果给A；A再继续操作。 所谓同步，就是在发出一个功能调用时，在没有得到结果之前，该调用就不返回，同时其它线程也不能调用这个方法   多线程和异步:多线程可以做不同的事情,涉及到线程通知     &
  • JSP中文乱码分析 bijian1013 javajsp中文乱码
            在JSP的开发过程中，经常出现中文乱码的问题。         首先了解一下Java中文问题的由来：         Java的内核和class文件是基于unicode的，这使Java程序具有良好的跨平台性，但也带来了一些中文乱码问题的麻烦。原因主要有两方面，
  • js实现页面跳转重定向的几种方式 bijian1013 JavaScript重定向
            js实现页面跳转重定向有如下几种方式： 一.window.location.href <script language="javascript"type="text/javascript"> window.location.href="http://www.baidu.c
  • 【Struts2三】Struts2 Action转发类型 bit1129 struts2
     在【Struts2一】 Struts Hello World http://bit1129.iteye.com/blog/2109365中配置了一个简单的Action，配置如下   <!DOCTYPE struts PUBLIC "-//Apache Software Foundation//DTD Struts Configurat
  • 【HBase十一】Java API操作HBase bit1129 hbase
    Admin类的主要方法注释：   1. 创建表 /** * Creates a new table. Synchronous operation. * * @param desc table descriptor for table * @throws IllegalArgumentException if the table name is res
  • nginx gzip ronin47 nginx gzip
    Nginx GZip 压缩 Nginx GZip 模块文档详见：http://wiki.nginx.org/HttpGzipModule 常用配置片段如下： gzip on; gzip_comp_level 2; # 压缩比例，比例越大，压缩时间越长。默认是1 gzip_types text/css text/javascript; # 哪些文件可以被压缩 gzip_disable &q
  • java-7.微软亚院之编程判断俩个链表是否相交 给出俩个单向链表的头指针，比如 h1 ， h2 ，判断这俩个链表是否相交 bylijinnan java
    public class LinkListTest { /** * we deal with two main missions: * * A. * 1.we create two joined-List(both have no loop) * 2.whether list1 and list2 join * 3.print the join
  • Spring源码学习-JdbcTemplate batchUpdate批量操作 bylijinnan javaspring
    Spring JdbcTemplate的batch操作最后还是利用了JDBC提供的方法，Spring只是做了一下改造和封装 JDBC的batch操作： String sql = "INSERT INTO CUSTOMER " + "(CUST_ID, NAME, AGE) VALUES (?, ?, ?)";
  • [JWFD开源工作流]大规模拓扑矩阵存储结构最新进展 comsci 工作流
        生成和创建类已经完成,构造一个100万个元素的矩阵模型,存储空间只有11M大,请大家参考我在博客园上面的文档"构造下一代工作流存储结构的尝试",更加相信的设计和代码将陆续推出.........     竞争对手的能力也很强.......,我相信..你们一定能够先于我们推出大规模拓扑扫描和分析系统的....
  • base64编码和url编码 cuityang base64url
    import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.io.PrintWriter; import java.io.StringWriter; import java.io.UnsupportedEncodingException;
  • web应用集群Session保持 dalan_123 session
    关于使用 memcached 或redis 存储 session ，以及使用 terracotta 服务器共享。建议使用 redis，不仅仅因为它可以将缓存的内容持久化，还因为它支持的单个对象比较大，而且数据类型丰富，不只是缓存 session，还可以做其他用途，一举几得啊。1、使用 filter 方法存储这种方法比较推荐，因为它的服务器使用范围比较多，不仅限于tomcat ，而且实现的原理比较简
  • Yii 框架里数据库操作详解-[增加、查询、更新、删除的方法 'AR模式'] dcj3sjt126com 数据库
        public function getMinLimit () {        $sql = "...";        $result = yii::app()->db->createCo
  • solr StatsComponent（聚合统计） eksliang solr聚合查询solr stats
    StatsComponent 转载请出自出处：http://eksliang.iteye.com/blog/2169134 http://eksliang.iteye.com/ 一、概述        Solr可以利用StatsComponent 实现数据库的聚合统计查询，也就是min、max、avg、count、sum的功能   二、参数
  • 百度一道面试题 greemranqq 位运算百度面试寻找奇数算法bitmap 算法
    那天看朋友提了一个百度面试的题目：怎么找出{1,1,2,3,3,4,4,4,5,5,5,5}  找出出现次数为奇数的数字.   我这里复制的是原话，当然顺序是不一定的，很多拿到题目第一反应就是用map,当然可以解决，但是效率不高。   还有人觉得应该用算法xxx,我是没想到用啥算法好...！   还有觉得应该先排序...   还有觉
  • Spring之在开发中使用SpringJDBC ihuning spring
      在实际开发中使用SpringJDBC有两种方式：   1. 在Dao中添加属性JdbcTemplate并用Spring注入；     JdbcTemplate类被设计成为线程安全的，所以可以在IOC 容器中声明它的单个实例，并将这个实例注入到所有的 DAO 实例中。JdbcTemplate也利用了Java 1.5 的特定(自动装箱，泛型，可变长度
  • JSON API 1.0 核心开发者自述 | 你所不知道的那些技术细节 justjavac json
    2013年5月，Yehuda Katz 完成了JSON API(英文，中文) 技术规范的初稿。事情就发生在 RailsConf 之后，在那次会议上他和 Steve Klabnik 就 JSON 雏形的技术细节相聊甚欢。在沟通单一 Rails 服务器库—— ActiveModel::Serializers 和单一 JavaScript 客户端库——&
  • 网站项目建设流程概述 macroli 工作
    一.概念 网站项目管理就是根据特定的规范、在预算范围内、按时完成的网站开发任务。 二.需求分析 项目立项 　　我们接到客户的业务咨询，经过双方不断的接洽和了解，并通过基本的可行性讨论够，初步达成制作协议，这时就需要将项目立项。较好的做法是成立一个专门的项目小组，小组成员包括：项目经理，网页设计，程序员，测试员，编辑/文档等必须人员。项目实行项目经理制。 客户的需求说明书 　　第一步是需
  • AngularJs 三目运算 表达式判断 qiaolevip 每天进步一点点学习永无止境众观千象AngularJS
    事件回顾：由于需要修改同一个模板，里面包含2个不同的内容，第一个里面使用的时间差和第二个里面名称不一样，其他过滤器，内容都大同小异。希望杜绝If这样比较傻的来判断if-show or not，继续追究其源码。 var b = "{{", a = "}}"; this.startSymbol = function(a) {
  • Spark算子：统计RDD分区中的元素及数量 superlxw1234 sparkspark算子Spark RDD分区元素
    关键字：Spark算子、Spark RDD分区、Spark RDD分区元素数量     Spark RDD是被分区的，在生成RDD时候，一般可以指定分区的数量，如果不指定分区数量，当RDD从集合创建时候，则默认为该程序所分配到的资源的CPU核数，如果是从HDFS文件创建，默认为文件的Block数。   可以利用RDD的mapPartitionsWithInd
  • Spring 3.2.x将于2016年12月31日停止支持 wiselyman Spring 3
                  Spring 团队公布在2016年12月31日停止对Spring Framework 3.2.x（包含tomcat 6.x）的支持。在此之前spring团队将持续发布3.2.x的维护版本。          请大家及时准备及时升级到Spring
  • fis纯前端解决方案fis-pure zccst JavaScript
    作者：zccst FIS通过插件扩展可以完美的支持模块化的前端开发方案，我们通过FIS的二次封装能力，封装了一个功能完备的纯前端模块化方案pure。 1，fis-pure的安装 $ fis install -g fis-pure $ pure -v 0.1.4 2，下载demo到本地 git clone https://github.com/hefangshi/f
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他