1.GPIO简介 STM32F103ZET6有多个GPIO组,如GPIOA.GPIOB.GPIOC...等等.每个GPIO组具有16个IO口. GPIO组的寄存器都是类似的,每个GPIO组都有2个32位的配置寄存器.2个32位的数据寄存器.1个32位的置位/复位寄存器.1个16位复位寄存器和1个32位锁定寄存器. STM32的很多IO口都是5V兼容的,具体哪些IO口是5V兼容的,可以从芯片的数据手册管脚描述中查到,在手册的IO Level中标FT的就是5V电平兼容的. 2.GPIO配置 STM3

打开PD软件: 1.新建概念模型(conceptual Data Model) File-->New Model-->Conceptual Data Mode 或者点击工作区,右键-->New Model-->Conceptual Data Mode 2.打开模型时,会有方格线,去除方格线 Tools-->Dis 3.创建表并建立关系: 各个含义如下: 但是我在创建的过程中,报错如下: 在创建的过程中,人员表里有主键Code,性别表里也有主键Code,但是在创建的过程是报错,

一.PD虚拟机的安装1.Parallels Desktop ,简称PD,号称是Mac上最好用的虚拟机,具体的就在此不进行过多描述.下附Mac .app文件夹下载,下载后放入/Applications/文件夹下即可. 安装完成后如图 2.打开PD,运行效果如下 运行效果 点击此处进行下载(后期提供网盘连接) 二.Centos7的安装1.选择ISO文件 准备选择ISO文件 2.选择Centos7镜像,点击继续 选择Centos7镜像 点击此处进行下载Centos7镜像文件(根据实际网络情况选择主机下

昨天PD里建了几张表,建表的时候我在NAME栏位写了中文说明,但是脚本在数据库里生成表以后,发现中文说明没有了,需要自己在“注释”栏位添加才行,如下图: 我想要达到的效果如下图: 解决方法: 1.  PD中,选定一个编辑的表,右键- >Properties- >Columns- >Customize Columns and Filter(或直接用快捷键Ctrl+U)- >Comment(前面打勾)- >OK,如下图: 弹出的窗口中,选中COMMENT 确定后注释列就出来了,这

PD中将Comment 从Name复制值, 将以下语句考到,pd 工具栏下的执行脚本中执行下就OK了 Option Explicit ValidationMode = True InteractiveMode = im_Batch Dim mdl ' the current model ' get the current active model Set mdl = ActiveModel If (mdl Is Nothing) Then MsgBox "There is no current

尝试为场加入PD控制 在之前的模拟中,需要最小化一个能量函数H. 这样做的原因是,由理想约束的特性(约束反力垂直于虚位移),对于不含体积蒙皮的情况,可以推出 对于表面点,有 J^T * Σfs = 0 对于内部点,有 Σfn = 0 而对于体积蒙皮的情况, 对于表面点,仍有 J^T * Σfs = 0 对于内部点,有 J^T * W^T * fn = 0 其中W为蒙皮权重矩阵 综合两种情况,可以发现,这些力平衡情况都同H函数对内部点n.对参数p的导数等于零是等价的. 不含体积蒙皮的情况,dH/d

一般安装时一次性安装完DV\PY\PD环境后,再安装WEBSERVER时只需要修改一次配置文件即可,但如果先安装顺序如下: DV->WEBSERVER->PY 此时,配置程序被初始化,必须重新修改jde.ini 以及WEBSERVER下的Tnsnames.ora文件 同理,如果在进行PD安装,则仍需要安装WEBSERVER. -----------------分割线------------------------ PS:貌似E910下system文件夹保存了所有的安装后环境,感觉应该可以先将s

最近写 AAAI 的文章,下载了其模板,但是蛋疼的是,总是提示错误,加上参考文献总是出错: 如下: ! pdfTeX error (ext4): \pdfendlink ended up in different nesting level than \pd fstartlink. \AtBegShi@Output ...ipout \box \AtBeginShipoutBox \fi \fi l.119 \begin{equation} ! ==> Fatal error occurred,

最近在mac上使用pd虚拟机装win使用,今天发现pd中的win7虚拟机死机了,无论怎么点都没用,通过点击操作-关闭也不行,重启电脑也不行,后来找到一种办法可以重启虚拟机. 1.先通过菜单中止虚拟机,这步可以实现. 2.在中止状态下点关闭. 3.重新开机即可.

设计多对多表时解决重复问题 目前流行两种设计方式: 方式一 是在中间表中建一个单独的id主键, 与业务表关联的键设置为unique唯一; 干事二: 联合主键的方式, 该方式中间表不会有与业务表无关的主键,即把与业务表关联的键 进行联合 作为主键 下面是使用pd来设计表的两种详细方式 方式一: 中间表采用一个单独的id主键与业务表无关

开发环境同to do list 1:首页:localhost/pd/ 2:导航栏测试或者生活点入: 测试:localhost/category/?cid=1 3:点击文章后进入文章显示页面 e.g:进入文章7:localhost/article/?id=7 4:右侧边栏文章分档界面; e.g:2015,10归档:localhost/archive/?year=2015&month=10 5:浏览排行与评论排行等只是点击跳转到相应文章页面就是了. 各个页面做了展示主要目的是列出对应的URL传递,好

从DataUML Design正式公布到如今有两个月了.因为近期比較忙,到如今才公布1.1版本号. 以后本人会一直坚持不断完好DataUML Design软件,希望广大程序员们多多支持. 一.1.1版本号新增和改进内容例如以下 1.支持数据模型元数据导出Word.Excel.PDF文档功能; 2.支持MY SQL.Access数据库; 3.支持载入PowerDesigner数据模型文件; 4.添加数据模型下加入数据包功能; 5.改进新建数据模型时绑定数据库类型功能; 二.生成文档功能 1.打开模

从DataUML Design正式宣布到现在两个月,因为最近忙,出版到现在为止1.1版本号.稍后我们将始终坚持以良好DataUML Design软件,我希望程序员有很多支持. 一.1.1新的和改进的版本的内容,如以下 1.支持数据模型元数据导出Word.Excel.PDF文档功能; 2.支持MY SQL.Access数据库; 3.支持载入PowerDesigner数据模型文件; 4.添加数据模型下加入数据包功能; 5.改进新建数据模型时绑定数据库类型功能; 二.生成文档功能 1.打开模型文件例如

本文简单介绍一下read_csv()和 to_csv()的参数,最常用的拿出来讲,较少用的请转到官方文档看. 一.pd.read_csv() 作用:将csv文件读入并转化为数据框形式. pd.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_co

背景: 在拿到的数据里,经常有分类型变量的存在,如下: 球鞋品牌:Nike.adidas. Vans.PUMA.CONVERSE 性别:男.女 颜色:红.黄.蓝.绿 However,sklearn大佬不能直接分析这类变量呀.在回归,分类,聚类等机器学习算法中,特征之间距离的计算或相似度的计算是算法关键部分,而常用的距离或相似度的计算都是在欧式空间的相似度计算,计算余弦相似性,基于的就是欧式空间.于是,我们要对这些分类变量进行哑变量处理,又或者叫虚拟变量. 缺点: 当类别的数量很多时,特征空间会变

cum系列函数是作为DataFrame或Series对象的方法出现的,因此命令格式为D.cumsum() 举例: D=pd.Series(range(0,5)) 1. cumsum 2. cumprod 3. cummax 4. cummin 参考文献: [1]Pandas —— cum累积计算和rolling滚动计算

背景:pandas支持将DataFrame数据直接保存到excel中   保存的case如下: import pandas as pd with pd.ExcelWriter('a.xls') as writer: df1.to_excel(writer, 'sheet1') df2.to_excel(writer, 'sheet2')   结果:新生成的结果sheet1和sheet2生成后,会将原有的excel表格中的数据全部覆盖   所以,在已有的excel文件上操作的方法如下: from

Mac PD 虚拟机 鼠标双击 输入 "c" 解决 特么的, 是屏幕取词软件引起的.. 关闭就好了.

  Pandas库是处理时间序列的利器,pandas有着强大的日期数据处理功能,可以按日期筛选数据.按日期显示数据.按日期统计数据.   pandas的实际类型主要分为: timestamp(时间戳) period(时期) timedelta(时间间隔) 常用的日期处理函数有: pd.to_datetime() pd.to_period() pd.date_range() pd.period_range resample 一.定义时间格式 1. pd.Timestamp().pd.Timedel

pd.qcut, pd.cut, df.groupby()等在分组和聚合方面的应用 量化交易里, 需要进行大量的分组和统计, 以方便自己处优势的位置/机会. 比如对股价进行趋势分析, 波动性分析, 量化之后, 进行归类统计, 再进行胜算概率的统计. 依据D8和T8的区间, 能够组合出来16种情形, 每一种case都是人们搭建起来的一幅美丽的场景. 研究和观察每一幅场景出现以后, 随后的几天里的表现, 那是非常令人期待的事情. TD图的统计展示, 还没有做完, 先留下部分结果: 代码: def s

1.创建带有缺失值的数据库:   import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index = list('abcde'), columns = ['one', 'two', 'three']) # 随机产生5行3列的数据 df.ix[1, :-1] = np.nan # 将指定数据定义为缺失 df.ix[1:-1, 2] = np.nan print('\ndf1') # 输出df