数学建模——校园供水系统智能管理

news/2024/10/22 14:37:59/ 
import pandas as pd
data1=pd.read_excel("C://Users//JJH//Desktop//E//附件_一季度.xlsx")
data2=pd.read_excel("C://Users//JJH//Desktop//E//附件_二季度.xlsx")
data3=pd.read_excel("C://Users//JJH//Desktop//E//附件_三季度.xlsx")
data4=pd.read_excel("C://Users//JJH//Desktop//E//附件_四季度.xlsx")
data1
水表名水表号采集时间上次读数当前读数用量
0司法鉴定中心02019/1/1 00:15:002157.12157.10.0
1司法鉴定中心02019/1/1 00:30:002157.12157.10.0
2司法鉴定中心02019/1/1 00:45:002157.12157.10.0
3司法鉴定中心02019/1/1 01:00:002157.12157.10.0
4司法鉴定中心02019/1/1 01:15:002157.12157.10.0
.....................
729278物业30301001022019/3/31 22:45:0050.950.90.0
729279物业30301001022019/3/31 23:00:0050.950.90.0
729280物业30301001022019/3/31 23:15:0050.950.90.0
729281物业30301001022019/3/31 23:30:0050.950.90.0
729282物业30301001022019/3/31 23:45:0050.950.90.0

729283 rows × 6 columns

data1.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

data2.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

data3.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

data4.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

import numpy as np
# 合并数据
data1['季度'] = pd.Series(["一季度" for i in range(len(data1.index))])
data2['季度'] = pd.Series(["二季度" for i in range(len(data2.index))])
data3['季度'] = pd.Series(["三季度" for i in range(len(data3.index))])
data4['季度'] = pd.Series(["四季度" for i in range(len(data4.index))])
data1
水表名水表号采集时间上次读数当前读数用量季度
0司法鉴定中心02019/1/1 00:15:002157.12157.10.0一季度
1司法鉴定中心02019/1/1 00:30:002157.12157.10.0一季度
2司法鉴定中心02019/1/1 00:45:002157.12157.10.0一季度
3司法鉴定中心02019/1/1 01:00:002157.12157.10.0一季度
4司法鉴定中心02019/1/1 01:15:002157.12157.10.0一季度
........................
729278物业30301001022019/3/31 22:45:0050.950.90.0一季度
729279物业30301001022019/3/31 23:00:0050.950.90.0一季度
729280物业30301001022019/3/31 23:15:0050.950.90.0一季度
729281物业30301001022019/3/31 23:30:0050.950.90.0一季度
729282物业30301001022019/3/31 23:45:0050.950.90.0一季度

729283 rows × 7 columns

data = data1.append([data2,data3,data4],ignore_index=True) # 添加合并
data
C:\Users\JJH\AppData\Local\Temp\ipykernel_31264\4019438690.py:1: FutureWarning: The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.data = data1.append([data2,data3,data4],ignore_index=True) # 添加合并
水表名水表号采集时间上次读数当前读数用量季度
0司法鉴定中心02019/1/1 00:15:002157.12157.10.0一季度
1司法鉴定中心02019/1/1 00:30:002157.12157.10.0一季度
2司法鉴定中心02019/1/1 00:45:002157.12157.10.0一季度
3司法鉴定中心02019/1/1 01:00:002157.12157.10.0一季度
4司法鉴定中心02019/1/1 01:15:002157.12157.10.0一季度
........................
3086783消防36203032002019/12/31 22:45:0022.022.00.0四季度
3086784消防36203032002019/12/31 23:00:0022.022.00.0四季度
3086785消防36203032002019/12/31 23:15:0022.022.00.0四季度
3086786消防36203032002019/12/31 23:30:0022.022.00.0四季度
3086787消防36203032002019/12/31 23:45:0022.022.00.0四季度

3086788 rows × 7 columns

x=data[['水表名','用量','采集时间']]
x
水表名用量采集时间
0司法鉴定中心0.02019/1/1 00:15:00
1司法鉴定中心0.02019/1/1 00:30:00
2司法鉴定中心0.02019/1/1 00:45:00
3司法鉴定中心0.02019/1/1 01:00:00
4司法鉴定中心0.02019/1/1 01:15:00
............
3086783消防0.02019/12/31 22:45:00
3086784消防0.02019/12/31 23:00:00
3086785消防0.02019/12/31 23:15:00
3086786消防0.02019/12/31 23:30:00
3086787消防0.02019/12/31 23:45:00

3086788 rows × 3 columns

x1=x[x['水表名']=='消防']
x1
水表名用量采集时间
1500912消防0.02019/4/22 12:15:00
1500913消防0.02019/4/22 12:30:00
1500914消防0.02019/4/22 12:45:00
1500915消防0.02019/4/22 13:00:00
1500916消防0.02019/4/22 13:15:00
............
3086783消防0.02019/12/31 22:45:00
3086784消防0.02019/12/31 23:00:00
3086785消防0.02019/12/31 23:15:00
3086786消防0.02019/12/31 23:30:00
3086787消防0.02019/12/31 23:45:00

23984 rows × 3 columns

import matplotlib.pyplot as plt

print(len(x1))

23984

# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签
x = range(23984)# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x1['采集时间'],x1['用量'],color='black',linewidth=0.5)
plt.show()

​
在这里插入图片描述

​

x=data[['水表名','用量','采集时间']]
x
水表名用量采集时间
0司法鉴定中心0.02019/1/1 00:15:00
1司法鉴定中心0.02019/1/1 00:30:00
2司法鉴定中心0.02019/1/1 00:45:00
3司法鉴定中心0.02019/1/1 01:00:00
4司法鉴定中心0.02019/1/1 01:15:00
............
3086783消防0.02019/12/31 22:45:00
3086784消防0.02019/12/31 23:00:00
3086785消防0.02019/12/31 23:15:00
3086786消防0.02019/12/31 23:30:00
3086787消防0.02019/12/31 23:45:00

3086788 rows × 3 columns

x2=x[x['水表名']=='XXX第一学生宿舍']
x2
水表名用量采集时间
220372XXX第一学生宿舍0.122019/1/1 00:15:00
220373XXX第一学生宿舍0.122019/1/1 00:30:00
220374XXX第一学生宿舍0.122019/1/1 00:45:00
220375XXX第一学生宿舍0.122019/1/1 01:00:00
220376XXX第一学生宿舍0.122019/1/1 01:15:00
............
2533541XXX第一学生宿舍0.402019/12/31 22:45:00
2533542XXX第一学生宿舍0.402019/12/31 23:00:00
2533543XXX第一学生宿舍0.502019/12/31 23:15:00
2533544XXX第一学生宿舍0.502019/12/31 23:30:00
2533545XXX第一学生宿舍0.502019/12/31 23:45:00

35039 rows × 3 columns

# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x2) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x2['采集时间'],x2['用量'],color='black',linewidth=0.5)
plt.show()

​
在这里插入图片描述

​

x=data[['水表名','用量','采集时间']]
x3=x[x['水表名']=='留学生楼（新）']
# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x3) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x3['采集时间'],x3['用量'],color='black',linewidth=0.3)
plt.show()

​
在这里插入图片描述

​

x=data[['水表名','用量','采集时间']]
x4=x[x['水表名']=='XXX教学大楼总表']
# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x4) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x4['采集时间'],x4['用量'],color='black',linewidth=0.3)
plt.show()

​
在这里插入图片描述

​

import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 指定字体为SimHei
labels = ['消防', '留学生楼（新）', 'XXX教学大楼总表']plt.boxplot([x1['用量'],x3['用量'],x4['用量']])plt.xticks(range(1, 4), labels)
# 显示图形
plt.show()

​
在这里插入图片描述

​

x5=x[x['水表名']=='XXX第四学生宿舍']
x5
水表名用量采集时间
246289XXX第四学生宿舍0.42019/1/1 00:15:00
246290XXX第四学生宿舍0.42019/1/1 00:30:00
246291XXX第四学生宿舍0.42019/1/1 00:45:00
246292XXX第四学生宿舍0.42019/1/1 01:00:00
246293XXX第四学生宿舍0.42019/1/1 01:15:00
............
2560037XXX第四学生宿舍0.72019/12/31 22:45:00
2560038XXX第四学生宿舍0.62019/12/31 23:00:00
2560039XXX第四学生宿舍0.62019/12/31 23:15:00
2560040XXX第四学生宿舍0.52019/12/31 23:30:00
2560041XXX第四学生宿舍1.22019/12/31 23:45:00

35039 rows × 3 columns

x6=x[x['水表名']=='茶园+']
x6
水表名用量采集时间
611260茶园+0.02019/1/3 16:15:00
611261茶园+0.02019/1/3 16:30:00
611262茶园+0.02019/1/3 16:45:00
611263茶园+0.02019/1/3 17:00:00
611264茶园+0.02019/1/3 17:15:00
............
2945006茶园+0.02019/12/31 22:45:00
2945007茶园+0.02019/12/31 23:00:00
2945008茶园+0.02019/12/31 23:15:00
2945009茶园+0.02019/12/31 23:30:00
2945010茶园+0.02019/12/31 23:45:00

34249 rows × 3 columns

x7=x[x['水表名']=='XXX4舍热泵热水舍']
x7
水表名用量采集时间
x21=x[x['水表名']=='XXX第一学生宿舍']
x21
水表名用量采集时间
220372XXX第一学生宿舍0.122019/1/1 00:15:00
220373XXX第一学生宿舍0.122019/1/1 00:30:00
220374XXX第一学生宿舍0.122019/1/1 00:45:00
220375XXX第一学生宿舍0.122019/1/1 01:00:00
220376XXX第一学生宿舍0.122019/1/1 01:15:00
............
2533541XXX第一学生宿舍0.402019/12/31 22:45:00
2533542XXX第一学生宿舍0.402019/12/31 23:00:00
2533543XXX第一学生宿舍0.502019/12/31 23:15:00
2533544XXX第一学生宿舍0.502019/12/31 23:30:00
2533545XXX第一学生宿舍0.502019/12/31 23:45:00

35039 rows × 3 columns

x22=x[x['水表名']=='XXX第二学生宿舍']
x22
水表名用量采集时间
229011XXX第二学生宿舍0.92019/1/1 00:15:00
229012XXX第二学生宿舍0.72019/1/1 00:30:00
229013XXX第二学生宿舍0.82019/1/1 00:45:00
229014XXX第二学生宿舍0.72019/1/1 01:00:00
229015XXX第二学生宿舍0.12019/1/1 01:15:00
............
2542373XXX第二学生宿舍0.12019/12/31 22:45:00
2542374XXX第二学生宿舍0.12019/12/31 23:00:00
2542375XXX第二学生宿舍0.22019/12/31 23:15:00
2542376XXX第二学生宿舍0.12019/12/31 23:30:00
2542377XXX第二学生宿舍0.12019/12/31 23:45:00

35039 rows × 3 columns

x21.set_index('采集时间', inplace=True)
x22.set_index('采集时间', inplace=True)

print(x21['用量'].dtypes,x21['水表名'])
print(x22['用量'].dtypes,x22['水表名'])
x_sum = x21.add(x22, fill_value=0)# 打印结果
x_sum

float64 采集时间
2019/1/1 00:15:00      XXX第一学生宿舍
2019/1/1 00:30:00      XXX第一学生宿舍
2019/1/1 00:45:00      XXX第一学生宿舍
2019/1/1 01:00:00      XXX第一学生宿舍
2019/1/1 01:15:00      XXX第一学生宿舍...    
2019/12/31 22:45:00    XXX第一学生宿舍
2019/12/31 23:00:00    XXX第一学生宿舍
2019/12/31 23:15:00    XXX第一学生宿舍
2019/12/31 23:30:00    XXX第一学生宿舍
2019/12/31 23:45:00    XXX第一学生宿舍
Name: 水表名, Length: 35039, dtype: object
float64 采集时间
2019/1/1 00:15:00      XXX第二学生宿舍
2019/1/1 00:30:00      XXX第二学生宿舍
2019/1/1 00:45:00      XXX第二学生宿舍
2019/1/1 01:00:00      XXX第二学生宿舍
2019/1/1 01:15:00      XXX第二学生宿舍...    
2019/12/31 22:45:00    XXX第二学生宿舍
2019/12/31 23:00:00    XXX第二学生宿舍
2019/12/31 23:15:00    XXX第二学生宿舍
2019/12/31 23:30:00    XXX第二学生宿舍
2019/12/31 23:45:00    XXX第二学生宿舍
Name: 水表名, Length: 35039, dtype: object
水表名用量
采集时间
2019/1/1 00:15:00XXX第一学生宿舍XXX第二学生宿舍1.02
2019/1/1 00:30:00XXX第一学生宿舍XXX第二学生宿舍0.82
2019/1/1 00:45:00XXX第一学生宿舍XXX第二学生宿舍0.92
2019/1/1 01:00:00XXX第一学生宿舍XXX第二学生宿舍0.82
2019/1/1 01:15:00XXX第一学生宿舍XXX第二学生宿舍0.22
.........
2019/12/31 22:45:00XXX第一学生宿舍XXX第二学生宿舍0.50
2019/12/31 23:00:00XXX第一学生宿舍XXX第二学生宿舍0.50
2019/12/31 23:15:00XXX第一学生宿舍XXX第二学生宿舍0.70
2019/12/31 23:30:00XXX第一学生宿舍XXX第二学生宿舍0.60
2019/12/31 23:45:00XXX第一学生宿舍XXX第二学生宿舍0.60

35039 rows × 2 columns

x26=x[x['水表名']=='茶园+']
x26
水表名用量采集时间
611260茶园+0.02019/1/3 16:15:00
611261茶园+0.02019/1/3 16:30:00
611262茶园+0.02019/1/3 16:45:00
611263茶园+0.02019/1/3 17:00:00
611264茶园+0.02019/1/3 17:15:00
............
2945006茶园+0.02019/12/31 22:45:00
2945007茶园+0.02019/12/31 23:00:00
2945008茶园+0.02019/12/31 23:15:00
2945009茶园+0.02019/12/31 23:30:00
2945010茶园+0.02019/12/31 23:45:00

34249 rows × 3 columns

x21=x[x['水表名']=='XXX第一学生宿舍']

x21
水表名用量采集时间
220372XXX第一学生宿舍0.122019/1/1 00:15:00
220373XXX第一学生宿舍0.122019/1/1 00:30:00
220374XXX第一学生宿舍0.122019/1/1 00:45:00
220375XXX第一学生宿舍0.122019/1/1 01:00:00
220376XXX第一学生宿舍0.122019/1/1 01:15:00
............
2533541XXX第一学生宿舍0.402019/12/31 22:45:00
2533542XXX第一学生宿舍0.402019/12/31 23:00:00
2533543XXX第一学生宿舍0.502019/12/31 23:15:00
2533544XXX第一学生宿舍0.502019/12/31 23:30:00
2533545XXX第一学生宿舍0.502019/12/31 23:45:00

35039 rows × 3 columns

df_merged = pd.merge(x21, x26, on='采集时间', how='inner')
df_merged
水表名_x用量_x采集时间水表名_y用量_y
0XXX第一学生宿舍0.222019/1/3 16:15:00茶园+0.0
1XXX第一学生宿舍0.222019/1/3 16:30:00茶园+0.0
2XXX第一学生宿舍0.222019/1/3 16:45:00茶园+0.0
3XXX第一学生宿舍0.222019/1/3 17:00:00茶园+0.0
4XXX第一学生宿舍0.222019/1/3 17:15:00茶园+0.0
..................
34244XXX第一学生宿舍0.402019/12/31 22:45:00茶园+0.0
34245XXX第一学生宿舍0.402019/12/31 23:00:00茶园+0.0
34246XXX第一学生宿舍0.502019/12/31 23:15:00茶园+0.0
34247XXX第一学生宿舍0.502019/12/31 23:30:00茶园+0.0
34248XXX第一学生宿舍0.502019/12/31 23:45:00茶园+0.0

34249 rows × 5 columns

df_merged['总用水量'] = df_merged['用量_x'] + df_merged['用量_y']
df_merged
水表名_x用量_x采集时间水表名_y用量_y总用水量
0XXX第一学生宿舍0.222019/1/3 16:15:00茶园+0.00.22
1XXX第一学生宿舍0.222019/1/3 16:30:00茶园+0.00.22
2XXX第一学生宿舍0.222019/1/3 16:45:00茶园+0.00.22
3XXX第一学生宿舍0.222019/1/3 17:00:00茶园+0.00.22
4XXX第一学生宿舍0.222019/1/3 17:15:00茶园+0.00.22
.....................
34244XXX第一学生宿舍0.402019/12/31 22:45:00茶园+0.00.40
34245XXX第一学生宿舍0.402019/12/31 23:00:00茶园+0.00.40
34246XXX第一学生宿舍0.502019/12/31 23:15:00茶园+0.00.50
34247XXX第一学生宿舍0.502019/12/31 23:30:00茶园+0.00.50
34248XXX第一学生宿舍0.502019/12/31 23:45:00茶园+0.00.50

34249 rows × 6 columns

df_merged1 = pd.merge(x21, x26, on='采集时间', how='outer')
df_merged1
水表名_x用量_x采集时间水表名_y用量_y
0XXX第一学生宿舍0.122019/1/1 00:15:00NaNNaN
1XXX第一学生宿舍0.122019/1/1 00:30:00NaNNaN
2XXX第一学生宿舍0.122019/1/1 00:45:00NaNNaN
3XXX第一学生宿舍0.122019/1/1 01:00:00NaNNaN
4XXX第一学生宿舍0.122019/1/1 01:15:00NaNNaN
..................
35034XXX第一学生宿舍0.402019/12/31 22:45:00茶园+0.0
35035XXX第一学生宿舍0.402019/12/31 23:00:00茶园+0.0
35036XXX第一学生宿舍0.502019/12/31 23:15:00茶园+0.0
35037XXX第一学生宿舍0.502019/12/31 23:30:00茶园+0.0
35038XXX第一学生宿舍0.502019/12/31 23:45:00茶园+0.0

35039 rows × 5 columns

df_merged1['用量_y'] = df_merged1['用量_y'].replace(np.nan, 0)
df_merged1
# df_merged1['总用水量'] = df_merged1['用量_x'] + df_merged1['用量_y']
# df_merged1
水表名_x用量_x采集时间水表名_y用量_y总用水量
0XXX第一学生宿舍0.122019/1/1 00:15:00NaN0.00.12
1XXX第一学生宿舍0.122019/1/1 00:30:00NaN0.00.12
2XXX第一学生宿舍0.122019/1/1 00:45:00NaN0.00.12
3XXX第一学生宿舍0.122019/1/1 01:00:00NaN0.00.12
4XXX第一学生宿舍0.122019/1/1 01:15:00NaN0.00.12
.....................
35034XXX第一学生宿舍0.402019/12/31 22:45:00茶园+0.00.40
35035XXX第一学生宿舍0.402019/12/31 23:00:00茶园+0.00.40
35036XXX第一学生宿舍0.502019/12/31 23:15:00茶园+0.00.50
35037XXX第一学生宿舍0.502019/12/31 23:30:00茶园+0.00.50
35038XXX第一学生宿舍0.502019/12/31 23:45:00茶园+0.00.50

35039 rows × 6 columns

df_merged1['总用水量'] = df_merged1['用量_x'] + df_merged1['用量_y']
df_merged1
水表名_x用量_x采集时间水表名_y用量_y总用水量
0XXX第一学生宿舍0.122019/1/1 00:15:00NaN0.00.12
1XXX第一学生宿舍0.122019/1/1 00:30:00NaN0.00.12
2XXX第一学生宿舍0.122019/1/1 00:45:00NaN0.00.12
3XXX第一学生宿舍0.122019/1/1 01:00:00NaN0.00.12
4XXX第一学生宿舍0.122019/1/1 01:15:00NaN0.00.12
.....................
35034XXX第一学生宿舍0.402019/12/31 22:45:00茶园+0.00.40
35035XXX第一学生宿舍0.402019/12/31 23:00:00茶园+0.00.40
35036XXX第一学生宿舍0.502019/12/31 23:15:00茶园+0.00.50
35037XXX第一学生宿舍0.502019/12/31 23:30:00茶园+0.00.50
35038XXX第一学生宿舍0.502019/12/31 23:45:00茶园+0.00.50

35039 rows × 6 columns

http://www.ppmy.cn/news/1072638.html

相关文章

自动泊车的自动驾驶控制算法

自动泊车的自动驾驶控制算法

1. 自动泊车系统 自动泊车系统(AutomatedParkingASSiSt,APA)利用车辆搭载的传感器感知车辆周边环境,扫描满足当前车辆停放的障碍物空间车位或线车位,并通过人机交互(HumanMachine Interface,HMI)获取驾驶员对目标车位的选择或自动确定目标车位,自动规划泊车路径,通过控制器向车…
阅读更多...
高等职业学校物联网实训室建设方案

高等职业学校物联网实训室建设方案

一、概述 1.1专业背景 物联网（Internet of Things）被称为继计算机、互联网之后世界信息产业第三次浪潮，它并非一个全新的技术领域，而是现代信息技术发展到一定阶段后出现的一种聚合性应用与技术提升，是随着传感网、通…
阅读更多...
disp()函数

disp()函数

disp()函数 disp函数会直接将内容输出在Matlab命令窗口中 bdroot 当前系统的顶层模型 model= bdroot返回当前系统的顶层模型。 当前系统是当前处于活动状态的 SimulinkEditor 窗口或在其中选择了模块的系统。 model= bdroot(elements)返回指定模型元素的顶层模型。 在使用…
阅读更多...
vue3的面试题

vue3的面试题

ref里面放对象发生的事情 ref只会对对象的属性进行响应式转换，而不会对对象的原型链上的属性进行转换。如果需要对对象的原型链上的属性进行响应式转换，可以使用reactive函数。 toRefs的适用场景？ toRefs是Vue 3中的一个响应式API&#xf…
阅读更多...
现阶段计算机网络技术专业人才培养的发展对策

现阶段计算机网络技术专业人才培养的发展对策

确立具有高职特色的人才培养目标。 在市场经济的条件下，人才培养首先要适应市场需求，以市场行业的需求为导 向制定人才培养目标。学校人才培养是否能满足社会需求，可以通过学生在对口行 业及相关领域的就业情况来衡量。高职教育培养高技能…
阅读更多...
探索AIGC人工智能（Midjourney篇）（三）

探索AIGC人工智能（Midjourney篇）（三）

文章目录 Midjourney出图如何转高清图 Midjourney生成3D质感图标 Midjourney生成微信表情包 MJ设置Niji5漫画模式 Midjourney探索美食摄影的奇妙之旅 Midjourney蛋糕创意设计 Midjourney生成高质量电商主图 Midjourney家具设计 Midjourney出图如何转高清图 1、调整画面比例…
阅读更多...
win | wireshark | 在win上跑lua脚本 解析数据包

win | wireshark | 在win上跑lua脚本 解析数据包

前提说明：之前是在linux 系统上配置的，然后现在 在配置lua 脚本 ，然后 分析指定协议 的 数据包 其实流程也比较简单，但 逻辑需要缕清来 首先要把你 预先准备的 xxx.lua 文件放到wireshark 的安装文件中，（我…
阅读更多...
恒运资本：科创板块持续爆发，业绩超预期优质股出炉

恒运资本：科创板块持续爆发，业绩超预期优质股出炉

科技股有望成为反弹龙头。 今天早盘各主要指数继续反弹，科创50指数体现最为亮眼，盘中一度大涨近4%，收盘涨超2%。 恒运资本平台（百度搜索恒运资本）是深圳引力私募基金管理有限公司面向广大股民推出的网上配资业务服务平…
阅读更多...
最新文章

Copyright @ 2022~2023