1.目录1.目录22.绘图函数Plottingfunctions42.1.可视化的统计关系Visualizingstatisticalrelationships42.1.1.用散点图联系变量Relatingvariableswithscatterplots42.1.2.强调线条图的连续性Emphasizingcontinuitywithlineplots102.1.3.显示与切面的多个关系Showingmultiplerelationshipswithfacets212.2.分类数据绘图Plottingwithcategoricaldata242.2.1.分类散点图Categoricalscatterplots262.2.2.分类观测值分布Distributionsofobservationswithincategories312.2.3.分类统计估计Statisticalestimationwithincategories372.2.4.对“wide-form”数据作图Plotting“wide-form”data412.2.5.显示与facet的多个关系Showingmultiplerelationshipswithfacets432.3.可视化数据集的分布Visualizingthedistributionofadataset442.3.1.绘制单变量分布Plottingunivariatedistributions452.3.2.绘制二元分布Plottingbivariatedistributions512.3.3.在数据集中可视化成对关系Visualizingpairwiserelationshipsinadataset552.4.可视化线性关系Visualizinglinearrelationships572.4.1.函数绘制线性模型Functionstodrawlinearregressionmodels582.4.2.拟合不同种类的模型Fittingdifferentkindsofmodels612.4.3.在其他变量上的情况Conditioningonothervariables682.4.4.控制图表的大小和形状Controllingthesizeandshapeoftheplot712.4.5.在其他上下文中绘制回归图Plottingaregressioninothercontexts733.多图网格Multi-plotgrids763.1.构建结构化的多图网格Buildingstructuredmulti-plotgrids763.2.有条件的小倍数Conditionalsmallmultiples773.3.使用定制函数Usingcustomfunctions863.4.绘制成对的数据关系Plottingpairwisedatarelationships904.绘图美学Plotaesthetics994.1.控制图表美学Controllingfigureaesthetics994.1.1.Seaborn图表风格Seabornfigurestyles1014.1.2.删除轴上的小凸起Removingaxesspines1044.1.3.临时设置图表样式Temporarilysettingfigurestyle1054.1.4.覆盖Seaborn样式的元素Overridingelementsoftheseabornstyles1064.1.5.缩放图表元素Scalingplotelements1084.2.选择调色板Choosingcolorpalettes1114.2.1.创建颜色调色板Buildingcolorpalettes1114.2.2.定性调色板Qualitativecolorpalettes1124.2.3.连续调色板Sequentialcolorpalettes1164.2.4.不同颜色的调色板Divergingcolorpalettes1224.2.5.设置默认调色板Settingthedefaultcolorpalette1245.教程中的数据集125

基于MFC的六轴机器人正逆解程序，六自由度机器人机械手运动学逆问题反解程序。
包含全部源码，可以进行修改，通过更改D-H参数即可实现六轴机器人的逆解IK。

实现过程：1、得到用户兴趣表，横轴为movie_id，纵轴为user_id2、计算任何两位用户之间的相似度或者是相关性3、取与某用户相似度最高的若干个用户的兴趣推荐给该用户（或者找到和每个用户相关系数在阈值以上的用户，并将他们喜欢的电影推荐给该用户）

该文件包括6种机械键盘轴体的PCB封装，多种脚位，以及带有灯脚封装。

简单的遗传算法，计算函数最值.functionga_main()%遗传算法程序%n--种群规模%ger--迭代次数%pc---交叉概率%pm--变异概率%v--初始种群（规模为n）%f--目标函数值%fit--适应度向量%vx--最优适应度值向量%vmfit--平均适应度值向量clearall;closeall;clc;%清屏tic;%计时器开始计时n=20;ger=100;pc=0.65;pm=0.05;%初始化参数%以上为经验值，可以更改。
%生成初始种群v=init_population(n,22);%得到初始种群，22串长，生成20*22的0-1矩阵[N,L]=size(v);%得到初始规模行，列disp(sprintf('Numberofgenerations:%d',ger));disp(sprintf('Populationsize:%d',N));disp(sprintf('Crossoverprobability:%.3f',pc));disp(sprintf('Mutationprobability:%.3f',pm));%sprintf可以控制输出格式%待优化问题xmin=0;xmax=9;%变量X范围f='x+10*sin(x.*5)+7*cos(x.*4)';%计算适应度，并画出初始种群图形x=decode(v(:,1:22),xmin,xmax);"位二进制换成十进制，%冒号表示对所有行进行操作。
fit=eval(f);%eval转化成数值型的%计算适应度figure(1);%打开第一个窗口fplot(f,[xmin,xmax]);%隐函数画图gridon;holdon;plot(x,fit,'k*');%作图,画初始种群的适应度图像title('(a)染色体的初始位置');%标题xlabel('x');ylabel('f(x)');%标记轴%迭代前的初始化vmfit=[];%平均适应度vx=[];%最优适应度it=1;%迭代计数器%开始进化whileit＜=ger%迭代次数0代%Reproduction(Bi-classistSelection)vtemp=roulette(v,fit);%复制算子%Crossoverv=crossover(vtemp,pc);%交叉算子%Mutation变异算子M=rand(N,L)＜=pm;%这里的作用找到比0.05小的分量%M(1,:)=zeros(1,L);v=v-2.*(v.*M)+M;%两个0-1矩阵相乘后M是1的地方V就不变，再乘以2.NICE!!确实好！！！把M中为1的位置上的地方的值变反%这里是点乘%变异%Resultsx=decode(v(:,1:22),xmin,xmax);%解码，求目标函数值fit=eval(f);%计算数值[sol,indb]=max(fit);%每次迭代中最优目标函数值，包括位置v(1,:)=v(indb,:);%用最大值代替fit_mean=mean(fit);%每次迭代中目标函数值的平均值。
mean求均值vx=[vxsol];%最优适应度值vmfit=[vmfitfit_mean];%适应度均值it=it+1;%迭代次数计数器增加end

基于三轴加速度的计步算法，测试OK。
可移植到嵌入式，可移动设备。

库卡机器人外部轴配置，使用对象初次配置库卡机器人外部轴的初学者

三轴delta并联机器人运动学算法，并联机器人正向逆向求解小工具VisualStudioC#代码工程文件，欢迎大家下载参考学习。
有什么问题请给我发邮箱93063731@qq.com

最完整的基于stm32的3轴云台开源程序EvvGC，包含MPU6050检测加速度和陀螺仪，病对3个电机进行控制

VC实现teechart时间轴自右向左推移，实现思路，参见blog说明。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。