（含源码及报告）本程序分析了自2016年到2021年（外加）每年我国原油加工的产量，并且分析了2020年全国各地区原油加工量等，含饼状图，柱状图，折线图，数据在地图上显示。
运转本程序需要requests、bs4、csv、pandas、matplotlib、pyecharts库的支持，如果缺少某库请自行安装后再运转。
文件含6个excel表，若干个csv文件以及一个名字为render的html文件（需要用浏览器打开），直观的数据处理部分是图片以及html文件，可在地图中显示，数据处理的是excel文件。
不懂可以扫文件中二维码在QQ里面问。

是用于字母A到J的字体glypyhs的图像识别数据集，可用于简单的神经网络。
它与手写数字0到9的经典非常相似。
不幸的是，notMNIST数据的提供格式与MNIST数据的格式不同，因而，您不能只交换notMNIST数据文件并在其上不更改地运行神经网络。
这个仓库解决了这个问题：这里的四个*.gz文件具有与MNIST数据集中的同名文件相同的数据格式和相同的条目数。
但是图像不是手写数字，而是从A到J的字母（标签仍然是0到9）。
（这些文件在这里获得了notMNIST数据集的原始作者的许可。
）如果您有使用MNIST的神经网络，则应该能够替换此存储库中的数据文件并运行程序，而无需进行任何更改。
请注意，notMNIST数据集比MNIST更难，更不干净。
使用这些notMNIST文件，在MNIST上获得98％的准确度的简单2隐藏层网络就可以得到93或94％的准确度。
notMNIST数

MNIST数据集是一个手写阿拉伯数字图像识别数据集，图片分辨率为20x20灰度图图片，包含‘0-9’十组手写手写阿拉伯数字的图片。
其中，训练样本60000，测试样本10000，数据为图片的像素点值，作者曾经对数据集进行了压缩。

用于深度学习，图像辨认的经典数据

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。