使用R语言进行DW检验的步骤与方法

最编程 2024-01-24 13:59:03

...

DW数据加载及探索性数据分析）

1 数据载入及初步观察

1.1 载入数据
1.2 初步观察
1.3 保存数据
1.4 数据查看与删除
1.5 筛选的逻辑

2 探索性数据分析

1.6 数据的排序、计算与描述

1 数据载入及初步观察

通过数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。

1.1 载入数据

1.1.2 任务二：载入数据
(1) 使用相对路径载入数据
(2) 使用绝对路径载入数据

df=pd.read_csv("train.csv")
df.head()

df1 = pd.read_csv("C:/Users/lenovo/Desktop/DW/hands-on-data-analysis-master/titanic/train.csv")
 #要么路径中都是英文名
 #要么路径后加上engine='python'
 #df1 = pd.read_csv("C:/Users/lenovo/Desktop/DW/hands-on-data-analysis-master/第一单元项目集合/train.csv",engine='python')
df1.head()

【思考】知道数据加载的方法后，试试pd.read_csv()和pd.read_table()的不同，如果想让他们效果一样，需要怎么做？了解一下’.tsv’和’.csv’的不同，如何加载这两个数据集？

table默认分隔符为制表符（’\t’）
让table 和 csv 效果一样加上 sep=’,’

df1 = pd.read_table("C:/Users/lenovo/Desktop/DW/hands-on-data-analysis-master/第一单元项目集合/train.csv",sep=',',engine='python')
df1.head()

【总结】加载的数据是所有工作的第一步，我们的工作会接触到不同的数据格式（eg:.csv;.tsv;.xlsx）,但是加载的方法和思路都是一样的，在以后工作和做项目的过程中，遇到之前没有碰到的问题，要多多查资料吗，使用google，了解业务逻辑，明白输入和输出是什么。

1.1.3 任务三：每1000行为一个数据模块，逐块读取

chunker = pd.read_csv('train.csv', chunksize=1000)

【思考】什么是逐块读取？为什么要逐块读取呢?

有chunksize参数可以进行逐块加载，它的本质就是将文本分成若干块
for chunk in chunker

1.1.4 任务四：将表头改成中文，索引改为乘客ID

df = pd.read_csv('train.csv',names=['乘客ID','是否幸存','仓位等级','姓名','性别','年龄','兄弟姐妹个数','父母子女个数',
                                     '船票信息','票价','客舱','登船港口'],
                 index_col='乘客ID',header=0)
#header=0将第一行数据作为列名然后又被重命名names覆盖了，也可先读取后改名
df.head()

	是否幸存	仓位等级	姓名	性别	年龄	兄弟姐妹个数	父母子女个数	船票信息	票价	客舱	登船港口
乘客ID
1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C
3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S

【思考】所谓将表头改为中文其中一个思路是：将英文额度表头替换成中文。还有其他的方法吗？

# df = pd.read_csv('train.csv') 
# df.columns = ['乘客ID','是否幸存','仓位等级','姓名','性别','年龄','兄弟姐妹个数','父母子女个数',
#                                      '船票信息','票价','客舱','登船港口']
# df.head()

1.2 初步观察

导入数据后，你可能要对数据的整体结构和样例进行概览，比如说，数据大小、有多少列，各列都是什么格式的，是否包含null等

1.2.1 任务一：查看数据的基本信息

df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 891 entries, 1 to 891
Data columns (total 11 columns):
是否幸存      891 non-null int64
仓位等级      891 non-null int64
姓名        891 non-null object
性别        891 non-null object
年龄        714 non-null float64
兄弟姐妹个数    891 non-null int64
父母子女个数    891 non-null int64
船票信息      891 non-null object
票价        891 non-null float64
客舱        204 non-null object
登船港口      889 non-null object
dtypes: float64(2), int64(4), object(5)
memory usage: 83.5+ KB

df.describe()

1.2.2 任务二：观察表格前10行的数据和后15行的数据

df.head(10)

df.tail(15)

1.2.3 任务三：判断数据是否为空，为空的地方返回True，其余地方返回False

df.isnull()

1.3 保存数据

df.to_csv('train_chinese.csv')

1.4 数据查看与删除

查看DataFrame数据的每列的项

df.columns

Index(['PassengerId', 'Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp',
       'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked'],
      dtype='object')

查看"cabin"这列的所有项 [有多种方法]

df["Cabin"].head()

df.Cabin.head()

0     NaN
1     C85
2     NaN
3    C123
4     NaN
Name: Cabin, dtype: object

删除多余的列的方式

del df1['a'] #永久删除
df1.head()

"""drop方法的用法：drop(labels, axis=0, level=None, inplace=False, errors='raise')
       --  axis为0时表示删除行，axis为1时表示删除列 默认为按行
       inplace 接收逻辑型boolean代表操作是否对原数据生效，默认为False
       labels代表删除行或列的标签"""
df1.drop('a',axis=1).head()

隐藏列：将[‘PassengerId’,‘Name’,‘Age’,‘Ticket’]这几个列元素隐藏，只观察其他几个列元素

df.drop(['PassengerId','Name','Age','Ticket'],axis=1).head(3)

	Survived	Pclass	Sex	SibSp	Parch	Fare	Cabin	Embarked
0	0	3	male	1	0	7.2500	NaN	S
1	1	1	female	1	0	71.2833	C85	C
2	1	3	female	0	0	7.9250	NaN	S

【思考】对比任务五和任务六，是不是使用了不一样的方法(函数)，如果使用一样的函数如何完成上面的不同的要求呢？

【思考回答】

如果想要完全的删除你的数据结构，使用inplace=True，因为使用inplace就将原数据覆盖了，所以这里没有用

df.head()

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
4	5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S

1.5 筛选的逻辑

表格数据中，最重要的一个功能就是要具有可筛选的能力，选出我所需要的信息，丢弃无用的信息。

1.5.2任务二：以"Age"为条件，将年龄在10岁以上和50岁以下的乘客信息显示出来，并将这个数据命名为midage

midage=df[(df["Age"]>10) & (df["Age"]<50)]
midage.head()

1.5.3 任务三：将midage的数据中第100行的"Pclass"和"Sex"的数据显示出来

midage = midage.reset_index(drop=True) #重置索引
midage.head()

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
4	5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S

midage.loc[[100],['Pclass','Sex']]

	Pclass	Sex
100	2	male

【思考】这个reset_index()函数的作用是什么？如果不用这个函数，下面的任务会出现什么情况？

reset_index()是重置索引，因为前面对数据进行了筛选，所以索引不连续，而drop=True是表示把原来的索引index列去掉，默认 False。

1.5.4 任务四：将midage的数据中第100，105，108行的"Pclass"，"Name"和"Sex"的数据显示出来

loc方法

midage.loc[[100,105,108],["Pclass","Name","Sex"]]

iloc方法

midage.iloc[[100,105,108],[2,3,4]]

	Pclass	Name	Sex
100	2	Byles, Rev. Thomas Roussel Davids	male
上一篇：快速入门 DataWorks：基础操作演示与学习笔记下一篇：理解 Durbin-Watson 检验推荐阅读一种结构设计模式，允许在对象中动态添加新行为。它通过创建一个封装器来实现这一目的，即把对象放入一个装饰器类中，然后把这个装饰器类放入另一个装饰器类中，以此类推，形成一个封装器链。这样，我们就可以在不改变原始对象的情况下动态添加新行为或修改原始行为。在 Java 中，实现装饰器设计模式的步骤如下：定义一个接口或抽象类作为被装饰对象的基类。公共接口 Component { void operation; } } 在本例中，我们定义了一个名为 Component 的接口，该接口包含一个名为 operation 的抽象方法，该方法定义了被装饰对象的基本行为。定义一个实现基类方法的具体装饰对象。公共类 ConcreteComponent 实现 Component { public class ConcreteComponent implements Component { @Override public void operation { System.out.println("ConcreteComponent is doing something...") ； } } 定义一个抽象装饰器类，该类继承于基类，并将装饰对象作为一个属性。公共抽象类装饰器实现组件 { protected Component 组件 public Decorator(Component component) { this.component = component; } } @Override public void operation { component.operation; } } } 在这个示例中，我们定义了一个名为 Decorator 的抽象类，它继承了 Component 接口，并将被装饰对象作为一个属性。在操作方法中，我们调用了被装饰对象上的同名方法。定义一个具体的装饰器类，继承自抽象装饰器类并实现增强逻辑。公共类 ConcreteDecoratorA extends Decorator { public ConcreteDecoratorA(Component 组件) { super(component)； } } public void operation { super.operation System.out.println("ConcreteDecoratorA 正在添加新行为......") ； } } 在本例中，我们定义了一个名为 ConcreteDecoratorA 的具体装饰器类，它继承自装饰器抽象类，并实现了操作方法的增强逻辑。在操作方法中，我们首先调用被装饰对象上的同名方法，然后添加新行为。使用装饰器增强被装饰对象。公共类 Main { public static void main(String args) { Component 组件 = new ConcreteComponent； component = new ConcreteDecoratorA(component)；组件操作 } } 在这个示例中，我们首先创建了一个被装饰对象 ConcreteComponent，然后通过 ConcreteDecoratorA 类创建了一个装饰器，并将被装饰对象作为参数传递。最后，调用装饰器的操作方法，实现对被装饰对象的增强。使用场景在 Java 中，装饰器模式被广泛使用，尤其是在 I/O 中。Java 中的 I/O 库使用装饰器模式实现了不同数据流之间的转换和增强。让我们打开文件 a.txt，从中读取数据。InputStream 是一个抽象类，FileInputStream 是专门用于读取文件流的子类。BufferedInputStream 是一个支持缓存的数据读取类，可以提高数据读取的效率，具体代码如下： @Test public void testIO throws Exception { InputStream inputStream = new FileInputStream("C:/bbb/a.txt")； // 实现包装 inputStream = new BufferedInputStream(inputStream)； byte bytes = new byte[1024]； int len； while((len = inputStream.read(bytes)) ！= -1){ System.out.println(new String(bytes, 0, len)); } } } } 其中 BufferedInputStream 对读取数据进行了增强。这样看来，装饰器设计模式和代理模式似乎有点相似，接下来让我们讨论一下它们之间的区别。第三，与代理模式的区别：代理模式的目的是控制对对象的访问，它在对象外部提供一个代理对象来控制对原对象的访问。代理对象和原始对象通常实现相同的接口或继承相同的类，以确保两者可以相互替换。装饰器模式的目的是动态增强对象的功能，而这是通过对象内部的包装器来实现的。在装饰器模式中，装饰器类和被装饰对象通常实现相同的接口或继承自相同的类，以确保两者可以相互替代。装饰器模式也被称为封装器模式。在代理模式中，代理类附加了与原类无关的功能。 [姿势估计] 实践记录：使用 Dlib 和 mediapipe 进行人脸姿势估计 - 本文重点介绍方法 2）：方法 1：基于深度学习的方法：。基于深度学习的方法：基于深度学习的方法利用深度学习模型，如卷积神经网络（CNN）或递归神经网络（RNN），直接从人脸图像中学习姿势估计。这些方法能够学习更复杂的特征表征，并在大规模数据集上取得优异的性能。方法二：基于二维校准信息估计三维姿态信息（计算机视觉 PnP 问题）。特征点定位：人脸姿态估计的第一步是通过特征点定位来检测和定位人脸的关键点，如眼睛、鼻子和嘴巴。这些关键点提供了人脸的局部结构信息，可用于后续的姿势估计。旋转表示：常见的旋转表示方法包括欧拉角和旋转矩阵。欧拉角通过三个旋转角度（通常是俯仰、偏航和滚动）描述头部的旋转姿态。旋转矩阵是一个 3x3 矩阵，表示头部从一个坐标系到另一个坐标系的变换。三维模型重建：根据特征点的定位结果，三维人脸模型可用于姿势估计。通过将人脸的二维图像映射到三维模型上，可以估算出人脸的旋转和平移信息。这就需要建立人脸的三维模型，然后通过优化方法将模型与特征点对齐，从而获得姿势估计结果。特征点定位特征点定位是用于检测人脸关键部位的五官基础部分，还有其他更多的特征点表示方法，大家可以参考我上一篇文章中介绍的特征点检测方案实践：人脸校正二次定位操作来解决人脸校正的问题，客户在检测关键点的代码上略有修改，坐标转换部分客户见上图 def get_face_info(image). img_copy = image.copy image.flags.writeable = False image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = face_detection.process(image) # 在图像上绘制人脸检测注释。 image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) box_info, facial = None, None if results.detections： for detection in results. for detection in results.detections: mp_drawing.Drawing.detection = 无 mp_drawing.draw_detection(image, detection) 面部 = detection.location_data.relative_keypoints 返回面部在上述代码中，返回的数据是五官（6 个关键点的坐标），这是用 mediapipe 库实现的，下面我们可以尝试用另一个库：dlib 来实现。使用 dlib 使用 Dlib 库在 Python 中实现人脸关键点检测的步骤如下：确保已安装 Dlib 库，可使用以下命令： pip install dlib 导入必要的库：加载 Dlib 的人脸检测器和关键点检测器模型：读取图像并将其灰度化：使用人脸检测器检测图像中的人脸：对检测到的人脸进行遍历，并使用关键点检测器检测人脸关键点：显示绘制了关键点的图像：以下代码将参数 landmarks_part 添加到要返回的关键点坐标中。 41 个下载免费 3D 模型的最佳网站-使用说明：使用权限可能因型号而异。因此，在下载文件之前，请仔细检查每个下载页面上的许可证和使用权限。 17. Clara.io Clara.io 是一个创建 3D 内容的全球平台，也是一个培养新 3D 艺术家的社区。Clara.io 提供+100，000个免费的3D模型，包括OBJ，Blend，STL，FBX，DAE，Babylon.JS，Three.JS格式，用于 Clara.io，Unity 3D，Blender，Sketchup，Cinema 4D，3DS Max和Maya。使用说明：免费，标准和专业帐户仅供个人使用，如果您需要将 clara.io 用于商业用途，请与销售团队联系。 18. 3DExport 3DExport是一个市场，您可以在其中购买和销售用于CG项目的3D模型，3D打印模型和纹理。它提供15 +不同的3D格式供下载，如3DS MAX（.max），Cinema4D（.c4d），Maya（.mb，.ma），Lightwave（.lwo），Softimage（.xsi），Wavefront OBJ（.obj），Autodesk FBX（.fbx）等。它还提供15种不同的语言！使用说明：免费下载仅供个人和非商业用途。 19. 3D Warehouse 3D Warehouse是一个开放的库，允许用户共享和下载SketchUp 3D模型，用于建筑，设计，施工和娱乐！任何人都可以免费制作，修改和重新上传内容到3D仓库，您可以找到任何您能想到的东西，如家具，电子产品，室内产品等。使用说明：3D Warehouse中的所有模型都是免费的，因此任何人都可以下载文件以用于SketchUp甚至其他软件，如AutoCAD，Revit和ArchiCAD。 20. CadNav.com CadNav是CGI平面设计师和CAD / CAM / CAE工程师的在线3D模型库，我们提供超过50000 +免费3D模型和CAD模型下载。在CadNav网站上，您可以下载高质量的多边形网格3D模型，3D CAD实体对象，纹理，Vray材料，3D作品，CAD图纸等。使用说明：免费下载仅供个人和非商业用途。 21. All3dfree.net 就像网站名称一样，它提供免费的3D模型，还包括Vray材料，CAD块，2d和3d纹理集合，无需注册即可免费下载。它是不断更新的，因此您可以查找或请求3DS，MAX，C4D，skp，OBJ，FBX，MTL等格式的模型。使用说明：所有资源均不允许用于商业用途，否则您将承担责任。 22. Hum3D 自2005年以来，Hum3D帮助来自3多个国家的80D艺术家节省3D建模时间，并制作逼真的3D模型，用于电影，视频游戏，AR应用程序和可视化。所有模型均由首席3D艺术家进行验证，他们检查其是否符合专业要求和最新的3D建模标准。使用说明：免费下载仅供个人和非商业用途。 23. Artist-3D.com 艺术家-3D 库存的免费 3D 模型下载按通用类别排序。它为人体解剖学、汽车、家具、火箭、卫星等模型提供 AutoDesk 3DS Max 格式。您还可以在浏览他们的网站时找到教程和类似类型的建模。使用说明：使用权限可能因型号而异。因此，在下载文件之前，请仔细检查每个下载页面上的许可证和使用权限。 24. Free the models 就像本网站的标题一样，它为3d应用程序和3d游戏引擎提供免费的内容模型。您可以为您的任何项目找到许多有趣且有用的模型！它提供3ds，wavefront，bryce，poser，lightwave，md2和unity3d格式的模型。还有一个很棒的纹理集合，可以在您最喜欢的建模和渲染程序中使用。使用说明：您从这里下载的所有内容都可以免费使用，除非它不能包含在另一个免费的网络或CD收藏中，也不能单独出售。否则，您可以在商业游戏，3D应用程序或渲染作品中使用它。您不必提供信用，但如果您这样做，那就太好了。 25. Resources.blogscopia 本网站由一家名为Scopia的公司创建。他们制作3D图像和视频，您可以找到许多为CGI工作的信息架构设计的模型，所有这些都可以在现实生活中使用。您可以免费下载它们，但是，如果您想一次下载它们，您可以支付 3 到 9 欧元。使用说明：您可以免费下载模型部分的所有文件。每个压缩文件都包含您也可以在此处找到的许可证。基本上，您可以对文件执行任何操作。唯一的限制是不归属于Scopia的重新分发。 26.ambientCG 1000+公共领域PBR材料适合所有人！环境CG是使用许多不同的方法和资产类型创建的，例如照片纹理（PBR），贴花（PBR），图集（PBR），照片纹理（普通），物质存档（SBSAR），雕刻画笔，3D模型和地形。您可以在所有项目中*使用它们！使用说明：在 ambientCG 上提供下载的所有 PBR 材料、画笔、照片和 3D 模型均根据知识共享 CC0 1.0 通用许可提供。您可以复制、修改、分发和执行作品，即使是出于商业目的，也无需征得许可。信用将不胜感激。不要满足于平庸的大理石纹理 - 立即使用我们的免费PBR大理石纹理升级您的3D设计。 27.Pixar One Twenty Eight 这是一个提供官方动画行业经典纹理的网站：皮克斯，创建于 1993 年，该纹理库包括 128 个重复纹理，现在免费提供。它包含您来到的纹理，包括砖块和动物毛皮。肯定会有一些你可以使用的东西。使用说明：皮克斯动画工作室的《Pixar One Twenty Eight》根据知识共享署名4.0国际许可协议进行许可。即使出于商业目的，您也可以重新混合、调整和构建您的作品，只要您以相同的条款对新创作进行信用和许可。访问数以千计的免费纹理并提升您的设计游戏 - 立即开始下载！ 28. 3DXO 即使有近 620 个免费贴纸可供下载，3DXO 也不是最大的资源，但它的内容非常有用，不需要注册。无论是简单的墙壁或地板，还是一些奇怪的小东西，您都需要的纹理都可以在此网站上看到。使用说明：使用权限可能因型号而异。因此，在下载文件之前，请仔细检查每个下载页面上的许可证和使用权限。 29. 3DModelsCC0 3DModelsCC0 与其他产品的不同之处在于它包含超过 250+ 个高质量 3D 模型，并且本网站上的所有内容都是免费的，完全是公共领域！使用我们的模型时无需信用或归属！使用说明：为每个人提供完全免费的公共领域内容。 30.Sketch up texture club Sketchup Texture Club是一个非营利性的教育和信息门户网站，由3D社区的图像促进协会管理，特别强调面向学生和建筑和室内设计专业人士的可视化和渲染技术，以及所有正在学习3D可视化的人。使用说明：您无需支付版税或使用费。纹理可以免费下载和使用。不允许将纹理作为竞争产品出售或重新分发，即使图像被修改也是如此。 31. FlippedNormals FlippedNormal 是一个提供计算机图形和 3D 资产的市场，您可以找到许多用于雕刻、建模、纹理、概念艺术、3D 模型、游戏资产或课程的高级资产！使用说明：使用权限可能因型号而异。因此，在下载文件之前，请仔细检查每个下载页面上的许可证和使用权限。 32. NASA 3D NASA 3D网站是一个在线门户，提供与太空和各种NASA任务相关的大量三维模型和模拟。该网站是用户友好的，并提供有关每个型号的详细信息。该网站允许用户探索和下载几种不同格式的模型，包括 OBJ、STL 和 FBX，只需单击下载按钮即可。使用说明：要下载模型，只需单击模型页面上的下载按钮并选择所需的格式。 33. 3DAGOGO (Astroprint) 3DAGOGO 是一个提供广泛 3D 模型的网站，包括角色、车辆和建筑物。3DAGOGO 的独特功能之一是它专注于适合 3D 打印的模型，使其成为希望创建物理原型或模型的设计师的绝佳资源。要使用 3DAGOGO，设计师只需在网站上搜索他们正在寻找的模型类型，然后下载 STL 格式的文件。使用说明：要使用 3DAGOGO，只需搜索所需的 3D 模型类型并下载 STL 格式的文件。根据需要自定义模型，并确保在将其用于商业目的之前检查使用权限。 34. FreeCAD FreeCAD是一款了不起的3D建模软件，可让您在计算机上创建令人难以置信的3D设计。该软件可免费下载和使用，它提供了广泛的工具和功能，可用于创建用于各种目的的3D模型。该网站易于浏览，您可以找到开始使用FreeCAD的所有必要信息。此外，该网站还提供一系列教程和指南，可帮助您了解 3D 建模的来龙去脉。使用说明：要下载模型，请访问网站并从库中选择所需的模型。该网站还提供了一系列使用该软件的教程和指南。 35. Pinshape Pinshape是一个提供一系列3D打印模型的网站。网站上提供的型号质量很高，因此您可以确保您的最终印刷产品看起来很棒。该网站提供了广泛的模型，包括从家居用品到小雕像和珠宝的所有物品。但这还不是Pinshape所能提供的全部！该网站还允许用户上传和共享自己的3D模型。这意味着您不仅可以下载出色的模型，还可以通过分享自己的设计为社区做出贡献。此外，Pinshape 提供了一系列自定义选项，因此您可以调整和调整模型以满足您的特定需求。使用说明：要下载模型，请在网站上创建一个帐户，搜索所需的模型，然后单击下载按钮。该网站还为每种型号提供了一系列定制选项。 36.Yeggi Yeggi 提供了大量免费的 3D 模型，您可以下载各种格式的模型，例如 STL、OBJ 和 FBX。该网站易于使用，您可以按关键字、类别或特定网站搜索模型。 Yeggi 对于任何寻找 3D 模型的人来说都是一个很好的资源。它提供了大量的模型集合，从日常物品到复杂的机械，以及介于两者之间的一切。该网站的收藏量在不断增长，每天都有新的型号增加。使用说明：要下载模型，请在网站上搜索所需的模型，然后单击下载按钮。该网站还提供指向托管模型的原始网站的链接。 37. Open3DModel 来自开放3D模型的图像 Open3DModel具有各种类别的模型，包括建筑，车辆和角色。无论您需要建筑物，汽车还是人的3D模型，都可以在此网站上找到。该网站易于浏览，您可以按类别或关键字搜索模型。每个模型都附带预览图像和详细信息，例如文件格式、大小和多边形数量。此信息可以帮助您选择适合您需求的模型。使用说明：要下载模型，请访问网站，从库中选择所需的模型，然后单击下载按钮。使用最好的 3D 资产管理工具简化您的 3D 制作流程。立即试用它们，将您的 3D 项目提升到一个新的水平！ 38. 3DExport 对于那些为其 3D 设计项目寻找 3D 模型、纹理和其他资源的人来说，该平台是一个很好的资源。该网站有大量模型可供选择，包括 3D 打印对象、游戏资产等。用户可以按类别、文件格式或价格范围浏览，以找到适合其项目的完美资源。此外，3DExport 还提供一系列教程和其他 3D 资源，以帮助用户提高技能并创建更令人印象深刻的设计。使用说明：要使用 3DExport，只需创建一个帐户并浏览可用型号。您可以按类别、格式和价格进行搜索，以找到所需的型号。找到喜欢的模型后，只需下载它并开始在您的项目中使用它。 39.Blend Swap Blend Swap是一个社区驱动的市场，提供与Blender软件兼容的各种免费3D模型。该平台允许用户共享和下载模型、纹理和其他资产，以便在他们的项目中使用。使用说明：创建免费帐户后，您可以浏览社区上传的大量3D模型。当您找到要使用的一个时，只需下载它并将其导入您选择的 3D 软件即可。 40. 3DShook 3DShook 是一个高级 3D 模型市场，提供一系列用于建筑、游戏等各个行业的高质量模型。该平台提供基于订阅的模型，具有不同的定价计划，允许用户访问一系列模型。使用说明：注册免费帐户后，只需浏览3D模型库，选择您喜欢的模型，然后以您需要的格式下载它们。 41. Smithsonian X 3D 史密森尼 X 3D 对于正在寻找历史文物和文物的高质量 3D 模型的设计师来说，这是一个独特的资源。该平台提供了大量3D模型，这些模型是根据史密森尼博物馆和研究中心中的真实物体扫描创建的。使用说明：如何使用R语言的nlme、nlmer和lme4进行藻类数据分析：非线性混合模型实战教程+代码与数据详解使用R语言进行部分对数似然比检验的教程使用R语言进行R似然比检验的指南用R语言进行卡方检验的方法 .NET中的MD5加密和解密代码 - MD5的简要介绍： MD5是一种将大量信息在使用数字签名软件签署私钥之前进行“压缩”的保密格式转换方法。无论是MD4还是MD5，它们都需要获取一段随机长度的信息，并生成一个128位的信息摘要。尽管这些算法在结构上略有不同，但MD2的设计与MD4和MD5完全不同，这是因为MD2是为了8位机器进行优化设计的，而MD4和MD5则是面向32位计算机的。这三个算法的详细描述和C语言源代码可以在Internet RFCs 1321中找到，这是最权威的文档，由Ronald L. Rivest于1992年8月提交给IETF。以下是相关的代码实现：使用R语言进行DW检验的步骤与方法用R语言检测DW检验中的序列自相关性 - 计量经济学与R语言教程第四部分：自相关性分析推荐编程文章简谈 SWITCH 破解和 SX 破解程序"2024-05-05 系统未启动，/dev/centos-root 未退出。"2024-05-05 开关脱机升级 9.2"2024-05-05 打开电脑的四种奇特方法设置计时器打开电脑"2024-05-05 思科模拟器 - 交换机命令行基础知识"2024-05-05 开关无法打开是怎么回事 - 掘金队"2024-05-05 开关长时间无法打开 - 掘金队"2024-05-05 交换机 - 零基础完全入门指南（日语版）"2024-05-05 交换机启动注意事项 - 掘金"2024-05-05 Cisco Packet Tracer 的交换机配置和应用"2024-05-05 关于网站网站地图最新最编程本站所有数据收集于网络如有侵犯到您的权益，请联系我们进行下架处理。备案号：粤ICP备2022132312号

使用R语言进行DW检验的步骤与方法

DW数据加载及探索性数据分析）

1 数据载入及初步观察

1.1 载入数据

1.2 初步观察

1.3 保存数据

1.4 数据查看与删除

1.5 筛选的逻辑

如何使用R语言的nlme、nlmer和lme4进行藻类数据分析：非线性混合模型实战教程+代码与数据详解

使用R语言进行部分对数似然比检验的教程

使用R语言进行R似然比检验的指南

用R语言进行卡方检验的方法

使用R语言进行DW检验的步骤与方法

用R语言检测DW检验中的序列自相关性 - 计量经济学与R语言教程第四部分：自相关性分析