我的收藏夹:第四期

我的收藏夹:第四期

图片、视频较多,请耐心等待。

重要的事情

  • 2018 年 7 月 6 日早上我收藏了姐姐在一家亲群里告诉我们我的小外甥出生的消息,下面是当时的消息原文:
我生啦,7.6号凌晨2:58分,7.3斤男孩[嘿哈][嘿哈][嘿哈]

好玩的东西

还有两分钟完整版:

这个翻译的实在是太绝了:

资源

1
2
3
4
5
6
7
8
9
10
$ text2art gt czx  --font ghost
.-') _ ) (`-.
( OO) ) ( OO ).
.-----. ,(_)----. (_/. \_)-.
' .--./ | | \ `.' /
| |('-. '--. / \ /\
/_) |OO )(_/ / \ \ |
|| |`-'| / /___ .' \_)
(_' '--'\ | | / .'. \
`-----' `--------''--' '--'

Many parents stop at two kids. Most are done by three. Still, everyone has their own timelines. Here are 1,000 of them.

1
https://www.amap.com/service/weather?adcode=341225

最后的 adcode 参数是行政区划编码。

1
2
3
4
5
6
7
8
9
10
11
▄▄▄▄▄▄▄▄▄▄▄  ▄▄▄▄▄▄▄▄▄▄▄  ▄▄▄▄▄▄▄▄▄▄▄  ▄▄▄▄▄▄▄▄▄▄▄  ▄▄▄▄▄▄▄▄▄▄▄
▐░░░░░░░░░░░▌▐░░░░░░░░░░░▌▐░░░░░░░░░░░▌▐░░░░░░░░░░░▌▐░░░░░░░░░░░▌
▐░█▀▀▀▀▀▀▀▀▀ ▀▀▀▀█░█▀▀▀▀ ▐░█▀▀▀▀▀▀▀█░▌ ▀▀▀▀█░█▀▀▀▀ ▐░█▀▀▀▀▀▀▀█░▌
▐░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌
▐░█▄▄▄▄▄▄▄▄▄ ▐░▌ ▐░█▄▄▄▄▄▄▄█░▌ ▐░▌ ▐░█▄▄▄▄▄▄▄█░▌
▐░░░░░░░░░░░▌ ▐░▌ ▐░░░░░░░░░░░▌ ▐░▌ ▐░░░░░░░░░░░▌
▀▀▀▀▀▀▀▀▀█░▌ ▐░▌ ▐░█▀▀▀▀▀▀▀█░▌ ▐░▌ ▐░█▀▀▀▀▀▀▀█░▌
▐░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌
▄▄▄▄▄▄▄▄▄█░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌
▐░░░░░░░░░░░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌ ▐░▌
▀▀▀▀▀▀▀▀▀▀▀ ▀ ▀ ▀ ▀ ▀ ▀

Python

Stata

R 语言

该包提供了大量的符号运算符对字符串进行操作。

1
2
3
4
5
fruit <- c("apple", "banana", "pear", "pineapple")
"a" %count% fruit
#> [1] 1 3 1 1
c("a", "b", "p", "p") %count% fruit
#> [1] 1 1 1 3

gtable 是 ggplot2 的布局引擎,因此被 R 中的许多绘图函数广泛使用而不直接调用。

tidyverts系列值得学习的 R 包

  • tsibble:tsibble 包可以帮助处理含时间的 tidy 数据。

  • fable:对 tidy 对象进行建模和预测工具。

  • Tidy time series forecasting with fable:开源 R 书,介绍了如何使用 fable 进行 tidy 时间序列的预测。

  • tsibblestats:tidy 时间序列的分析工具。

  • fasster:对含季节成分、趋势成分和指数回归子的 tidy 时间序列进行预测。

R infrastructure系列值得学习的 R 包

  • scales:数据格式化,在绘图中很常用:
1
2
3
4
5
6
7
8
squish(c(-1, 0.5, 1, 2, NA), range = c(0, 1))
#> [1] 0.0 0.5 1.0 1.0 NA

# Useful for setting the `oob` argument for a colour scale with reduced limits
library(ggplot2)
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, colour = Petal.Length)) +
geom_point() +
scale_color_continuous(limit = c(2, 4), oob = scales::squish)

  • fs:跨平台的文件操作:

  • pipeR:提供了一些管道操作方法。

  • widyr:tidy 数据框整理的一些工具。

  • tor:同时导入多个数据集。

  • diffobj:R 对象的比较。

  • tidylog:显示 dplyr 操作的反馈。

1
2
3
4
5
6
7
8
9
# Load tidylog after dplyr:

library("dplyr")
library("tidylog", warn.conflicts = FALSE)

# Tidylog will give you feedback, for instance when filtering a data frame:

filtered <- filter(mtcars, cyl == 4)
#> filter: removed 21 rows (66%)
  • ggdark:ggplot2 的暗黑主题。

  • modelr:一些建模的函数。

  • GA:使用遗传算法最优化:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
library(tsfeatures)
mylist <- list(sunspot.year, WWWusage, AirPassengers, USAccDeaths)
myfeatures <- tsfeatures(mylist)
myfeatures
#> # A tibble: 4 x 20
#> frequency nperiods seasonal_period trend spike linearity curvature
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 1 0 1 0.125 2.10e-5 3.58 1.11
#> 2 1 0 1 0.985 3.01e-8 4.45 1.10
#> 3 12 1 12 0.989 2.12e-8 11.0 1.10
#> 4 12 1 12 0.796 9.67e-7 -2.13 2.85
#> # ... with 13 more variables: e_acf1 <dbl>, e_acf10 <dbl>, entropy <dbl>,
#> # x_acf1 <dbl>, x_acf10 <dbl>, diff1_acf1 <dbl>, diff1_acf10 <dbl>,
#> # diff2_acf1 <dbl>, diff2_acf10 <dbl>, seasonal_strength <dbl>,
#> # peak <dbl>, trough <dbl>, seas_acf1 <dbl>
  • tidybayes:Bayesian analysis + tidy data + geoms。

  • satin:shiny dashboards 框架。

  • tidyexplain:通过一些动图解释 tidy 数据分析流程。

shell 命令

  • fx:终端 json 数据查看工具。

图表

快乐的一周

  • 哎哟!谢谢你啊。。。卧槽尼玛

  • 一定要克服没有用的尴尬情绪!

  • 大学的最后一节课:2018 年 6 月

  • 怀念暨大的蓝天白云:

  • 《守望》

  • 2018 年 9 月份计划月底回家看女朋友,临走的前一天晚上想去优衣库给女朋友买那件她最喜欢的裤子,结果辛辛苦苦跑去珠江新城的那家优衣库,它。。。关门了:

  • 那天晚上还去那个商场上了个厕所,但是厕所门坏了,于是。。。我利用随身携带的笔改造了一下门锁:

  • 呵呵,爱情。

  • 我竟然想了好一会儿!

  • 你这人怎么这么相信科学??

  • 这个。。。

评论

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×