和光同尘_我的个人主页不管风吹浪打，胜似闲庭信步。--毛泽东二叉树中的递归问题🕯️前言1.前置说明2.二叉树的遍历2.1.前序、中序和后序遍历3.二叉树的简单递归问题3.1.求二叉树节点个数3.2.求叶子节点个数3.3.求第K层节点个数（根节点为第1层）3.4.单值二叉树🗝️总结🕯️前言我本来还说上节难来着，没想到这节更难🥲不过我既然会了保证xdm也能看懂👍1.前置说明首先回顾下二叉树的概念二叉树是由:空树或者非空树（根节点，根节点的左子树、根节点的右子树）组成的从概念中可以看出，二叉树定义是递归式的，后面的思路都是基于此概念实现的2.二叉树的遍历2.1.前序、中序和后序遍历二叉树遍历(Tra
问题描述：在windows10系统的PyCharm中，使用Python3.10.7版本的Axes3D绘制三维图时,输出的图片是空白的。解决方法：将原来代码中：ax1=Axes3D(fig)更改为：ax1=Axes3D(fig,auto_add_to_figure=False)fig.add_axes(ax1)
前言Gene在转录为mRNA的过程中会经历splicing，RNA刚转录出来（此时称之为前体RNA）是没有经历过splicing的，而剪切过的RNA（此时称之为mRNA）从生成时间上要晚一些。即首先RNA转录出来为前体RNA，经过剪切后形成成熟的mRNA，因此在这个过程中存在时间差。由于每个细胞的RNA速率不同，因此可以从这个角度推测细胞的分化轨迹其中，α代表转录速率，β代表剪切速率，u代表unsplicedmRNA，γ代表成熟mRNA的降解速率，s代表splicedmRNA（成熟mRNA）。因此满足于下式：上述式子分为两部分，du/dt代表的是unsplicedmRNA所能积累的速率，即转录
在HarmonyOS上开发移动端应用是一项令人兴奋的任务。本篇文章将介绍如何使用HarmonyOS开发框架eTS（EnhancedTaskScheduler）来实现一个简单的画图应用。我们将展示如何创建应用界面、处理用户输入以及绘制图形。让我们开始吧！1.创建项目首先，我们需要创建一个HarmonyOS项目。请按照以下步骤操作：打开HarmonyOS开发者IDE（集成开发环境）。点击"NewProject"（新建项目）。在弹出的对话框中，填写项目名称和位置，并选择"HarmonyOS"作为目标平台。点击"Next"（下一步）并按照向导完成项目创建过程。2.创建应用界面接下来，我们将创建应用的用
出StableDiffusion的公司也出语言大模型了，效果还挺好。本周三，StableLM的发布引来了科技圈的关注。StabilityAI是近期势头正盛的创业公司，因为开源的AI画图工具StableDiffusion而饱受好评。在周三的发布中，该公司宣布其语言大模型现已可供开发人员在GitHub上使用和改编。与业内标杆ChatGPT一样，StableLM旨在高效地生成文本和代码。它在名为Pile的开源数据集的更大版本上进行训练，其中包含来自各种来源的信息，包括维基百科、StackExchange和PubMed，共22个数据集，容量达到825GB，1.5万亿个token。StabilityAI
AI画图1.midjourney的介绍于注册使用2.playgroundAI画图3.算法学习4.参考博文1.midjourney的介绍于注册使用midjourney归属于discord是一个聊天室网站，生成图片就像跟人聊天一样，输入描述词，然后点击发送即可生成。首先进入midjourney的官网，选择jointheneta。然后一步步注册，顺便下载一个桌面app，之后随便进入一个房间，在对话框里输入正确语句，就可以得到图像。新人有25次免费使用次数.==/imagine==2.playgroundAI画图playgroundai完全满足个人免费需求，进playgroundai官网注册账号，然后
一.B样条函数B样条函数的MATLAB代码如下：S=spapi(k,x,y)%k为用户选定的B样条阶次，一般以4和5居多例题1分别用B样条函数对y和f(x)中的自选数据进行5次B样条函数拟合，并与三次分段多项式样条函数拟合的结果相比较。解：MATLAB代码如下：clc;clear;%%y函数部分x0=[0,0.4,1,2,pi];y0=sin(x0);ezplot('sin(t)',[0,pi]);holdon%三次分段多项式样条插值sp1=csapi(x0,y0);fnplt(sp1,'--');%5次B样条插值sp2=spapi(5,x0,y0);fnplt(sp2,':')%%f(x)函
前面一个帖子我们学习了画基本的PCA图形，但是是二维的，今天我们学习绘制三维的，因为在有些paper中看到作者放的是三维的，其实也挺好看的。主成分的计算方法上一个帖子讲过了，就不多讲了。计算过主成分后，自己提取一下前面3个PC就成了。这个是我们今天的测试数据。其实绘制3维图形的包也很多，我们先测试一个R里面经常用的scatter3D。先绘制基本的三维PCA图。scatter3D(x=plot.data$DC_1,y=plot.data$DC_3,z=plot.data$DC_2, xlab="DC_1", #设置x,y,z坐标轴的名称 ylab="DC_3", zlab
以前做序列比对通常都是MEGA来做，然后有时候会用genedoc来展示，但是经常碰到一个问题就是没办法得到矢量图。所以一直在想用R能不能展示多序列比对的结果，尤其是核心关键domain的区域。下面是paper中的一个结果，看着就很清晰。library("phylotools")library("ggplot2")library("tidyr")library("dplyr")dfdf#用ggplot展示的话，我们就需要拆分成单个碱基的形式，有点类似长矩阵变成短矩阵的感觉。new.df%separate(seq.text,paste0("col",str_pad(1:28,2,side="lef
break就是截断的意思，一般主要是在画图的时候，Y轴上某些值过大，容易把其它规律给掩盖掉，所以这时候就需要一个截断操作。今天用下面一组简单的测试数据。library(ggplot2)library(ggbreak)datahead(data)data$day=factor(data$day)ggplot(data,aes(day,time,fill=week_n))+geom_bar(stat="identity",show.legend=F)+theme(axis.text.x=element_text(vjust=0.9,hjust=1,angle=45))然后，加入隔断，主要通过函数s
