- 综合排序
- 最热优先
- 最新优先
- 来自专栏Rust语言学习交流
【Rust日报】2022-01-10 使用 Nom 解析文本
使用 Nom 解析文本 本教程是关于 Nom 的，它是我最喜欢的Rust解析库。它使用解析器组合子方法:开始编写匹配单个数字或字符的小型解析器。 在本教程中，我们将使用Nom解析输入文件到一个Advent of Code的谜题。 原文链接: https://blog.adamchalmers.com/nom-chars/ Bevy是如何使用 Rust traits 来添加标签的 出于好奇，作者最近开始关注Bevy的开发，Bevy
1K20编辑于 2022-01-21 - 来自专栏Rust语言学习交流
【Rust日报】2022-09-08 用于稳定泛型关联类型的 Pull Request 进入最后评论期
Stabilize generic associated types: https://github.com/rust-lang/rust/pull/96709 文章 - 使用 nom 创建 Bencode 解析器 作者最开始的目标是使用 nom 来解析 PDF ，但最终他选择完成一个更小的想法：bencode 解析器。 Creating a bencode parser with nom：https://edgarluque.com/blog/bencode-parser-with-nom/ This Week in
72330编辑于 2022-11-28 - 来自专栏行者常至
007.python科学计算库matplotlib(下)
arange reviews = pd.read_csv('fandango_scores.csv') cols = ['FILM', 'RT_user_norm', 'Metacritic_user_nom # 我们使用高度参数来指定每个栏的高度 num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue arange reviews = pd.read_csv('fandango_scores.csv') cols = ['FILM', 'RT_user_norm', 'Metacritic_user_nom # 我们可以使用ax .set_xticks()将ticks的位置改变为[1,2,3,4,5]: num_cols = ['RT_user_norm', 'Metacritic_user_nom', ' # 我们可以使用ax .set_xticks()将ticks的位置改变为[1,2,3,4,5]: num_cols = ['RT_user_norm', 'Metacritic_user_nom', '
1K20发布于 2018-09-19 - 来自专栏Rust语言学习交流
【Rust 日报】2021-8-26 Rudra Rust 的内存安全和未定义行为检测工具
https://github.com/sslab-gatech/Rudra#readme nom 7.0 版本发布 nom 是一个用 Rust 编写的解析器组合库。 目前7.0已经发布 https://crates.io/crates/nom egui 0.14 版本发布 egui 是一个易于使用的纯 Rust 图形用户界面。
1.1K60发布于 2021-09-08 - 来自专栏生信补给站
Nomogram（诺莫图） | Logistic、Cox生存分析结果可视化
") 2 构建logist模型,绘制诺莫图 ## 构建logist模型,绘制诺莫图 f1 <- lrm(status ~ age + gender + grade , data = LIHC) nom <- nomogram(f1, fun=plogis, lp=F, funlabel="Risk") plot(nom) ? lognormal') med <- Quantile(f2) # 计算中位生存时间 surv <- Survival(f2) # 构建生存概率函数 ## 绘制COX回归中位生存时间的Nomogram图 nom <- nomogram(f2, fun=function(x) med(lp=x),funlabel="Median Survival Time") plot(nom) ? B：绘制COX回归生存概率的Nomogram图 ## LIHC数据的time是以”天“为单位,此处绘制1年，5年的生存概率 nom <- nomogram(f2, fun=list(function(x
4.5K30发布于 2020-08-06 - 来自专栏程序人生
再探 Parser 和 Parser Combinator
，我也同时实现了 nom 下的 policy 表达式解析器。 使用 nom 来实现解析器 在使用 nom 之前，我有初级的 nimble_parsec 的使用经验，做过 csv / json 等实验性的解析器。 这里需要吐槽一下的是，nom 的文档实在是太缺乏了，网上搜到的几乎都过时了（因为 nom 5 做过一次大的重写，几乎抛弃了之前的使用宏来构造 parsec 的方式），就连 nom 自己 github 里的文档都是过时的 pest 和 nom 的性能对比 在 pest 官网上，作者非常谦虚地附上了和 nom / serde 在解析 JSON 上的性能对比。 结果，pest 和 nom 性能都提升了 20% 左右： ? 不过大家性能都高了，nom 还是比 pest 差一大截，不开森。
2.8K10发布于 2021-02-26 - 来自专栏Rust语言学习交流
【Rust 日报】2021-06-16 Rust 1.53.0 pre-release 开放测试
【博客】把 serde 迁移到 nom, 消息解析速度快了至少三倍 https://medium.com/tezedge/speeding-up-incoming-message-parsing-by- 3-to-10-times-by-switching-from-serde-to-the-nom-library-a74b04391bb4 将 Rust内存管理图像化 ?
42710发布于 2021-07-16 - 来自专栏HelloGitHub
Google 开源的 Python 命令行库：深入 fire（一）
Nom nom nom...' Nom nom nom... Burp! $ python example.py ingestion run Ingesting! Nom nom nom... $ python example.py digestion run Burp!
89820发布于 2021-05-14 - 来自专栏Rust语言学习交流
【Rust日报】2024-01-30 使用 NOM 编写一个 JSON 的词法解析器
使用 NOM 编写一个 JSON 的词法解析器 一般来说我会手动编写词法分析器/语法分析器或依赖于诸如 Antlr 等工具来编写解析器。 我试了一个很棒的 Rust 库叫做nom，在这篇文章中，我将尝试通过构建一个小型的 JSON 解析器来解释 解析器组合器 的核心思想以及 nom 库的基础用法。 ReadMore: https://andreabergia.com/blog/2024/01/playing-with-nom-and-parser-combinators/ PhipsBoot: 一个用
35810编辑于 2024-02-17 - 来自专栏生信修炼手册
手把手教你绘制最基础的列线图
(datadist = "dd") # 生存模型 > f <- psm(Surv(time,status) ~ age + sex, data = pbc, dist='lognormal') > nom <- nomogram(f) > plot(nom) 效果图如下 和文献中的列线图相比，rms的默认输出结果中多出了Linear Predictor这个轴，如果想要去掉这个轴，可以通过如下方法 > f <- psm(Surv(time,status) ~ age + sex, data = pbc, dist='lognormal') > nom <- nomogram(f, lp = F) > plot(nom) 效果图如下 可以看到，LInear Predictor这个轴就不显示了。 data = pbc, dist='lognormal') > # 计算中位生存时间 > med <- Quantile(f) > # 构建生存概率 > surv <- Survival(f) > nom
3.2K10编辑于 2022-06-09 - 来自专栏Rust语言学习交流
【Rust日报】2021-08-23 UltraOS获第一届全国大学生操作系统比赛一等奖
nom: 7.0 发布了 nom是一个用Rust编写的解析组合器库。它的目标是提供构建安全解析器的工具，而不影响速度或内存消耗。 现在最新的7.0版本已经发布. crate.io 地址：https://crates.io/crates/nom 如何组织大型 Rust workspace 在本文中，作者分享了自己组织大型Rust项目的经验
68120发布于 2021-09-08 - 来自专栏生活处处有BUG
Python 命令行工具：Fire （已验证）
Nom nom nom...') Nom nom nom... Burp! pipeline is runing. $ python example.py ingestion run Ingesting! Nom nom nom... $ python example.py digestion run Burp!
88530编辑于 2022-09-05 - 来自专栏LhWorld哥陪你聊算法
Python可视化库Matplotlib的使用
as pd reviews = pd.read_csv('fandango_scores.csv') cols = ['FILM', 'RT_user_norm', 'Metacritic_user_nom import matplotlib.pyplot as plt from numpy import arange num_cols = ['RT_user_norm', 'Metacritic_user_nom as plt reviews = pd.read_csv('fandango_scores.csv') cols = ['FILM', 'RT_user_norm', 'Metacritic_user_nom Distribution of Rotten Tomatoes Ratings') ax2.set_ylim(0, 50) ax3.hist(norm_reviews['Metacritic_user_nom ps：四分图就是1/4,2/4,3/4的点是多少，可以看到大致的范围 6.四家媒体四方图 num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm
1K30发布于 2018-09-13 - 来自专栏Rust语言学习交流
【Rust日报】2022-10-19 为什么要用 Rust
ReadMore:https://www.rerun.io/blog/why-rust 在 Rust 中使用 nom nom 可以使任何人都可以写出简单、类型安全的解析器。 ReadMore:https://naiveai.hashnode.dev/practical-parsing-nom 用Rust重写高性能矢量数据库 原文作者比较了几种语言--Go、Java、C++和
32920编辑于 2022-11-28 - 来自专栏R语言交流中心
R语言之列线图的绘制应用
第一部分，我们构建逻辑回归模型,并绘制其列线图 lg<- lrm(status~ age + sex, data = lung) nom <- nomogram(lg, fun=function(x)1 /(1+exp(-x)), lp=F, funlabel="Risk") plot(nom) 结果如图： ? +sex,data = lung, dist='lognormal') med <- Quantile(ff) # 计算中位生存时间 surv <- Survival(ff) # 构建生存概率函数 nom <- nomogram(ff, fun=function(x)med(lp=x), funlabel="Median Survival Time") plot(nom) ? # 绘制COX回归生存概率的Nomogram图 # 注意lung数据的time是以”天“为单位 nom <- nomogram(ff,fun=list(function(x) surv(365, x),
5K40发布于 2019-07-31 - 来自专栏python3
python plt 画图
as pd reviews = pd.read_csv('fandango_scores.csv') cols = ['FILM', 'RT_user_norm', 'Metacritic_user_nom import matplotlib.pyplot as plt from numpy import arange num_cols = ['RT_user_norm', 'Metacritic_user_nom as plt reviews = pd.read_csv('fandango_scores.csv') cols = ['FILM', 'RT_user_norm', 'Metacritic_user_nom 箱形图 num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue'] fig, ax =
1.8K10发布于 2020-01-10 - 来自专栏python3
python-fire的使用
Nom nom nom...' Nom nom nom... Burp! $ python example.py ingestion run Ingesting! Nom nom nom... $ python example.py digestion run Burp!
1.1K30发布于 2020-01-08 - 来自专栏医学和生信笔记
列线图增加彩色风险分层和箭头
Survival(coxfit) surv1 <- function(x) surv(365,x) # 1年OS surv2 <- function(x) surv(365*2,x) # 2年OS nom 100, fun.at = c(0.95,0.9,0.8,0.7,0.6,0.5,0.4,0.3,0.2,0.1)) 然后就是默认的画图，没有任何难度： plot(nom #pdf("nomogram.pdf") plot(nom, lplabel="Risk Stratification", xfrac = 0.2, # 左侧标签距离坐标轴的距离 首先是再添加一个颜色条： #pdf("nomogram.pdf") plot(nom, lplabel="Risk Stratification",#名字就不改了 xfrac = #pdf("nomogram.pdf") plot(nom, lplabel="Risk Stratification",#名字就不改了 xfrac = 0.2, # 左侧标签距离坐标轴的距离
1K40编辑于 2023-08-30 - 来自专栏用户4782617的专栏
INDEX函数怎么用？两种方法全在这儿
2、接着在“选定参数”页面中，点击array,row_nom,column_num然后点击“确定”。 3、然后进入“函数参数”界面，在Array中输入“A2:C7”， 在Row_nom中输入“2”，在Column_num中输入“3”。然后点击“确定”就可以了。 （注：Array表示单元格区域或数组常量，Row_nom表示数组或引用中要返回值的行序号，Column_num表示数组或引用中要返回值的列序号） 二、非连续区域求返回值 1、选中Excel中的单元格E2
4.3K20发布于 2019-10-15 - 来自专栏Rust 编程
【Rust 视界】toml-edit 优化之旅
要注意第三方解析便利性背后的成本 解析器组合器，如nom或combined，使语法转换为代码变得容易，但也很容易隐藏大量的成本： 不必要的分配 缺少批处理 他优化解析器的 https://github.com 作者要优化他还有很多选择，比如放弃 combine，使用nom或者手写parse (性能优化效果将最大)，但是他选择继续使用 combine，但是用 dispatch! 这里作者凭记忆罗列了一些失败的尝试： 批处理优化，收益比较小 想进一步优化KString，反而变慢了 尝试将 combine 迁移到 nom，目前正在努力 最后，发现了这句话：感谢 Futurewei
81420发布于 2021-10-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号