HTML——3(数据编辑与格式化)

数据编辑与格式化

这里写图片描述

1.区块格式

1.1<pre>元素(预先格式化的区块)
适合在页面显示整块代码等内容。

  <body>
    <pre>
      void main()
      {
        printf("Hello World!\n");
      }
    </pre>
  </body>

1.2<blockquote>元素(左右缩排的区块)

  <body>
    <blockquote>天命之谓性,率性之谓道,修道之谓教。</blockquote>
    <blockquote>道也者,不可须臾离也﹔可离,非道也。</blockquote>
    <p>是故,君子戒慎乎其所不赌,恐惧乎其所不闻。</p>
    <p>莫见乎隐,莫显乎微,故君子慎其独也。</p>
  </body>

1.3<hr>元素(水平线)

<body>
    <hr color="green" align="left"  width="50%"   size="8">
    <hr color="red"   align="left"  width="50%"   size="15">
    <hr color="gray"  align="right" width="300px" size="10">
  </body>

1.4<div>元素(群组成一个区块)

(1)<div>元素用来将HTML中某个范围内的内容和元素组成一个区块,令文件的结构更清晰,其属性如下所列。
(2)所谓区块级(block level)指的是元素的内容在浏览器中会另起一行,例如<div>,<p>,<pre>,<h1>等均属于区块等级的元素。
(3)通常会搭配class,id,style等属性。

 <body>
    <div>
      <h1>快乐出版社</h1>
      <ul>
        <li><a href="products.html">产品部</a></li>
        <li><a href="sales.html">业务部</a></li>     
      </ul>
    </div>
  </body>

1.5<marquee>元素(跑马灯)

 <body>
    <p><marquee bgcolor="yellow" width="500" height="20">鹿港灯会热闹登场</marquee></p>
    <p><marquee bgcolor="pink" width="80%" height="2%" behavior="alternate" 
      scrollamount="5" scrolldelay="100" >欢迎你我斗阵来参加~~~</marquee></p>
  </body>

1.6<!– –>元素(注释)

2.文字格式

2.1<ruby>,<rt>,<rp>元素(注音或拼音)

(1)<ruby>:用来包住字符串及其注音或拼音。
(2)<rt>:用来包住拼音部分。
(3)<rp>:当<ruby>不能被浏览器支持时,显示<rp>中的内容。

  <body>
    <h1><ruby><rt>ㄏㄢˋ</rt><rt>ㄗˋ</rt></ruby></h1>
    <h1><ruby><rt>かん</rt><rt></rt></ruby><br></h1>
    <h1><ruby><rp>(</rp><rt>ㄏㄢˋ</rt><rp>)</rp><rp>(</rp><rt>ㄗˋ</rt><rp>)</rp></ruby></h1>
    <h1><ruby><rp>(</rp><rt>かん</rt><rp>)</rp><rp>(</rp><rt></rt><rp>)</rp></ruby></h1>
  </body>

2.2<font>,<basefont>元素(字体)

<body>
     <p>听风在唱</p>
     <p><font size="1" color="green"    face="微软正黑体">听风在唱</font></p>
     <p><font size="2" color="purple"   face="微软正黑体">听风在唱</font></p>
     <p><font size="3" color="red"      face="标楷体">听风在唱</font></p>
     <p><font size="4" color="navy"     face="标楷体">听风在唱</font></p>
     <p><font size="5" color="teal"     face="新细明体">听风在唱</font></p>
     <p><font size="6" color="blue"     face="新细明体">听风在唱</font></p>
     <p><font size="7" color="olive"    face="华康粗圆体">听风在唱</font></p>
  </body>

2.3<br>元素(换行)

2.4<span>元素(群组成一行)

所谓行内层级(inline level )指的是元素的内容在浏览器中不会另起一行,例如<span>,<i>,<b>,<img>,<a>等均属于行内层级的元素。

<body>   
    注释1:<span class="note">“章台路”</span>意指歌妓聚居之所。<br>
    注释2:<span class="note">“冶游生春露”</span>意指春游。
  </body>

3.项目符号与编号

<ul>元素为数据加上项目符号,<ol>元素为资料加上编号,然后再使用<li>元素指定各个的项目资料。

3.1<ul>元素

 <body>
    <ul type="square">
      <li>射雕英雄传</li>
      <li>神雕侠侣</li>
      <li>倚天屠龙记</li>
      <li>碧血剑</li>
    </ul> 
  </body>

3.2<ol>元素

 <body>
    <ol type="A" start="1">
      <li>半生缘</li>
      <li>倾城之恋</li>
      <li>小团圆</li>
      <li>流言</li>
      <li>秧歌</li>
    </ol>
  </body>

4.定义列表

定义列表(definition list) 指的是将数据格式化成两个层次,可以将它想象成类似目录的东西,第一层资料是某个名词,而第二层资料是该名字的解释。

 <body>
    <dl>
      <dt>黑面琵鹭</dt>
        <dd>黑黑面琵鹭最早的栖息地是韩国及中国的北方沿海,但近年来它们觅着了
        一个新的栖息地,那就是宝岛台湾的曾文溪口沼泽地。</dd>
      <dt>赤腹鹰</dt>
        <dd>赤腹鹰的栖息地在垦丁、恒春一带,只要一到每年的八、九月,赤腹鹰
        就会成群结队的到台湾过冬,爱鹰的人士可千万不能错过。</dd>
    </dl>
  </body>

5.插入或删除数据——<ins>,<del>元素

 <body>
    天数剩下<del datetime="2012-02-14t00:00:00">2</del>
    <ins datetime="2012-02-14t00:00:00">1</ins></body>

6.提示文字——<title>属性

<p>,<body>,<div>,<span>,<ul>,<ol>等有title属性的元素均能指定提示文字。

 <body>
    <p title=" 大学 经一章 大学之道">
    大学之道在明明德,在亲民,在止于至善。
    知止而后有定,定而后能静,静而后能安,
    安而后能虑,虑而后能得,物有本末,事有终始,
    知所先后,则近道也。</p>
  </body>
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数据离散化处理是将连续型数据转换为离散型数据的过程,可以将数据划分为若干个区间(也称为“桶”),每个区间内的数据被视为相同的离散值。数据离散化处理通常用于数据挖掘、统计分析等领域。 在 Pandas 中,可以使用 cut() 和 qcut() 函数进行数据离散化处理。 cut() 函数将数据按照指定的区间划分为离散值,可以根据数据的最大值和最小值自动生成等距区间,也可以手动指定区间范围。 例如,下面的代码将一个 DataFrame 中的元素离散化为 5 个区间: ```python import pandas as pd data = pd.DataFrame({'value': [12, 34, 56, 78, 90, 23, 45, 67, 89, 100]}) bins = pd.cut(data['value'], 5) print(bins) ``` 输出结果为: ``` 0 (9.92, 28.8] 1 (28.8, 47.6] 2 (47.6, 66.4] 3 (66.4, 85.2] 4 (85.2, 104.0] 5 (9.92, 28.8] 6 (28.8, 47.6] 7 (47.6, 66.4] 8 (66.4, 85.2] 9 (85.2, 104.0] Name: value, dtype: category Categories (5, interval[float64]): [(9.92, 28.8] < (28.8, 47.6] < (47.6, 66.4] < (66.4, 85.2] < (85.2, 104.0]] ``` qcut() 函数将数据按照指定的分位数划分为离散值,可以根据数据的分布自动生成区间,也可以手动指定分位数。 例如,下面的代码将一个 DataFrame 中的元素离散化为 4 个区间: ```python data = pd.DataFrame({'value': [12, 34, 56, 78, 90, 23, 45, 67, 89, 100]}) bins = pd.qcut(data['value'], 4) print(bins) ``` 输出结果为: ``` 0 (11.999, 34.0] 1 (34.0, 56.0] 2 (56.0, 78.0] 3 (78.0, 100.0] 4 (78.0, 100.0] 5 (11.999, 34.0] 6 (34.0, 56.0] 7 (56.0, 78.0] 8 (78.0, 100.0] 9 (78.0, 100.0] Name: value, dtype: category Categories (4, interval[float64]): [(11.999, 34.0] < (34.0, 56.0] < (56.0, 78.0] < (78.0, 100.0]] ``` 在上面的例子中,cut() 函数和 qcut() 函数都返回了一个 Pandas 的 Categorical 类型的对象,可以通过 value_counts() 方法来统计每个区间内的元素个数。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值