【Pivot Stickfigure Animator】——PeppaPig




前言


今天下午用Pivot Stickfigure Animator玩了会逐帧动画,


一开始挺单调的,后来看见了看软件自带的几个模板,瞬间就打开了新世界的大门


想说应该是有比他更好的软件


我也只是玩玩,我没认真,所以大家看的时候,,,,我相信你们也不会认真,哈哈


大家一笑就好了,,,,



正文


下面,就到了我作品展示的时间了。


给大家看看我导出的一个gif,别看简单,我画了好半天呢



看Peppa的裙子不好看,我特意给她换了一个大蕾丝边,哈哈


唉呀,现在才发现,小尾巴忘画了,我的天


然后导出的jif和保存的piv预览还不一样,难受坏了


结语


       不经意间爱上你



  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 14
    评论
数字乡村和智慧农业的数字化转型是当前农业发展的新趋势,旨在通过应用数字技术,实现农业全流程的再造和全生命周期的管理服务。中国政府高度重视这一领域的发展,提出“数字中国”和“乡村振兴”战略,以提升国家治理能力,推动城乡融合发展。 数字乡村的建设面临乡村治理、基础设施、产业链条和公共服务等方面的问题,需要分阶段实施《数字乡村发展战略纲要》来解决。农业数字化转型的需求包括满足市民对优质农产品的需求、解决产销对接问题、形成优质优价机制、提高农业劳动力素质、打破信息孤岛、提高农业政策服务的精准度和有效性,以及解决农业融资难的问题。 数字乡村建设的关键在于构建“1+3+4+1”工程,即以新技术、新要素、新商业、新农民、新文化、新农村为核心,推进数据融合,强化农业大数据的汇集功能。数字农业大数据解决方案以农业数字底图和数据资源为基础,通过可视化监管,实现区域农业的全面数字化管理。 数字农业大数据架构基于大数据、区块链、GIS和物联网技术,构建农业大数据中心、农业物联网平台和农村综合服务指挥决策平台三大基础平台。农业大数据中心汇聚各类涉农信息资源和业务数据,支持大数据应用。信息采集系统覆盖市、县、乡、村多级,形成高效的农业大数据信息采集体系。 农业物联网平台包括环境监测系统、视频监控系统、预警预报系统和智能控制系统,通过收集和监测数据,实现对农业环境和生产过程的智能化管理。综合服务指挥决策平台利用数据分析和GIS技术,为农业决策提供支持。 数字乡村建设包括三大服务平台:治理服务平台、民生服务平台和产业服务平台。治理服务平台通过大数据和AI技术,实现乡村治理的数字化;民生服务平台利用互联网技术,提供各类民生服务;产业服务平台融合政企关系,支持农业产业发展。 数字乡村的应用场景广泛,包括农业生产过程、农产品流通、农业管理和农村社会服务。农业生产管理系统利用AIoT技术,实现农业生产的标准化和智能化。农产品智慧流通管理系统和溯源管理系统提高流通效率和产品追溯能力。智慧农业管理通过互联网+农业,提升农业管理的科学性和效率。农村社会服务则通过数字化手段,提高农村地区的公共服务水平。 总体而言,数字乡村和智慧农业的建设,不仅能够提升农业生产效率和管理水平,还能够促进农村地区的社会经济发展,实现城乡融合发展,是推动中国农业现代化的重要途径。
`pivot_table`是pandas中用于创建透视表的函数,它可以根据一个或多个键对数据进行分组,并且可以对分组后的数据进行聚合计算。pivot_table的语法如下: ```python DataFrame.pivot_table(values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True) ``` 参数说明: - `values`:可选,要汇总的列,默认为所有数值型列。 - `index`:可选,行分组列。 - `columns`:可选,列分组列。 - `aggfunc`:可选,对数据进行聚合计算的函数,默认为平均值。 - `fill_value`:可选,用于替换缺失值的值。 - `margins`:可选,添加行/列总计,默认为False。 - `dropna`:可选,是否删除含有缺失值的行/列,默认为True。 下面是一个例子: ```python import pandas as pd import numpy as np # 创建一个示例DataFrame df = pd.DataFrame({'A': ['foo', 'foo', 'bar', 'bar', 'foo', 'foo'], 'B': ['one', 'two', 'one', 'two', 'one', 'two'], 'C': np.random.randn(6), 'D': np.random.randn(6)}) # 使用pivot_table函数创建透视表 table = pd.pivot_table(df, values='D', index=['A', 'B'], columns=['C'], aggfunc=np.sum) print(table) ``` 上述代码将创建一个DataFrame,并使用pivot_table函数创建一个透视表。透视表将按照'A'和'B'列进行分组,并且对'D'列的值进行求和计算。'C'列的值将用作列索引。输出的结果将是一个新的DataFrame,其中行是'A'和'B'列的组合,列是'C'列的不同值,单元格中的值是'D'列的聚合值。

“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 14
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