26.9K Star,漫画阅读 APP 开源了

本文介绍了一款基于Kotlin的免费开源Android漫画阅读器,拥有上千个全球漫画源,支持在线阅读和下载,且具备丰富的自定义设置和跟踪器功能。用户需通过安装插件获取漫画资源,上手简单,适合漫画爱好者。
摘要由CSDN通过智能技术生成

今天推荐是一款适用于 Android 6.0 及更高版本的免费开源漫画阅读器,基于 Kotlin 开发的。这款 APP 完全免费、好用、无广告,自带上千个全球漫画源,在线阅读和下载都很方便,是漫画爱好者必备!

它以插件的形式提供了来自全球的上千个漫画图源,包含中文、英文、日文等多种语言,我们可以自由选择安装。

功能包括:

  • 来自各种来源的在线阅读
  • 下载内容的本地阅读
  • 具有多个查看器、阅读方向和其他设置的可配置阅读器。
  • 跟踪器支持:MyAnimeListAniListKitsuMangaUpdatesShikimoriBangumi 支持
  • 用于组织库的类别
  • 浅色和深色主题
  • 计划更新新章节的资料库
  • 在本地创建备份以脱机读取或读取到所需的云服务

使用方法:

这款 APP 本身并不提供漫画资源,打开后,默认书架界面什么也没有。

我们先进入「浏览 - 插件」页面,选择漫画源进行安装,可以在右上角筛选中选择只显示中文资源。

安装好漫画图源插件后,进入「书架」,点击右上角搜索按钮搜索漫画,就可以浏览、下载漫画或加入书架收藏了。

应用的自定义设置十分丰富,支持多种阅读模式、自动裁剪、缩放、拆分、页码显示等。我们可以调整为自己习惯的阅读方式,各种阅读方式自定义程度很高。

这款 APP 功能完善,各种设置也很丰富,使用体验很好。安装后即是中文版,上手也很简单,就不再过多介绍了,大家直接安装就好~

安装链接和源码:

在后台「Android指南」发消息「漫画阅读」即可获取。

  • 12
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,我们需要将两个表格合并成一个数据集,可以使用 Pandas 在 Python 中操作数据: ```python import pandas as pd import numpy as np # 读入两个表格 df1 = pd.read_csv('table1.csv') df2 = pd.read_csv('table2.csv') # 合并表格 df = df1.merge(df2, on='Customer_ID') # 查看数据集 print(df.head()) ``` 接下来,我们可以对数据集进行预处理,例如删除不必要的列、处理缺失值等: ```python # 删除不必要的列 df = df.drop(['Customer_ID'], axis=1) # 处理缺失值 df = df.fillna(df.mean()) ``` 然后,我们可以使用 Scikit-learn 中的 KMeans 聚类算法对数据集进行聚类分析: ```python from sklearn.cluster import KMeans # 定义聚类的数量 k = 3 # 创建 KMeans 聚类模型 kmeans = KMeans(n_clusters=k) # 对数据集进行聚类 kmeans.fit(df) # 查看聚类结果 labels = kmeans.labels_ print(labels) ``` 最后,我们可以将聚类结果可视化: ```python import matplotlib.pyplot as plt # 可视化聚类结果 plt.scatter(df['Age'], df['Peak_mins'], c=labels) plt.xlabel('Age') plt.ylabel('Peak_mins') plt.show() ``` 这样就完成了聚类分析,完整代码如下: ```python import pandas as pd import numpy as np from sklearn.cluster import KMeans import matplotlib.pyplot as plt # 读入两个表格 df1 = pd.read_csv('table1.csv') df2 = pd.read_csv('table2.csv') # 合并表格 df = df1.merge(df2, on='Customer_ID') # 删除不必要的列 df = df.drop(['Customer_ID'], axis=1) # 处理缺失值 df = df.fillna(df.mean()) # 定义聚类的数量 k = 3 # 创建 KMeans 聚类模型 kmeans = KMeans(n_clusters=k) # 对数据集进行聚类 kmeans.fit(df) # 查看聚类结果 labels = kmeans.labels_ print(labels) # 可视化聚类结果 plt.scatter(df['Age'], df['Peak_mins'], c=labels) plt.xlabel('Age') plt.ylabel('Peak_mins') plt.show() ```
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