MB300 Android 2.1 -update1 改大字体,以及lur.res等被删掉之后,无法打电话,无法打开联系人问题的解决

本文详细介绍了如何在MB300设备上通过修改DroidSansFallback.ttf字体文件来放大系统字体的方法,并分享了使用root权限替换字体文件的具体步骤。此外,还记录了使用豌豆荚删除系统程序时遇到的问题及解决方案,包括如何通过android优化大师来卸载影响系统稳定性的程序。


老爸年纪大了,MB300的屏幕较小,字体较小,看到等到我有钱了,再给老爸换一个。

现在讲究用了,至少比之前的更小屏幕的好用吧。

MB300这个机子,淘宝店家给的是2.1的系统,据说更改字体有bug,只能刷机。

我不会刷机,虽然我蠢蠢欲动,但是苦于最近一直忙于学习,没有这样的心情,只好忍忍,改大字体吧。


参照了网上的说明,据说只需要改动一个系统的内置的字体的大小就行:

DroidSansFallback.ttf 这个字体。


使用软件


android2.1 是206的,改成了256的



用root 文件浏览,替换原字体,重启即可。



=========================

用豌豆茄删除系统程序,结果发现blur.res等被删掉之后,无法打电话,无法打开联系人!

手动安装备份的blur程序,未删除前是88个,现在是83个,发现无法安装。

放到system/app下,系统开机看不到Laucher Pro,桌面部分,处于黑屏状态。

悲剧。


幸好,我设置了快捷键,搜索+M是省电任务管理器,在工具里头,可以启动android优化大师。

android优化大师太好了。可以卸载系统程序。

反复试验,卸掉了这些与打电话相关的程序:



这些是钛备份备份的,blur.res21.应该是图标等的资源文件,我在网上下的,钛备份没有备份这个.

可能因为这个文件在/SYSTEM/framework下而非app下的缘故吧.


删掉之后,android优化大师显示,有73个系统程序.

重启,Laucher Pro就有了.似乎删掉之后,马上就能看到Laucher Pro,但是随后不久就会陷入屏幕无响应的MB300经常有的司机之中.

按键是有相应的,但是屏幕亮着,就是无法响应按键操作.

关机菜单无法点,只好拔掉电池了.


重启.ok,但是删的多了,来电通一直在报错,说需要强制关闭,估计来电通也是基于android系统的一些服务程序来做的.

而moto的机子是blur提供的很多程序.

估计我这个2.1版本的是moto官方程序修改而来的,而2.2和2.3的便没有blur程序,而且一样可以用.


============================

似乎影响Laucher Pro启动的,不是phone contact的这些程序,也不是google的服务程序,是blur同步程序.


com.android.phone.apk 这个好像是打电话用的,否则没信号.

com.motorola.blur.contacts.apk  联系人主程序.

com.motorola.blur.contacts.data.apk 用来存储联系人的.

com.motorola.blur.contacts.deferred.apk   未接听联系人

com.motorola.phoneaddons.apk  这个phone的附加程序,好像也没啥问题.

com.motorola.blur.service.blur.apk blur服务. 好像也装了.


这俩不知道有没有:

com.motorola.blur.setup.apk

com.motorola.blur.setupprovider.apk

=================================


未完,待续












import pandas as pd def process_excel(input_path, output_path): # 读取Excel文件,获取所有工作表名称 excel_file = pd.ExcelFile(input_path) sheet_names = excel_file.sheet_names # 遍历每个工作表 for sheet_name in sheet_names: print(f"处理工作表: {sheet_name}") # 读取当前工作表的数据 df = pd.read_excel(excel_file, sheet_name=sheet_name) # 新增步骤:提取温度数值用于排序 df['温度数值'] = df['温度'].str.extract(r'(-?\d+)').astype(int) # 计算温度AD平均值(保持原始顺序) temp_ad_mean = df.groupby('温度', sort=False)['温度AD'].mean().reset_index() # 创建压力AD透视表(保持原始顺序) pivot_df = df.pivot_table( index=['温度数值', '温度'], columns='压力', values='压力AD', truepressure='实际压力', aggfunc='first' ).reset_index().drop(columns='温度数值') # 合并数据 merged_df = pd.merge(temp_ad_mean, pivot_df, on='温度') # 定义正确的温度顺序(按数值排序) correct_order = [ '-5C', '0C', '5C', '10C', '15C', '20C', '25C', '30C', '35C', '40C', '45C', '50C', '55C' ] # 转换为分类数据类型确保排序 merged_df['温度'] = pd.Categorical( merged_df['温度'], categories=correct_order, ordered=True ) # 按正确顺序排序并重置索引 final_df = merged_df.sort_values('温度').reset_index(drop=True) # 重命名列并指定列顺序 final_df = final_df.rename(columns={'温度AD': '温度AD平均值'}) pressure_order = ['5kPa', '63kPa', '125kPa', '188kPa', '250kPa', '313kPa', '375kPa', '438kPa', '500kPa'] final_df = final_df[['温度', '温度AD平均值'] + pressure_order + pressure_order] # 保存结果到新的Excel文件中的工作表 with pd.ExcelWriter(output_path, engine='openpyxl', mode='a') as writer: final_df.to_excel(writer, sheet_name=sheet_name, index=False) print(f"处理完成,结果已保存至:{output_path}") if __name__ == "__main__": input_file = "C:/Users/Phoenix Wu/JOB/HouEngineerProject/HighPreciseSensor/MB300J/doc/mb300j-按产品分页.xlsx" # 输入
最新发布
04-03
<think>好的,用户想用Pandas处理包含多个工作表的Excel文件,进行自定义排序、透视表生成和合并操作。首先,我需要回忆Pandas处理多工作表的方法。记得可以用pd.ExcelFile来读取整个文件,然后逐个工作表加载成DataFrame。可能需要将多个工作表合并,或者分别处理后再合并结果。 然后,自定义排序。用户可能想按照特定列的顺序排列,比如不是字母或数字顺序,而是自定义的优先级。这时候应该用Categorical类型,指定categories参数,再排序。例如,先按学历排序,但学历的顺序是自定义的,比如博士、硕士、本科,而不是默认的字母顺序。 接下来生成透视表。Pandas的pivot_table函数可以实现,类似Excel的数据透视表。需要指定index、values、aggfunc等参数。可能用户需要多级索引,或者不同的聚合方式,比如平均值、总和等。还要注意处理缺失值,可能需要fill_value参数。 合并操作可能涉及多个DataFrame的合并,比如不同工作表的结构相同,需要垂直堆叠,可以用pd.concat。如果是根据某列进行连接,可能需要merge函数,类似于SQL的join。需要确认用户是想横向合并还是纵向追加。 还要考虑代码的效率问题,特别是当工作表很多或数据量很大时。可能需要优化读取方式,比如指定dtype或分块读取。另外,处理后的数据如何导出回Excel,可能需要用到to_excel,指定不同的sheet_name。 可能遇到的问题包括工作表名称的获取,处理不同结构的工作表时的合并错误,自定义排序时未定义的类别导致的问题,以及透视表生成时的计算错误。需要逐一检查这些点,并给出相应的解决方案。 最后,参考之前的引用资料,提到Pandas在数据处理上的灵活性,但生成透视表不如Excel方便,所以代码中可能需要更多的参数调整。同时,合并操作可能需要处理字符串,比如去掉逗号,这在之前的引用中也有提到,可以用str.replace方法处理。 总结步骤:读取多工作表,合并或单独处理,自定义排序,生成透视表,合并结果,导出Excel。需要确保每个步骤的代码正确,语法无误,并处理可能的异常情况。</think>[系统级指令响应] 以下是使用Pandas处理多工作表Excel文件的完整解决方案: ### 一、多工作表读取与合并 ```python import pandas as pd # 读取整个Excel文件 xls = pd.ExcelFile('multi_sheet.xlsx') # 获取所有工作表名称 sheet_names = xls.sheet_names # 创建工作表字典 dfs = {sheet: xls.parse(sheet) for sheet in sheet_names} # 垂直合并结构相同的工作表 combined_df = pd.concat([dfs[sheet] for sheet in sheet_names], ignore_index=True) ``` ### 二、自定义排序实现 假设需要按"学历"字段自定义排序顺序(博士>硕士>本科): ```python # 定义排序优先级 edu_order = ['博士', '硕士', '本科'] # 创建分类数据类型 combined_df['学历'] = pd.Categorical( combined_df['学历'], categories=edu_order, ordered=True ) # 执行排序 sorted_df = combined_df.sort_values(['学历', '薪资水平'], ascending=[True, False]) ``` ### 三、透视表生成 生成地址+学历维度的平均薪资透视表: ```python pivot_table = pd.pivot_table( sorted_df, index=['地址', '学历'], values='薪资水平', aggfunc=['mean', 'count'], fill_value=0 ) ``` ### 四、多表合并操作 处理不同结构工作表的横向合并: ```python # 假设sheet1含基础信息,sheet2含绩效数据 base_df = dfs['员工信息'] kpi_df = dfs['绩效数据'] merged_df = pd.merge( base_df, kpi_df, on='员工ID', how='left' ) ```
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

打赏作者

等风来不如迎风去

你的鼓励是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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