Thu 3.23

本文探讨了FormItem组件中label的正确用法及Plotly图表显示异常的问题,并提供了详细的解决方案。FormItem组件需置于Form内才能生效;Plotly图表显示异常可通过调整layout参数中的margin属性来解决。

1、FormItem的label问题

要使用FormItem的label,一定需要Form将所有的FormItem包起来,不然达不到label效果,如下:
error
right
分析原因:
error
right
不加Form的话,label并没有接收到index.css:226的样式。

2、Plotly的显示问题

用于接收图表的容器,如果宽高设置为百分比,会出现显示问题,如下。
error
解决方法:

right
right
在layout参数中,加入margin对象,该参数将容器撑开,使得显示正常。

这是打印的:✅ 原始数据: yyear child_dependency_ratio elderly_dependency_ratio \ 0 2005年 28.136777 10.674438 1 2006年 27.307822 10.959524 2 2007年 26.775745 11.098473 3 2008年 26.030203 11.332230 4 2009年 25.295433 11.598826 5 2010年 22.272809 11.901379 6 2011年 22.177170 12.230768 7 2012年 22.267122 12.685915 8 2013年 22.191981 13.125365 9 2014年 22.480006 13.759997 10 2015年 22.602943 14.383331 11 2016年 23.034782 14.896526 12 2017年 23.398456 15.877169 13 2018年 23.735572 16.713136 14 2019年 23.795604 17.846954 15 2020年 26.093465 19.679780 16 2021年 25.566169 20.777822 17 2022年 24.829420 21.786497 18 202323.967037 22.525668 19 2024年 23.032254 22.740353 total_dependency_ratio 0 38.811215 1 38.267345 2 37.874219 3 37.362433 4 36.894260 5 34.174188 6 34.407938 7 34.953037 8 35.317346 9 36.240003 10 36.986274 11 37.931308 12 39.275625 13 40.448708 14 41.642559 15 45.773245 16 46.343990 17 46.615917 18 46.492705 19 45.772607 -------------------------------------------------- 📊 相关系数矩阵: child_dependency_ratio elderly_dependency_ratio \ child_dependency_ratio 1.000000 -0.132747 elderly_dependency_ratio -0.132747 1.000000 total_dependency_ratio 0.304905 0.903479 total_dependency_ratio child_dependency_ratio 0.304905 elderly_dependency_ratio 0.903479 total_dependency_ratio 1.000000 -------------------------------------------------- 📈 线性回归模型摘要: OLS Regression Results ================================================================================== Dep. Variable: total_dependency_ratio R-squared: 0.093 Model: OLS Adj. R-squared: 0.043 Method: Least Squares F-statistic: 1.845 Date: Thu, 03 Jul 2025 Prob (F-statistic): 0.191 Time: 00:07:12 Log-Likelihood: -56.261 No. Observations: 20 AIC: 116.5 Df Residuals: 18 BIC: 118.5 Df Model: 1 Covariance Type: nonrobust ========================================================================================== coef std err t P>|t| [0.025 0.975] ------------------------------------------------------------------------------------------ Intercept 22.4821 12.623 1.781 0.092 -4.038 49.002 child_dependency_ratio 0.7050 0.519 1.358 0.191 -0.385 1.796 ============================================================================== Omnibus: 4.201 Durbin-Watson: 0.042 Prob(Omnibus): 0.122 Jarque-Bera (JB): 2.701 Skew: 0.717 Prob(JB): 0.259 Kurtosis: 1.912 Cond. No. 324. ============================================================================== Notes: [1] Standard Errors assume that the covariance matrix of the errors is correctly specified. -------------------------------------------------- 📉 残差分析数据: child_dependency_ratio total_dependency_ratio predicted residuals 0 28.14 38.81 42.32 -3.51 1 27.31 38.27 41.74 -3.47 2 26.78 37.87 41.36 -3.49 3 26.03 37.36 40.83 -3.47 4 25.30 36.89 40.32 -3.42 5 22.27 34.17 38.19 -4.01 6 22.18 34.41 38.12 -3.71 7 22.27 34.95 38.18 -3.23 8 22.19 35.32 38.13 -2.81 9 22.48 36.24 38.33 -2.09 10 22.60 36.99 38.42 -1.43 11 23.03 37.93 38.72 -0.79 12 23.40 39.28 38.98 0.30 13 23.74 40.45 39.22 1.23 14 23.80 41.64 39.26 2.38 15 26.09 45.77 40.88 4.89 16 25.57 46.34 40.51 5.84 17 24.83 46.62 39.99 6.63 18 23.97 46.49 39.38 7.11 19 23.03 45.77 38.72 7.05 -------------------------------------------------- 'C:\\Users\\LYB\\线性回归残差图9.html' ​ 这个html图并没有明显数据,只有横轴纵轴
07-04
Security-feature-detection-system 安全检测系统 简介 安全检测系统-多目标识别(YOLOv5)和人脸识别(Facenet)快速部署系统。 功能上:本项目使用YOLOv5实现多目标识别,使用Facenet实现人脸识别,最终需要人脸和此人应具备的多目标同时满足才能通过安全检测,部署上:使用pyqt5实现前端可视化,在前端页面运行YOLOv5多目标识别系统(将模型运行封装到Qt中),使用Docker封装人脸识别后端系统,使用网络请求等包实现前后端交互 案例:进行多目标识别的同时,进行人脸识别,前端系统发送请求,携带参数到后端进行人脸识别,最终返回人脸识别结果,获取人脸识别结果后,检索该成员应具备的多目标特征,与YOLOv5多目标识别的实际结果进行比对,若无误则通过安全检测。 根据原作 https://pan.quark.cn/s/9784cdf4abfd 的源码改编 项目背景 出于一些比赛的需要,以及逃离懵懂状态开始探索,我于2023.12~2024.1(大二上)开始一些CV、LLM项目的研究,苦于能力有限,当时大部分的项目都是依托开源搭建而来,诸如本项目就是依托开源的Compreface和Yolov5搭建,我只不过做了缝合的工作,所以在此必须提及这两个项目的巨大贡献:https://.com/exadel-inc/CompreFace https://.com/ultralytics/yolov5 今天是2024.7.11(大二下暑假),时隔半年我才开始这个项目的开源工作是因为,半年前的水平有限,虽然自己能实现项目的运作,但是恐很多细节介绍不好,当然本文自发出,后续我还会跟进,欢迎指正:22012100039@stu.xidian.edu.c...
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