- 博客(145)
- 收藏
- 关注
RSS订阅原创 电路学习（二）
把单片机 / DSP 输出的低压弱电 PWM 信号（3.3V/5V），转换成能驱动功率 MOSFET（Q5）的高压强电驱动信号（12V），同时提供足够的驱动电流。整体分为两个模块：电平位移电路（Level Shift） + 图腾柱驱动电路（Totem Pole）
2025-12-17 21:04:53
769
原创 IGBT驱动设计要点（一）懵逼版
驱动电压：查器件手册的 VGS(th)（阈值电压） 和 VGS（推荐驱动电压）比如 MOSFET 的VGS(th)一般 2-4V，但必须给到 10~15V，才能让导通电阻RDS(on)最小；非隔离驱动：适合 低侧开关器件（比如反激变换器的原边 MOSFET，源极接地），像我们之前聊的 “电平位移 + 图腾柱” 电路就是非隔离，优点是电路简单、成本低。欠压锁定（UVLO）：当驱动电压低于阈值（比如 MOSFET 驱动电压低于 8V），禁止驱动信号输出，防止器件导通损耗过大；栅极并联 18V 稳压管；
2025-12-15 21:58:55
928
原创 解决错误“IndexError: Target 5 is out of bounds.“
解决错误"IndexError: Target 5 is out of bounds."
2022-10-07 11:05:07
5380
2
原创 No module named ‘PyEMD‘ ；使用plt.figure()TypeError: ‘module‘ object is not callable
emd的使用会出现的问题。from PyEMD import EMDeemd = EMD()imf = eemd(data[target].values)print(imf.shape)
2022-06-23 19:09:10
2247
1
原创 时间序列预测问题转换为python中的监督学习问题，复习
单变量单步预测shift（）的用法向下、上移动一位输入序列指定为5单变量多步预测另一种类型的预测问题是使用过去的值来预测未来的序列值，这可以被称为序列预测或多步预测。多变量具体例子：（本人实验）ef parser(x): return datetime.strptime(x, '%m/%d/%Y %H:%M:%S.%f')series = read_csv('TSLA.csv', header=0, parse_dates=[0], index_col=0, sque
2022-05-13 21:57:42
413
原创 进一步理解LSTM（2），每个月都要回来学习一下
np.expand_dims有什么用?扩展数组的形状扩展一个张量的维度,将二维的标签数组变为三维的假设你有一张灰度图，读取之后的shape是（360，480）而模型的输入要求是（1，360，380）或者是（360，480，1）那么你就可以通过np.expand_dims(a, axis=0)或者np.expand_dims(a, axis=-1)，将形状改变为满足模型的输入。也可以用reshpe（）转化成三维3d输入样本（samples）：一个序列（依上例，转化后，每一行）就是一个样本。时
2022-05-13 19:22:56
1886
原创 进一步理解LSTM（1），每个月都要回来学习一下
实际的LSTM网络单看t=1，他就是一个它是一个普通的包含2个隐藏层的BP网络，但是随着t走，他就是一个循环型的。所谓LSTM循环神经网络就是在时间轴上的循环利用LSTM的输入（LSTM输入层必须是3D。）它的维度是（NTF）,第一维度是样本数，第二维度是时间，第三维度是特征数NumPy数组中的reshape（）函数可用于将你的1D或2D数据重塑为3D。train_X = train_X.reshape((train_X.shape[0], n_days, n_features))test
2022-05-12 23:17:54
1307
原创 wifi可以用，但是电脑连接出现无互联网情况
点进去wifi连接，他那里出现一个代理地址出错我们找到网络和Internet ，点击代理把下面使用大力服务器关掉就行好像是因为我之前一直喜欢用vpn的原因把，真的倒霉。花了半个小时解决这个我呢提。连自己热点也用不了！！！！...
2022-05-12 17:44:35
5344
1
原创 Python ADF 单位根检验 结果理解
from statsmodels.tsa.stattools import adfuller# # dateparse = lambda dates: pd.datetime.strptime(time, '%Y-%m-%d-%H-%M')# # data = pd.read_csv('mean_mwd.csv', parse_dates='data', index_col='data',date_parser=dateparse)# data=pd.read_csv('预测模型/mean_mwd.
2022-03-29 22:34:29
3653
原创 invalid literal for int() with base 10: ‘51.97315469511174‘
问题：输入的是小数，不是单纯的一个整型数，先将数字转为浮点型，再将他转为int型mwd = int(row[1]))mwd=mwd.append()改成：mwd.append(int(float(row[1]))) 读取cvs文件并画图import csvfrom matplotlib import pyplot as pltfrom datetime import datetime# 读取CSV文件数据filename = '预测模型/mean_mwd.csv'with ope
2022-03-29 21:13:10
540
原创 时间序列数据与时间序列预测模型（2022.2.）
Simple moving average（SMA)使用最近的50天分析，n=20import numpyimport talibimport pandas as pdimport numpy as npimport osimport reimport statistics as statsimport csvimport pickleimport matplotlib.pyplot as pltfrom math import sqrtfrom sklearn.metrics
2022-03-29 19:54:39
1781
原创 time.perf_counter() 计算跑这一段程序需要多长时间
import timetime.sleep(1)a=time.perf_counter() #过了一秒之后才输出我们的答案，所以输出我们这个答案需要的时间其实还要减去刚刚休眠的1秒print(a) #1.0324812time.sleep(5)b=time.perf_counter()#sleep5秒后print(b) #6.0388456import time start = time.perf_counter() xxxxxx end = time.perf_coun
2022-03-27 21:40:56
653
原创 创建二维数组（区别好narry数组和list列表）
numpy.array可使用 shape。list不能使用shape。array转list：array B B.tolist()即可一维数组没有行列的说法# a=list(map(int,input().split()))# print(a[1])# print(len(a))# # print(a.shape[0]) # AttributeError: 'list' object has no attribute 'shape'# import numpy as np# a =
2022-03-26 22:17:43
1665
原创 差分模型学习
前言差分的目的主要是消除一些波动 使数据趋于平稳数据原始数据表示画出一阶差分与二阶差分的图参考import pandas as pdimport numpy as np# Display and Plottingimport matplotlib.pylab as pltimport seaborn as snsfrom matplotlib import pyplot#Read the dataSentiment = 'train.csv'Sentiment = pd.
2022-03-26 21:27:23
1303
原创 时间序列预测模型之数据单独提取时间中的年份或者月份、小时
import pandas as pdtrain=pd.read_csv('mean_mwd.csv')train['time'] = pd.to_datetime(train.time, format ='%Y-%m-%d-%H-%M')#print(train.dtypes)#print(train.head())如果你的数据里面涉及年月日，时分，季节这种eg：#直接使用for循环批量提取年月日小时等特征。for i in(test, train, test_org, train
2022-03-08 16:43:50
789
原创 间隔相等时间抽取数据写入新的csv
import pandas as pdimport datetime as dtdata1 = pd.read_csv('8.csv')df = pd.DataFrame(data1)# print(df)# 1月到2月：1494个；2990（1494）；4484（1494）；5978（1494） 都是1949个mean = []time = []for i in range(len(df)): # print(i) # if i>=2988: #
2022-02-28 18:32:42
391
原创 csv文件：只选择特定的行或者列进行均值输出
csv数据： a b c3 1 2 34 1 2 35 1 2 36 1 2 37 1 2 3仅选择3d和第五行：df.iloc[[2,4]]' a b c5 1 2 37 1 2 3'仅旋选择3，5行以及仅选择列b和cdf[['b', 'c']].iloc[[2,4]]综合：df[['b', 'c']].iloc[[2,4]].mean(axis=0) #axis=0：列 的平均值...
2022-02-23 23:40:45
478
原创 一维数组cvs文件，求数据平均值
csv文件：Month,Sales1-01,3071.54251-02,3068.0121-03,3128.92711-04,3117.97391-05,3075.03011-06,3082.23161-07,3081.17731-08,3100.85861-09,3091.03341-10,3136.6448import numpy as npfrom pandas import read_csvseries = read_csv('stocktest.csv', head
2022-02-23 23:08:00
852
1
原创 python基于DateTime 类型的csv筛选
import pandas as pd# df = pd.read_csv('train.csv',encoding= 'utf-8')# print(type(df))# df.columns = ['a','b','c','d','e','f']# data = df[df['e'] == 'Andhra Pradesh']# data = df.loc[1:4,['a','c']] #前面是行，后面是列的筛选# data = df.loc[2:13,["Month","Zuerich"
2022-02-12 00:34:02
1850
原创 数据可视化----操作CSV格式数据并进行简单的可视化
from numpy import *import pandas as pdimport matplotlib.pyplot as pltplt.rcParams['figure.dpi'] = 150 #设置分辨率series = pd.read_csv('train.csv', header=0, index_col=0)# print(series.shape) # (2172, 1) 共计2172个观测alt=array(series)print(alt)x0=[]for a
2022-02-11 22:24:02
4366
原创 为LSTM网络准备数据
from pandas import read_csvfrom pandas import datetimefrom pandas import Seriesfrom sklearn.preprocessing import MinMaxScaler# 加载数据def parser(x): return datetime.strptime(x, '%Y-%m')series = read_csv('train.csv', header=0, parse_dates=[0], index_
2022-02-11 20:40:47
908
原创 关于tensorflow v1和v2版本遇到的问题
AttributeError: module tensorflowhas no attribute placeholder报错原因：tensorflow 2.0版本去掉了placeholder，而tensorflow 1.*版本才有。import tensorflow as tf改成：import tensorflow.compat.v1 as tftf.disable_v2_behavior()这类语句：X=tf.placeholder(“float”) Y=tf.placeholder(
2022-02-10 11:05:24
772
原创 数据重采样 （多角度多维度分析数据）
rng = pd.date_range("1/1/2011",periods=90,freq='D') #创建datetimeindex 从2011-01-01到2011-03-31'，共90个ts = pd.Series(np.random.randn(len(rng)),index=rng)print(ts.head())'''相当于下面这个'''series = read_csv('ales.csv', header=0, parse_dates=[0], index_col=0, squ
2022-02-09 22:59:57
746
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人