在安装nodejs时候，有时候我们会把它安装在d盘或别的盘时，经常会遇到npm环境变量没有配好，需要自己手动去配置。
在安装完nodejs后输入node --version查看安装是否成功，若成功会出现下图
接着我们在使用npm安装依赖的时候有时候会出现“’npm’ 不是内部或外部命令，也不是可运行的程序”的提示，此时我们先查看环境变量
知道3所指的路径，你会看到下图只有一个etc文件，没有马赛克部分内容，没有npm文件。
发现问题后，我们在环境变量中添加我们安装的npm命令行执行文件路径
我的是安装在D:\Program Files\nodejs下（如下图）
2022-03-01 21:36:16
29KB
1
利用Python集成了20多常用的图像处理方法，包括二值化、边缘检测、开闭运算、高斯模糊、直方图等操作。仅需要读取图片便能运行，可在Python3环境下直接运行，无需调整。
2022-02-24 00:14:59
23KB
1
前言
因近期进行时间序列分析时遇到了数据预处理中的缺失值处理问题，其中日期缺失和填充在网上没有找到较好较全资料，耗费了我一晚上工作时间，所以下面我对这次时间序列缺失值处理学习做了以下小结以供之后同行们参考指正。
时间序列缺失值处理
一、编程前准备
收集时间序列数据，相信看这篇博客的各位已经完成了这步。
需要安装pandas模块，并利用Python的Lib文件夹自带的datetime库（当时我因为在Pycharm环境中没看到datetime模块又去安装了DateTime模块并看了DateTime英文文档，发现这个对象的参数并不能满足时间序列缺失填充的需求，所以又下了datetime2模块，
2022-02-18 09:22:40
56KB
1
针对共口径红外/毫米波复合制导应用需求,提出一种基于自回归(AR)谱估计和扩展卡尔曼滤波的信息融合处理新方法,基于此方法构建了实现红外/毫米波复合制导信息处理的多处理器片上系统(multiprocessor SoC,MPSoC),该系统采用主/从流水线结构,解决了基于此系统框架的多核通信、系统同步等问题.所提多处理器片上系统在单片FPGA上实现,FPGA实测结果表明,目标融合预测轨迹和真实轨迹基本重合,误差不超过10-2 rad,航向角融合精度远高于毫米波雷达和红外的精度,取得了比较好的融合效果;在100MHz的时钟下,整个红外/毫米波复合制导的信号处理的处理时间不超过2ms,满足复合制导对系统的实时性要求.
2022-02-16 15:47:45
1007KB
1
控制台打印时显示的2位小数：
pd.set_option('precision', 2)
实际修改数据精度：
官例：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.round.html
>>> df = pd.DataFrame(np.random.random([3, 3]),
... columns=['A', 'B', 'C'], index=['first', 'second', 'third'])
>>> df
A B C
first 0.028208 0.992815
2022-02-15 20:31:46
29KB
1