基本压缩算法函数库 哈夫曼 指数哥伦布编码 RLE LZ77 RICE

主要介绍了Python应用实现双指数函数及拟合代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

leetcode题目练习

常用的标准化降水指数 (SPI) 依赖于具有代表性的参数概率分布函数（例如 Gamma）。 但是，参数分布函数可能不适合数据，尤其是在大陆/全球尺度研究中。 此代码基于不需要假设代表性参数分布的非参数框架计算 SPI。 该框架最吸引人的特点是它导致基于不同变量的统计一致的干旱指标。 软件包中包含用户指南和样本输入数据。 此代码也是标准化干旱分析工具箱 (SDAT) 的一部分： http://amir.eng.uci.edu/sdat.php 参考： Hao Z.、AghaKouchak A.、Nakhjiri N.、Farahmand A.，2014，全球综合干旱监测和预测系统，科学数据，1：140001，1-10，doi：10.1038/sdata.2014.1。 Farahmand A.、AghaKouchak A.，2015，用于推导非参数标准化干旱指标的通用框架，水资源进展，

Geoda空间自相关分析—局部Moran’I指数（运用GeoDa制作Lisa图） 首先介绍一下什么是空间自相关（引用：[https://wenku.baidu.com/view/4ab39c93650e52ea54189885.html]） 各位要是觉得我写的不好可以去看看虾神（这是一个大神）的文章。PS：虾神主页：[https://blog.csdn.net/allenlu2008] 根据 Tobler 的地理学第一定律，即地理分析基本定律：“地理事物之间都存在着相应的关系，其中相距较近的事物比相距较远的关系更密切”。空间自相关作为一种空间统计方法，其全局与局部空间自相关都能够较好地描述地理

简单的小程序，需要用jupyter notebook打开，输入各关节的转轴坐标，旋转角度，初始端点姿态即可得到端点姿态，内有示例

20210709-安信证券-投资策略主题报告：从“茅指数”到“宁组合”，分化背后.pdf

制造行业日报：金融带动指数反弹，持续性还需观察.pdf

林德曼 lindemann是一个Python软件包，用于计算LAMMPS轨迹的Lindemann指数以及每帧温度斜坡的Lindemann指数的变化，以进行相变分析。 安装 它需要python 3.7 pip install lindemann 或与Poetry安装 poetry add lindemann 用法 lindemann [OPTIONS] TRJFILE 或与Poetry安装： poetry run [OPTIONS] TRJFILE 注意事项： 尽管有-t标志，但在运行任何标志之前，请确保您有足够的可用内存。您可以使用-m或--mem_use选项检查内存使用情况。带有轴的numpy.nanmean（）函数可用于numba时，将修复高内存使用情况。 多重处理： 如果您没有可用于分配工作负载的hpc环境，则在使用本地计算机的情况下，我添加了多处理来并行化任务。只需使用-

20210708-万和证券-2021年中期投资策略报告：淡化指数，优配成长.pdf