content.json

{"pages":[{"title":"about","text":"I am pan yuhao","link":"/about/index.html"}],"posts":[{"title":"Hexo结合Github搭建个人博客","text":"如何搭建我采用了ICARUS主题，根据以下教程完成了部署 https://www.cnblogs.com/liuxianan/p/build-blog-website-by-hexo-github.htmlhttps://hexo.io/zh-cn/docs/setup 注意，配置_config.yml中有关deploy的部分，正确写法如下： 1234deploy: type: git repository: git@github.com:liuxianan/liuxianan.github.io.git branch: master 然后根据教程，以及ICARUS主题帮助：https://ppoffice.github.io/hexo-theme-icarus/个性化自己的博客 如何写博客新建博客Github Bash 定位到我们存放博客代码等文件夹根目录（如Blogs），执行命令：hexo new ‘my-first-blog’hexo会帮我们在_posts下生成相关md文件，我们只需要打开这个文件就可以开始写博客了，可以修改如下 front-matter： 1234567891011121314151617181920212223---# front-mattertitle: postName #文章页面上的显示名称，一般是中文date: 2013-12-02 15:30:16 #文章生成时间，一般不改，当然也可以任意修改categories: 默认分类 #分类categories:- 分类- 子分类- 子子分类tags:- 标签1- 标签2tags: [tag1,tag2,tag3] #文章标签，可空，多标签请用格式，注意:后面有个空格description: 附加一段文章摘要，字数最好在140字以内，会出现在meta的description里面toc: true #开启目录cover: /gallery/covers/cover.jpg #为文章添加封面图thumbnail: /gallery/thumbnails/thumbnail.jpg #为文章设置缩略图#文章的缩略图会显示在归档页面和最新文章挂件中，#如果你在front-matter中使用的是图片的路径，#你需要确保它是绝对或者相对于你的source目录的路径#例如，为使用<your blog>/source/gallery/image.jpg作为缩略图，#你需要在front-matter中使用/gallery/image.jpg作为图片路径--- 新建页面hexo new post “postName” #新建文章hexo new draft “draftName” #新建草稿hexo publish “draftName” #发布草稿hexo new page “pageName” #新建页面hexo new page “my-second-blog”生成如下：最终部署时生成：hexo\\public\\my-second-blog\\index.html，但是它不会作为文章出现在博文目录，而是会作为导航页。 添加标签、分类、归档、关于等页面hexo博客添加标签、分类、归档、关于等页面，详情请看下面链接：https://hexo.io/zh-cn/docs/front-matterhttps://blog.csdn.net/nineya_com/article/details/103322773https://blog.csdn.net/nineya_com/article/details/103316683 博客中插入图片目前已经在配置文件中进行如下设置，新建博客时会自动生成同名文件夹。 12345_config.ymlpost_asset_folder: truemarked: prependRoot: true postAsset: true 只需要在写博客时，将图片放入博客同名文件夹中，按照如下方式加入即可 1![李杰的科学知识图谱系列教程](image-20210715154014231.png) 常用hexo命令常见命令：hexo generate #生成静态页面至public目录hexo server #开启预览访问端口（默认端口4000，’ctrl + c’关闭server）hexo deploy #部署到GitHubhexo help # 查看帮助hexo version #查看Hexo的版本缩写：hexo n == hexo newhexo g == hexo generatehexo s == hexo serverhexo d == hexo deploy组合命令：hexo s -g #生成并本地预览hexo d -g #生成并上传 在线小图标https://fontawesome.dashgame.com/ 默认情况下，生成的博文目录会显示全部的文章内容，如何设置文章摘要的长度呢？ 答案如下： 1234567891011# 前言使用github pages服务搭建博客的好处有：1. 全是静态文件，访问速度快；2. 免费方便，不用花一分钱就可以搭建一个自由的个人博客，不需要服务器不需要后台；3. 可以随意绑定自己的域名，不仔细看的话根本看不出来你的网站是基于github的；<!--more-->4. 数据绝对安全，基于github的版本管理，想恢复到哪个历史版本都行；5. 博客内容可以轻松打包、转移、发布到其它平台；6. 等等","link":"/2021/07/04/Hexo%E7%BB%93%E5%90%88Github%E6%90%AD%E5%BB%BA%E4%B8%AA%E4%BA%BA%E5%8D%9A%E5%AE%A2/"},{"title":"python遥感数据写为二进制文件并读取","text":"由于历史原因，我们研究使用的很多大型模型，输入的数据格式都要求为二进制数据格式。因此，读取遥感数据为数组，将其保存为二进制格式文件，从二进制格式文件读取数据为数组就是一种常见的操作了。下面我将介绍如何利用python语言实现上述操作。 将数组保存为二进制文件12345678910111213141516import numpy as npimport struct# 生成一个数组# 注意这里根据要求设置数据类型.astype(np.uint16)# 不同的数据类型占用的字节数以及存储的数值范围不同，比如float32需要4字节存储# 这一步数据类型的正确设置，与下一步从中正确读取数组密切相关data = np.arange(10000).reshape(100,100).astype(np.uint16)# 以二进制写模式打开一个新文件# 关于python文件操作，可以参考：# https://www.runoob.com/python/file-methods.htmlf = open('data/2001.raw','wb')# 将数组写入文件f.write(data)# 关闭文件f.close() 从二进制文件读取数据为数组123456789101112131415161718192021import numpy as npimport struct# 以二进制读模式打开数据文件f = open('data/2001.raw','rb')# 读取数据为字符串data = f.read()# 关闭文件f.close()# 获取字符串长度d_len = len(data)# 根据数据头文件，设置行、列（、波段数）row = 2090col = 4950band = 12# 使用struct将data转换为uint16 tuple数组# 对于uint16(unsigned short)类型，一般占用2字节，因此数组长度应为d_len/2, 标识为H# 滚与其他格式，请参考：# https://www.cnblogs.com/gala/archive/2011/09/22/2184801.html# https://blog.csdn.net/weixin_41912543/article/details/108072869data1 = struct.unpack('{}H'.format(int(d_len/4)),data)data1 = np.array(list(data1)).reshape(band,row,col).astype(np.float32)","link":"/2021/07/12/python%E9%81%A5%E6%84%9F%E6%95%B0%E6%8D%AE%E5%86%99%E4%B8%BA%E4%BA%8C%E8%BF%9B%E5%88%B6%E6%96%87%E4%BB%B6%E5%B9%B6%E8%AF%BB%E5%8F%96/"},{"title":"文献管理与信息分析学习笔记","text":"关于文献管理-信息分析-科学知识图谱学习中的一些笔记，帮助我们提升科研的效率。 如何快速统计自己发表的SCI文章的引用次数将自己的所有文章放在Endnote X9的某个文件夹中，然后直接在该文件夹上点击右键，选择“create citation report”，这样就可以获得所有文章的引用情况，而且可以导出文章详细信息的 excel表格。而且只要你把自己的文章都放在EndnoteX9中的某个文件夹，以后可以及时查看引用情况，及时更新。详情请看：https://www.jianshu.com/p/a28d9293660f 一些有用的资源科学网—Safety Science - 李杰 (sciencenet.cn) 科学知识图谱软件系列教程的分享，免费分享的教程如下： 科学网—ChaomeiChen的博客 - 陈超美 (sciencenet.cn) CiteSpace软件作者","link":"/2021/07/15/%E6%96%87%E7%8C%AE%E7%AE%A1%E7%90%86%E4%B8%8E%E4%BF%A1%E6%81%AF%E5%88%86%E6%9E%90%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0/"},{"title":"偏相关系数","text":"偏相关系数计算参考陈彦光编著. 地理数学方法及其应用. 2008, 北京大学城市与环境学院.维基百科 简单相关系数旨在反映变量之间两两线性关系，但实际上，每一个简单相关系数不可能绝对不包括其他因素的相关成分。为了克服简单相关系数的间接相关信息，有人设计了另一种检验指标，称为偏相关系数（ partial correlation coefficient）。偏相关系数旨在排除其它因素的影响，单纯反映某个自变量与因变量之间的密切程度。 当自变量较多时，利用公式计算偏相关系数相当麻烦，比较便捷的方式是借助简单相关系数构成的相关矩阵进行运算，计算公式如下： $R_{x_{j} y}=\\frac{-c_{j y}}{\\sqrt{c_{j j} c_{y y}}}$ 这里$R_{x_{j} y}$ 为第 j 个自变量与因变量 y 的偏相关系数， c 为相关系数矩阵的逆矩阵中对应的元素。 下面是python实现 123456789101112131415161718192021222324252627282930313233343536373839404142434445# -*- coding: utf-8 -*-"""Created on Mon Dec 20 16:53:39 2021modified: https://gist.github.com/fabianp/9396204419c7b638d38f@author: pan"""import numpy as npfrom numpy.linalg import invfrom osgeo import gdal, gdal_arrayimport os, time,globfrom sklearn import linear_modelfrom sklearn import preprocessingfrom matplotlib import pyplot as pltdef partial_corr(C): """ Returns the sample linear partial correlation coefficients between pairs of variables in C, controlling for the remaining variables in C. Parameters ---------- C : array-like, shape (n, p) Array with the different variables. Each column of C is taken as a variable Returns ------- P_corr : array-like, shape (p, p) P_corr[i, j] contains the partial correlation of C[:, i] and C[:, j] controlling for the remaining variables in C. """ C = np.asarray(C) p = C.shape[1] P_corr = np.zeros((p, p)) # sample linear partial correlation coefficients corr = np.corrcoef(C,rowvar=False) # Pearson product-moment correlation coefficients. corr_inv = inv(corr) # the (multiplicative) inverse of a matrix. for i in range(p): P_corr[i, i] = 1 for j in range(i+1, p): pcorr_ij = -corr_inv[i,j]/(np.sqrt(corr_inv[i,i]*corr_inv[j,j])) P_corr[i,j]=pcorr_ij P_corr[j,i]=pcorr_ij return P_corr","link":"/2021/12/20/%E5%81%8F%E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0/"}],"tags":[{"name":"Hexo","slug":"Hexo","link":"/tags/Hexo/"},{"name":"个人博客","slug":"个人博客","link":"/tags/%E4%B8%AA%E4%BA%BA%E5%8D%9A%E5%AE%A2/"},{"name":"python","slug":"python","link":"/tags/python/"},{"name":"数据处理","slug":"数据处理","link":"/tags/%E6%95%B0%E6%8D%AE%E5%A4%84%E7%90%86/"},{"name":"二进制","slug":"二进制","link":"/tags/%E4%BA%8C%E8%BF%9B%E5%88%B6/"},{"name":"文献管理","slug":"文献管理","link":"/tags/%E6%96%87%E7%8C%AE%E7%AE%A1%E7%90%86/"},{"name":"偏相关","slug":"偏相关","link":"/tags/%E5%81%8F%E7%9B%B8%E5%85%B3/"}],"categories":[{"name":"其它","slug":"其它","link":"/categories/%E5%85%B6%E5%AE%83/"},{"name":"python","slug":"python","link":"/categories/python/"},{"name":"数据处理","slug":"python/数据处理","link":"/categories/python/%E6%95%B0%E6%8D%AE%E5%A4%84%E7%90%86/"},{"name":"算法","slug":"python/算法","link":"/categories/python/%E7%AE%97%E6%B3%95/"}]}