本文目录
- X一SCALE英文是什么单词
- ARM,XSCALE和PXA255之间的关系是什么
- flash 放大缩小代码
- 谁能给我解释一下flash中_xscale=100*(_root._xmouse-_x)/(xs/2)语句的意思
- 如何用stata画图
- flash中影片剪辑属性的xscale在哪里
- 谁能讲讲“ARM”、“ARM920t”、“StrongARM”、“XScale”的意思和相互关系
X一SCALE英文是什么单词
Xscale是ARM体系结构的一种内核。
但一般没有x-scale这种写法,所以这个词的释义要根据具体语境来分析,你可以说说你在哪看到的这个词。
x可能是一种标识,scale有 测量;规模; 比例(尺); 级别 的意思。
ARM,XSCALE和PXA255之间的关系是什么
ARM是一个体系,XSCALE是这个体系中间的一个系列,PXA255是这个体系中间的一个产品. ChinaByte3月25日消息 芯片制造商英特尔公司正在改进它的XScale处理器的设计规格,以便手持设备能够更好地整合增加的功能,比如Wi-Fi无线连接和集成的数码相机。
英特尔公司周一说,公司将向设备制造商提供两种新芯片的样本—XScale PXA263与PXA260, 搭载这两种新芯片的设备将在今年晚些时候上市。其中,PXA263是英特尔公司“堆叠”系列芯片的最新产品,它集成了StrataFlash内存和XScale核心。组件堆叠减少了设备所需的零件数量,同时也使制造商能够进一步减少产品尺寸或者在不增加设备体积的情况下为设备新增功能。 PXA260芯片的体积要比其他处理器大约小53%,有利于降低芯片成本和延长电池使用时间。
两种新芯片分别分别具有200MHz、300MHz和400MHz时钟频率。PXA263处理器集成了32MB 32位StrataFlash的内存。英特尔公司制定的销售价格是,出货10000个200MHz的PXA263处理器时价格为42.35美元。200MHz的PXA260 处理器出货量达到10000个时,售价则为22.85美元。
英特尔公司还正式公布了PXA 255芯片,如此前报道的,PXA 255是PXA 250的升级版,它将处理器速度从100MHz提升至200MHz,处理器可以与设备内的其他组件通讯,比如内存。
英特尔公司副总裁和公司PCA组件集团总经理Hans Geyer说,今天发布的新产品表明,通过不断利用地英特尔的领先设计与制造经验,公司已经持续地使产品具有更多的特点和功能。(
flash 放大缩小代码
我最近回答了一个类似的不过没有被采纳,不过测试是对的,你看看是否有用?
一下是我那一次的答案:
是这样的:你先把你的地图放在一个大的MC(影片剪辑)里面,也就是选中你想要放大缩小的所有东西然后按F8(选影片剪辑按确定)。
然后,你就把这个影片剪辑放在主场景中,选中它,然后在“属性”面板中的“实例名称”一栏填写“map”。
接下来创建两个按钮元件(快捷方式也是选中一个图形按F8,在对话框中选“按钮”点确定,它就会变作一个按钮元件)。选“放大”的那个按钮,按F9,打开动作面板,输入代码:
on (release) {
with(_root.map){
_xscale = _xscale《100 ? _xscale*2 : _xscale+100;
_yscale = _yscale《100 ? _yscale*2 : _yscale+100;
}
}
然后同样的,在“缩小”的按钮上输入(选按钮按F9):
on (release) {
with(_root.map){
_xscale = _xscale》100 ? _xscale-100 : _xscale/2;
_yscale = _yscale》100 ? _yscale-100 : _yscale/2;
}
}
最后,选中你放地图的这一帧,也就是主场景的那一帧,按F9。
在动作面板中输入:(注意标点符号是英文的,上面的也是)
_root.w = _root._width;
_root.h = _root._height;
_root.onMouseDown =function () {
if(_root.map.hitTest(_root._xmouse,_root._ymouse,true)){
_root.map.startDrag(false,_root.w - (_root.map._width/2),_root.h - (_root.map._height/2),_root.map._width/2,_root.map._height/2);
}
}
_root.onMouseUp = function () {
_root.map.stopDrag();
}
然后你就可以按Ctrl+Enter测试一下看看?
-xscale
谁能给我解释一下flash中_xscale=100*(_root._xmouse-_x)/(xs/2)语句的意思
_xscale=100*(_root._xmouse-_x)/(xs/2);
_xscale是对影片剪辑的宽度进行缩放,等号后面的是计算后的数据,就是对宽度进行缩放的比例.
如何用stata画图
//lecture 6
cd /Victor/stata
use “nei_sample.dta“,clear
edit zipcode
//split默认根据空格拆分 stub前缀 prase on these strings根据什么拆分(通过观察)
split facilityname_origin, generate(varnew) parse(,)
split zipcode,generate(zipnew) parse(-)//在2894行 有的没有破折号需要提取前五位
//按照某种符号拆分字符串
edit zipcode
help substr
//截取
gen zip5=substr(zipcode,1,5)
//生成zip5,表示截取zipcode的前五位 从第一位 截取五位
edit zipcode zip5 if length(zip5) ~=5
//展示长度不等于5的zip5和zipcode
edit zip5
gen len_cn = ustrlen(zipcode)
//生成中文字符串长度
edit fips
gen fips2 = substr(fips, 1,2)
edit fips2
gen fips3 = substr(fips, 3,3)
edit fips2 fips3
destring fips2, replace force
destring fips3, replace force
//字符变数值
tostring fips2 fips3, replace force
//数值变字符
edit fips2 fips3
replace fips2=“0“+fips2 if length(fips2)==1
replace fips3=“0“+fips3 if length(fips3)==2
replace fips3=“00“+fips3 if length(fips3)==1
//前面用零补齐,补成五位
help duplicates
//重复观测值
sort newid
duplicates report newid year
//报告重复观测值
//copies代表这个数据一共有多少个 =1就代表没有重复 第4541只有一个观测值newid
duplicates tag newid year, gen(dup)
//标注重复观测值
tab dup
//展示
edit new year if dup》=177
duplicates drop newid year, force
//去掉重复样本//两个都一样才丢掉
duplicates report newid year
ssc install unique
//安装unique
unique newid year
//展示有几个是唯一的
unique fips
use nei_sample.dta, clear
help collapse
//压缩
collapse (sum) so2 co nox nh3 voc (first) facilityname_origin fips zipcode , by(newid year)
//根据newid year重复的字符串变量 (first)后面的三个只取第一个数据 数值变量so2等等。。加总(sum) 没涉及的变量就丢掉了
duplicates report newid year
collapse (sum) so2 co nox nh3 voc (count) newid, by(fips year)
//关于fips year 加总。数出newid(在fips year全都相同的情况下有几个newid(企业))
//每个地区每一年污染物的多少,企业有多少
gen id = newid
//replace
//改变面板数据的结构
use nei_sample.dta, clear
help reshape
keep newid year so2
duplicates drop newid year, force
reshape wide so2 , i(newid) j(year)
reshape long so2 co nox voc nh3, i(newid) j(time)
//将宽表和长表相互转换
keep newid year co
reshape wide co,i(newid) j(year)
duplicates drop newid year,force
reshape wide co,i(newid) j(year)
reshape long co,i(newid) j(year)//观测值变成了999*12,转换两次之后,数据变成
*balanced data(平衡面板数据)了 也是为了便于做可视化分析,计量分析
//lecture 7
cd /Victor/stata
use “nei_sample.dta“,clear
keep newid year so2
//保留这三个
help reshape
//数据重排
duplicates drop newid year, force
reshape wide so2 , i(newid) j(year)
//不同问题下i不同 这里的i是企业 j是时间
reshape long so2 co nox voc nh3, i(newid) j(time)
//reshape//long wide lecture7
use “nei_sample.dta“,clear
keep newid year so2 co nox voc nh3 sic
duplicates drop newid year, force
reshape wide so2 co nox voc nh3, i(newid sic) j(year)
keep newid year so2 co nox voc nh3 sic
reshape wide so2 co nox voc nh3, i(newid sic) j(year)
//数据变少了是因为有的newid对应多个sic
reshape long so2 co nox voc nh3, i(newid sic) j(year)
//通过这种方式将它强行变成平衡面板 先wide 后long(意义重大)
use nei_sample,clear
keep so2 co nox voc nh3 newid year
duplicates drop newid year,force
reshape wide so2 co nox voc nh3,i(newid) j(year)
reshape long so2 co nox voc nh3,i(newid) j(time)//三千多个变成了一万多个
*reshape之后每一个企业都在每一年1990——2011有观测值,强行将数据变为balanced
ren (so2 co nh3 nox voc) (pol1 pol2 pol3 pol4 pol5)
//更改变量名 为了保证前缀都一样 才能转换
*sample
rename so2 pu1
rename co pu2
rename nox pu3
rename voc pu4
rename nh3 pu5
reshape long pu,i(newid time) j(type)
tostring type,replace
replace type=“so2“ if type==“1“
replace type=“co“ if type==“2“
replace type=“nox“ if type==“3“
replace type=“voc“ if type==“4“
replace type=“nh3“ if type==“5“
keep newid year pol1 pol2 pol3 pol4 pol5
reshape long pol, i(newid year) j(type)
//??? 没有drop
tostring type, replace force
//???
replace type = “so2“ if type == 1
//替代污染物名称
use “nei_sample.dta“,clear
duplicates drop newid year, force
//去掉重复值
edit newid year so2
sort newid year
by newid: gen l1so2 = so2[_n-1]
//so2 so2[_N] n-1代表上一行的观测值 通过企业来分 每个n对于企业来说是不一样的
by newid: gen l2so2 = so2[_n-2]
//上两行
by newid: gen l0so2 = so2[_n]
by newid: gen f1so2 = so2[_n+1]
//滞后一期
bys newid: gen Nso2 = so2[_N]
//展示这个企业最后一年的数据
bys newid: gen n1so2 = so2
//有时需要保证它是一个平衡面板:可利用以下命令
xtset newid year
//set panel variable 让他成为面板数据 如果不告诉它 它永远按上一行处理
gen lso2 = l.so2
//l.代表上一期的滞后变量(上一年)这个和上一行的数据不一样喔 有时可能上一行不是上一年 就没有上一期了
use “nei_sample.dta“,clear
duplicates drop newid year, force
edit fips year newid
sort fips year newid
by fips year: egen id_sum = count(newid)
//通过fips year来分 如果两个都相同就算一次
edit fips year newid so2
by fips year: egen so2_fips = sum(so2)
//missing values
//得到地区层面的数据 用于变量的构造 通过微观数据做加总数据又保留微观数据本身
//
use “nei_sample.dta“,clear
help collapse
collapse (sum) so2 co nox nh3 voc (first) facilityname_origin fips zipcode , by(newid year)
//构造更高层面的行业数据 微观数据全部损失了. 加总相同年份的污染量,(first)后面的是只保留第一行
duplicates report newid year
collapse (sum) so2 co nox nh3 voc (count) newid, by(fips year)
gen id = newid
//replace
//collapse by 2_digit sic and fips_stata (2_dight fips), and year,
use “nei_sample.dta“,clear
gen fips3 = substr(fips,1,2)
gen sic2 = substr(sic,1,2)
collapse (sum) so2 co nox nh3 voc ,by( fips3 sic2 year)
//lecture 8
//图形的组成
sysuse uslifeexp2
decribe
scatter le year
//第一个是y 第二个是x轴
//connect(l) 表示以直线的方式连接相邻的两个点
//msymbol(i) 表示散点的显示方式为“看不见”
scatter le year, connect(l)
scatter le year, connect(l) msymbol(i)
scatter le year, connect(l) msymbol(smdiamond)
//散点形状改为棱形
scatter le year, connect(l) msymbol(smdiamond) mcolor(lime)
//标记间连线的方式,标记本身的形状,标记的颜色
help marker_options
//标记标签的选择
graph query symbolstyle
help marker_label_options
sysuse lifeexp.dta, clear
describe
list country lexp gnppc if region == 2
scatter lexp gnppc if region == 2, mlabel(country)
scatter lexp gnppc if region == 2, mlabel(country) mlabpos(9)
//将标签调整到九点钟方向 这样美国就可以显示出来了
//下面尝试利用 mlabvposition(varname) 选项为某些特殊选项的观测值设定标签的位置 为了单独为美国和洪都拉斯设定标签显示方向,
//需要生成一个指标方向的变量,命名为破碎,然后利用这个变量对每个案例的不同附值来调整各个散点的标签位置
generate pos = 3
//所有国家都是3
replace pos = 12 if country == “Honduras“
replace pos = 9 if country == “United States“
scatter lexp gnppc if region == 2, mlabel(country) mlabv(pos)
//下面尝试利用改变坐标轴的覆盖范围来设定标签
//方法一:利用xscale(range())指定作图的区域
scatter lexp gnppc if region ==2,mlabel(country) mlabv(pos) xscale(range(-500 3500))
//方法二:利用plotregion( margin())来解决作图区域的微小变动
scatter lexp gnppc if region == 2,mlabel(country) mlabv(pos) plotregion(margin(l+9))
sysuse autornd, clear
descrbe
scatter mpg weight
scatter mpg weight, jitter(7)
//由于数据点太密集了,产生重叠,需要将数据点轻微地挪动位置,jitter(#)震荡选项
//二维绘图选项,help twoway
//标题选项,坐标,图例,增加线,by
sysuse lifeexp.dta, clear
scatter lexp gnppc
gen log_gnppc = log(gnppc)
//对数化,更线性
scatter lexp log_gnppc
//另一种方法:
scatter lexp gnppc, xscale(log)
//做散点图,并对比y轴刻度使用正常尺度与逆向尺度的异同
sysuse auto.dta, clear
scatter mpg weight
scatter mpg weight, yscale(rev)
//车重与油耗正相关
//下面绘制完全没有任何坐标的散点图和有坐标刻度但没有坐标线的散点图
scatter mpg weight, yscale(off)
//不要y轴
scatter mpg weight, yscale(noline) xscale(noline)
//去掉了坐标线,保留刻度
help axis_label_options
sysuse auto, clear
describe
sum
//下面分别绘值mpg、weight的标有大约坐标轴上5个10个刻度标识的mpg和weight散点图
scatter mpg weight
scatter mpg weight, ylabel(#5) xlabel(#5)
scatter mpg weight, ylabel(#10) xlabel(#10)
scatter mpg weight, ylabel(10(5)45) xlabel(1500 1970 2500(1000)4500)
//自定义规则
scatter mpg weight, ytick(#10) xtick(#15)
//绘制x轴大约有15个刻度,y大约10个刻度
scatter mpg weight, ymlabel(##5) xmtick(##10)
//把小刻度的标识也标上去,x轴主刻度之间有10个小刻度
scatter mpg weight , ymlabel(##5) xmlabel(##10)
//时间序列散点图时的轴线刻度标识问题
sysuse uslifeexp, clear
scatter le year, c(l)
scatter le year, c(l) xlabel(#10,grid)
//网格,用线连
scatter le year, c(l) xlabel(1900(10)2000,grid)
scatter le year, c(l) xlabel(1900 1918 1936 1950(20)2000,nogrid)
scatter le year, lcolor(yellow) c(l) xlabel(1900 1918 1936 1950(20)2000,nogrid)
line le year, lcolor(navy) lpattern(dot)
sysuse uslifeexp, clear
scatter le year, c(l) xlabel(1990 1918 1940(20)2000,grid) legend(on)
label var le_male “男人,人均寿命“
scatter le_male le_female year, legend(label(1 “Male“) label(2 “Female“))
//绘制散点图并添加图例,将图例分别改为”male”和”female“
scatter le_male le_female year, c(l) legend(on)
//legend是图例
flash中影片剪辑属性的xscale在哪里
我在一个动画中设定了多个按钮,分别是控制影片剪辑aaa的位置,大小,旋转等{ with (aaa) { _xscale = _yscale = 1; _x = _y = 0; _
谁能讲讲“ARM”、“ARM920t”、“StrongARM”、“XScale”的意思和相互关系
首先,这几个cpu都和我们平时在电脑上用的cpu是不同的,属于risc,就是精简指令集cpu,而我们电脑上用的是cisc,就是完整指令集cpu.
risc cpu多用在手机或者ppc上。risc的特点是单次执行效率低,但是执行次数多。cisc的特点是单次执行效率高,但是执行次数少。
ARM,ARM920T,StrongARM在本质上来说都属于ARM公司的产品,ARM的产品多用在nokia的智能手机上。
strongARM也是ARM公司的产品,不过intel购买了strongARM的核心技术,因此实际生产strongARM的是intel公司。
Xcale是intel公司的自主独立开发的产品,现在多用在ppc和motorola的智能手机上。
ARM和Xcale最大的区别在于ARM的频率更低,Xcale频率更高,但是实际的性能上来说,例如只有133频率的ARM性能是和拥有333的Xcale产品性能相近的。
-英文