pyecharts数据可视化词云图

时间: 2023-09-05 14:12:14 浏览: 31
您好!对于使用pyecharts进行数据可视化的词云图,您可以按照以下步骤进行操作: 1. 首先,确保您已经安装了pyecharts库。如果没有安装,可以通过以下命令进行安装: ```python pip install pyecharts ``` 2. 导入必要的库和模块: ```python from pyecharts import options as opts from pyecharts.charts import WordCloud ``` 3. 准备数据。词云图需要一个包含词频信息的字典作为输入。例如,假设我们有一个包含词频信息的字典`word_freq`,可以按照以下方式构建: ```python word_freq = { 'apple': 10, 'banana': 8, 'orange': 6, # ... } ``` 4. 创建词云图并设置相关参数: ```python wordcloud = ( WordCloud() .add("", list(word_freq.items()), word_size_range=[20, 100]) .set_global_opts(title_opts=opts.TitleOpts(title="词云图")) ) ``` 这里使用了`add()`方法将词频信息添加到词云图中,并使用`set_global_opts()`设置了标题。 5. 渲染生成词云图,并保存为HTML文件或在Jupyter Notebook中显示: ```python wordcloud.render("wordcloud.html") # 或者在Jupyter Notebook中显示 wordcloud.render_notebook() ``` 以上就是使用pyecharts创建数据可视化的词云图的基本步骤。您可以根据实际需求对词云图进行定制化设置,例如调整字体、颜色、布局等。希望对您有所帮助!如果有任何问题,请随时提问。

相关推荐

好的,请先确保你已经安装好了 pyecharts 和 jupyter notebook。 下面是一个简单的示例代码,展示如何使用 pyecharts 绘制饼图、词云图、柱状图、折线图和世界地图,并将它们合成一个 BI 大屏。 python # 导入必要的库 from pyecharts import options as opts from pyecharts.charts import Bar, Line, Pie, WordCloud, Map from pyecharts.globals import SymbolType from pyecharts.commons.utils import JsCode from pyecharts.faker import Faker # 数据准备 # 生成随机数据 data = [(i, Faker.value()) for i in Faker.choose()] # 生成词云图数据 wordcloud_data = [(i, Faker.value()) for i in Faker.words(50)] # 生成柱状图和折线图数据 bar_data = [(i, Faker.value()) for i in Faker.days_attrs] line_data = [(i, Faker.value()) for i in Faker.days_attrs] # 生成世界地图数据 map_data = [("China", Faker.value()), ("United States", Faker.value()), ("Russia", Faker.value())] # 绘制饼图 pie = Pie() pie.add("", data, radius=["40%", "75%"]) pie.set_global_opts(title_opts=opts.TitleOpts(title="饼图示例")) pie.render_notebook() # 绘制词云图 wordcloud = WordCloud() wordcloud.add("", wordcloud_data, word_size_range=[20, 100], shape=SymbolType.DIAMOND) wordcloud.set_global_opts(title_opts=opts.TitleOpts(title="词云图示例")) wordcloud.render_notebook() # 绘制柱状图 bar = Bar() bar.add_xaxis([i[0] for i in bar_data]) bar.add_yaxis("", [i[1] for i in bar_data]) bar.set_global_opts(title_opts=opts.TitleOpts(title="柱状图示例")) bar.render_notebook() # 绘制折线图 line = Line() line.add_xaxis([i[0] for i in line_data]) line.add_yaxis("", [i[1] for i in line_data], is_smooth=True) line.set_global_opts(title_opts=opts.TitleOpts(title="折线图示例")) line.render_notebook() # 绘制世界地图 map = Map() map.add("", map_data, maptype="world") map.set_global_opts( title_opts=opts.TitleOpts(title="世界地图示例"), visualmap_opts=opts.VisualMapOpts(max_=200), ) map.render_notebook() 上述代码中,我们首先准备了五个图表的数据,然后使用 pyecharts 分别绘制了饼图、词云图、柱状图、折线图和世界地图。最后,我们将这些图表分别渲染到 jupyter notebook 中。 如果你想将这些图表合成一个 BI 大屏,可以使用 jupyter notebook 中的布局功能,将这些图表排列在一起。例如,你可以使用 jupyter notebook 中的代码如下: python from IPython.display import display, HTML # 将所有图表渲染到 HTML 中 pie_html = pie.render_embed() wordcloud_html = wordcloud.render_embed() bar_html = bar.render_embed() line_html = line.render_embed() map_html = map.render_embed() # 将所有图表合并到一个 HTML 页面中 html = f""" <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>BI 大屏</title> </head> <body> {pie_html} {wordcloud_html} {bar_html} {line_html} {map_html} </body> </html> """ # 在 jupyter notebook 中显示 HTML 页面 display(HTML(html)) 这样,你就可以在 jupyter notebook 中看到一个包含饼图、词云图、柱状图、折线图和世界地图的 BI 大屏了。
以下是使用Python爬取BOSS直聘岗位数据并进行可视化的步骤: 1. 导入必要的库 python import requests from bs4 import BeautifulSoup import pymysql from pyecharts.charts import Bar, Pie, WordCloud from pyecharts import options as opts from flask import Flask, render_template 2. 爬取数据 python # 爬取BOSS直聘网站上的数据 def get_data(url): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'} response = requests.get(url, headers=headers) soup = BeautifulSoup(response.text, 'html.parser') return soup 3. 爬取多页数据 python # 爬取多页数据 def get_all_data(): all_data = [] for i in range(1, 11): url = 'https://www.zhipin.com/c101280100-p100109/?page={}&ka=page-{}'.format(i, i) soup = get_data(url) data_list = soup.find_all('div', class_='job-primary') for data in data_list: job_name = data.find('div', class_='job-title').text.strip() salary = data.find('span', class_='red').text.strip() company = data.find('div', class_='company-text').find('a').text.strip() education = data.find('div', class_='job-limit clearfix').find_all('span')[1].text.strip() welfare = data.find('div', class_='info-append').find_all('span') welfare_list = [w.text.strip() for w in welfare] all_data.append([job_name, salary, company, education, welfare_list]) return all_data 4. 存储数据 python # 存储数据到MySQL数据库 def save_data(data): db = pymysql.connect(host='localhost', user='root', password='123456', port=3306, db='boss_zhipin') cursor = db.cursor() sql = 'INSERT INTO job_info(job_name, salary, company, education, welfare) values(%s, %s, %s, %s, %s)' try: cursor.executemany(sql, data) db.commit() except Exception as e: print(e) db.rollback() db.close() 5. 数据可视化 python # 数据可视化 app = Flask(__name__) @app.route('/') def index(): return render_template('index.html') @app.route('/salary') def salary(): db = pymysql.connect(host='localhost', user='root', password='123456', port=3306, db='boss_zhipin') cursor = db.cursor() sql = 'SELECT salary FROM job_info' cursor.execute(sql) results = cursor.fetchall() salary_list = [] for result in results: salary = result[0].replace('k', '').replace('K', '') salary_list.append(int(salary)) salary_dict = {} for i in range(0, 31, 5): salary_dict['{}k-{}k'.format(i, i + 5)] = 0 for salary in salary_list: for key in salary_dict.keys(): if salary >= int(key.split('-')[0]) and salary <= int(key.split('-')[1]): salary_dict[key] += 1 bar = Bar() bar.add_xaxis(list(salary_dict.keys())) bar.add_yaxis('薪资分布', list(salary_dict.values())) bar.set_global_opts(title_opts=opts.TitleOpts(title='BOSS直聘薪资分布图')) return bar.dump_options_with_quotes() @app.route('/education') def education(): db = pymysql.connect(host='localhost', user='root', password='123456', port=3306, db='boss_zhipin') cursor = db.cursor() sql = 'SELECT education FROM job_info' cursor.execute(sql) results = cursor.fetchall() education_list = [] for result in results: education_list.append(result[0]) education_dict = {} for education in education_list: if education in education_dict.keys(): education_dict[education] += 1 else: education_dict[education] = 1 pie = Pie() pie.add('', list(education_dict.items())) pie.set_global_opts(title_opts=opts.TitleOpts(title='BOSS直聘学历要求分布图')) return pie.dump_options_with_quotes() @app.route('/welfare') def welfare(): db = pymysql.connect(host='localhost', user='root', password='123456', port=3306, db='boss_zhipin') cursor = db.cursor() sql = 'SELECT welfare FROM job_info' cursor.execute(sql) results = cursor.fetchall() welfare_list = [] for result in results: welfare_list.extend(result[0]) welfare_dict = {} for welfare in welfare_list: if welfare in welfare_dict.keys(): welfare_dict[welfare] += 1 else: welfare_dict[welfare] = 1 wordcloud = WordCloud() wordcloud.add('', list(welfare_dict.items()), word_size_range=[20, 100]) wordcloud.set_global_opts(title_opts=opts.TitleOpts(title='BOSS直聘福利词云图')) return wordcloud.dump_options_with_quotes() if __name__ == '__main__': app.run()
### 回答1: 抱歉,我之前给出的答案有误。在最新版本的 pyecharts 中,WordCloud 对象已经没有 reversal_axis() 方法了,因此需要进行一些修改才能实现形状勾边的效果。 可以按照以下步骤进行: 1. 导入需要的库和模块: python from pyecharts.charts import WordCloud from pyecharts import options as opts from pyecharts.globals import SymbolType 2. 创建一个 WordCloud 对象并设置基本属性: python wc = WordCloud() wc.add("", data, word_size_range=[20, 100], shape=SymbolType.DIAMOND) 其中,data 是词云图的数据,word_size_range 是词云图中字体大小的范围,shape 是词云图的形状,可以选择圆形、矩形、菱形等,这里选择了菱形。 3. 为词云图添加样式: python wc.set_global_opts( title_opts=opts.TitleOpts( title="形状勾边词云图", title_textstyle_opts=opts.TextStyleOpts(font_size=23) ), tooltip_opts=opts.TooltipOpts(is_show=True), legend_opts=opts.LegendOpts(is_show=False), ) 其中,title_opts 是设置词云图的标题样式,tooltip_opts 是设置鼠标悬停时的提示框样式,legend_opts 是设置图例的样式。 4. 为词云图添加形状勾边: python wc.set_series_opts( **{ "background_color": "white", "border_color": "#ccc", "border_width": 1, "shadow_blur": 10, "shadow_color": "#aaa", "shape": "diamond", } ) 其中,set_series_opts 则是设置词云图的系列样式,包括背景色、边框颜色、边框宽度、阴影模糊度、阴影颜色和形状等。 最终的代码如下: python from pyecharts.charts import WordCloud from pyecharts import options as opts from pyecharts.globals import SymbolType data = [ ("Python", 80), ("Java", 50), ("C++", 40), ("JavaScript", 30), ("PHP", 20), ("HTML", 10), ] wc = WordCloud() wc.add("", data, word_size_range=[20, 100], shape=SymbolType.DIAMOND) wc.set_global_opts( title_opts=opts.TitleOpts( title="形状勾边词云图", title_textstyle_opts=opts.TextStyleOpts(font_size=23) ), tooltip_opts=opts.TooltipOpts(is_show=True), legend_opts=opts.LegendOpts(is_show=False), ) wc.set_series_opts( **{ "background_color": "white", "border_color": "#ccc", "border_width": 1, "shadow_blur": 10, "shadow_color": "#aaa", "shape": "diamond", } ) wc.render("shape_wordcloud.html") 运行后可以生成一个形状勾边的词云图,保存在当前目录下的 shape_wordcloud.html 文件中。 ### 回答2: pyecharts是一个用于数据可视化的Python库,可以用它来绘制各种类型的图表,包括词云图。在绘制词云图时,我们可以通过设置形状勾边来使词云的形状更加有趣和个性化。 要设置词云的形状勾边,需要使用WordCloud对象的shape属性,并将形状勾边的图片路径作为参数传入。例如,如果你想设置词云的形状为一个心形,你可以下载一个心形图片,然后在代码中使用如下设置: python from pyecharts import options as opts from pyecharts.charts import WordCloud # 设置形状勾边的图片路径 shape_img_path = "path/to/heart_shape.png" # 创建WordCloud对象并设置形状 wordcloud = ( WordCloud() .add(series_name="词云图", data_pair=data_pair) .set_global_opts(title_opts=opts.TitleOpts(title="词云图")) .set_series_opts( wordcloud_opts=opts.WordCloudOpts( shape=shape_img_path, # 设置形状勾边的图片路径 width="100%", height="100%" ) ) ) # 渲染并保存词云图 wordcloud.render("wordcloud.html") 关于'WordCloud' object has no attribute 'reversal_axis'的错误,通常是因为你使用了pyecharts较低版本的代码,而该版本中没有reversal_axis属性。建议将pyecharts升级到最新版本,或者查看官方文档以了解在你使用的版本中如何正确设置形状勾边。 总之,通过设置WordCloud对象的shape属性,你可以为词云图设置形状勾边,使得词云更加个性化。 ### 回答3: 在pyecharts中绘制词云,可以使用WordCloud类,但是该类没有reversal_axis属性,所以无法直接通过设置该属性来设置形状的勾边。 如果想要为词云设置形状的勾边,可以借助其他库来实现。首先,使用第三方库wordcloud创建一个词云对象。然后,通过调用词云对象的to_file方法将词云保存为图片。接下来,使用imageio库读取图片,并使用numpy库将图片转换为二维数组。最后,使用pyecharts的Image类,传入转换后的二维数组,创建一个带有形状勾边的词云图。 以下是一个示例代码,对应形状为"wordcloud.png"的图片: python import wordcloud import imageio import numpy as np from pyecharts import options as opts from pyecharts.charts import WordCloud, Page # 创建词云对象 wc = wordcloud.WordCloud() # 生成词云 wc.generate('Your Text Here') # 保存词云为图片 wc.to_file('wordcloud.png') # 读取图片并转换为二维数组 image = imageio.imread('wordcloud.png') mask = np.array(image) # 绘制带有形状勾边的词云图 c = ( WordCloud() .add(series_name='', data_pair=wc.words_, word_size_range=[12, 60]) .set_global_opts( title_opts=opts.TitleOpts(title='词云图'), graphic_opts=[opts.GraphicImage( graphic_item=opts.GraphicImageItem( id_='logo', left=20, top=20, z=-10, bounding='raw', origin=[75, 75], style_opts=opts.GraphicStyleOpts( image=image, width=50, height=50, opacity=0.6 ) ) )] ) ) # 显示词云图 page = Page() page.add(c) page.render() 在上述代码中,首先将词云保存为wordcloud.png,然后通过imageio库将图片读取为二维数组。接下来,使用pyecharts创建一个词云图,并通过在graphic_opts中传入带有形状勾边的图片来设置词云的形状。最后,通过Page类将词云图添加到页面中,并调用render方法显示图表。
### 回答1: 要在pyecharts中实现文字高亮,可以使用echarts中的rich文本标签。具体步骤如下: 1. 安装pyecharts和echarts python pip install pyecharts pip install echarts 2. 导入必要的库 python from pyecharts import options as opts from pyecharts.charts import Bar, Line from pyecharts.commons.utils import JsCode from pyecharts.globals import ThemeType 3. 创建Bar或Line图表对象,并设置标题、x轴数据、y轴数据 python bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) bar.set_global_opts(title_opts=opts.TitleOpts(title="柱状图")) bar.add_xaxis(["A", "B", "C", "D", "E"]) bar.add_yaxis("数量", [10, 20, 30, 40, 50]) 4. 使用rich文本标签设置需要高亮的文字 python bar.set_series_opts( label_opts=opts.LabelOpts( formatter=JsCode( """ function(params) { return {a|${params.name}}\n{b|${params.value}}; } """ ), rich={ "a": {"color": "red", "fontSize": 16}, "b": {"color": "blue", "fontSize": 12}, }, ) ) 在上述代码中,我们使用了rich属性,它是一个字典类型,用于设置富文本样式。其中,a和b是富文本标签的名称,可以自定义,color和fontSize分别表示字体颜色和字体大小。在formatter函数中,我们使用了ES6模板字符串的语法,在字符串中使用${}包含变量名,可以在函数中使用params.name和params.value获取对应的名称和值。 5. 渲染图表 python bar.render("bar.html") 完整代码如下: python from pyecharts import options as opts from pyecharts.charts import Bar, Line from pyecharts.commons.utils import JsCode from pyecharts.globals import ThemeType bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) bar.set_global_opts(title_opts=opts.TitleOpts(title="柱状图")) bar.add_xaxis(["A", "B", "C", "D", "E"]) bar.add_yaxis("数量", [10, 20, 30, 40, 50]) bar.set_series_opts( label_opts=opts.LabelOpts( formatter=JsCode( """ function(params) { return {a|${params.name}}\n{b|${params.value}}; } """ ), rich={ "a": {"color": "red", "fontSize": 16}, "b": {"color": "blue", "fontSize": 12}, }, ) ) bar.render("bar.html") ### 回答2: 使用pyecharts搭建BI看板,可以通过一些方法实现文字高亮效果。 首先,我们可以使用WordCloud(词云图)来实现文字高亮。词云图是一种将关键词按照出现的频次进行可视化展示的图表,可以通过设置关键词的权重和颜色来实现文字高亮效果。通过设置权重较高的关键词,可以使其在词云图中显示更大和更突出;通过设置关键词的颜色,可以使其与其他关键词形成对比,进一步突出文字高亮效果。 其次,我们还可以使用Bar(柱状图)来实现文字高亮。柱状图通常用于展示分类数据的大小和差异,可以根据数据大小对柱状图进行排序,然后将需要高亮显示的文字对应的柱状图设置为特定的颜色,从而达到文字高亮的效果。 除了以上两种方法,我们还可以根据实际需求,使用其他图表类型来实现文字高亮效果。例如,Pie(饼图)、Line(折线图)等都可以通过调整颜色、标签样式等方式来实现文字的高亮效果。 总结来说,基于pyecharts搭建BI看板,我们可以通过调整关键词的权重和颜色、设置柱状图颜色以及调整其他图表的样式等方式来实现文字的高亮效果。这些方法的具体实现可以根据具体的需求和数据类型进行调整,以达到最佳的视觉效果。 ### 回答3: 在使用pyecharts搭建BI看板时,可以使用文字高亮功能来突出显示关键信息。 首先,需要导入必要的库和模块,包括pyecharts和pandas。然后,可以创建一个柱状图或折线图等图表,将数据传入其中。接着,可以设置图表的样式和属性,如标题、坐标轴标签等。最后,通过使用highlight_text函数进行文字高亮。 highlight_text函数接收三个参数,分别是图表实例、想要高亮的文字和高亮的颜色。可以使用set_series_opts方法设置文字的颜色为高亮颜色。 以下是一个使用pyecharts搭建BI看板并进行文字高亮的示例代码: python import pandas as pd from pyecharts import options as opts from pyecharts.charts import Bar # 创建柱状图实例 bar = Bar() # 设置柱状图的标题和坐标轴标签 bar.set_global_opts( title_opts=opts.TitleOpts(title="销售额统计"), xaxis_opts=opts.AxisOpts(name="日期"), yaxis_opts=opts.AxisOpts(name="销售额"), ) # 加载数据 data = pd.DataFrame({"日期": ["2020-01-01", "2020-01-02", "2020-01-03"], "销售额": [10000, 15000, 12000]}) # 添加数据到柱状图 bar.add_xaxis(data["日期"].tolist()) bar.add_yaxis("销售额", data["销售额"].tolist()) # 设置文字高亮 highlight_text = "15000" highlight_color = "#FF0000" bar.set_series_opts(label_opts=opts.LabelOpts(color="auto"), markpoint_opts=opts.MarkPointOpts( data=[opts.MarkPointItem(type_="max", name="最大值")])) bar.set_series_opts( label_opts=opts.LabelOpts(formatter="{c}", color="auto", rich={"highlight": {"color": highlight_color}})) # 在标记点处进行文字高亮 bar.set_series_opts( label_opts=opts.LabelOpts(formatter=JsCode( """function(params){ if (params.data === '15000') { return '{highlight|' + params.data + '}'; } return params.data; }"""), rich={"highlight": {"color": highlight_color}} ) ) # 生成HTML文件 bar.render("highlight_bar.html") 以上代码通过设置highlight_text为"15000",将该数据所在的文字高亮显示。其中的highlight_color设为"#FF0000",即红色。这样,在生成的柱状图上,销售额为15000的数据将以红色高亮显示。 通过这种方式,可以利用pyecharts搭建BI看板,并通过文字高亮功能突出显示重要的数据信息,提高信息的传达效果和视觉效果。

最新推荐

ns_strings_zh.xml

ns_strings_zh.xml

库房物品统计表.xlsx

库房物品统计表.xlsx

基于51单片机的usb键盘设计与实现(1).doc

基于51单片机的usb键盘设计与实现(1).doc

"海洋环境知识提取与表示:专用导航应用体系结构建模"

对海洋环境知识提取和表示的贡献引用此版本:迪厄多娜·察查。对海洋环境知识提取和表示的贡献:提出了一个专门用于导航应用的体系结构。建模和模拟。西布列塔尼大学-布雷斯特,2014年。法语。NNT:2014BRES0118。电话:02148222HAL ID:电话:02148222https://theses.hal.science/tel-02148222提交日期:2019年HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire论文/西布列塔尼大学由布列塔尼欧洲大学盖章要获得标题西布列塔尼大学博士(博士)专业:计算机科学海洋科学博士学院对海洋环境知识的提取和表示的贡献体系结构的建议专用于应用程序导航。提交人迪厄多内·察察在联合研究单位编制(EA编号3634)海军学院

react中antd组件库里有个 rangepicker 我需要默认显示的当前月1号到最后一号的数据 要求选择不同月的时候 开始时间为一号 结束时间为选定的那个月的最后一号

你可以使用 RangePicker 的 defaultValue 属性来设置默认值。具体来说,你可以使用 moment.js 库来获取当前月份和最后一天的日期,然后将它们设置为 RangePicker 的 defaultValue。当用户选择不同的月份时,你可以在 onChange 回调中获取用户选择的月份,然后使用 moment.js 计算出该月份的第一天和最后一天,更新 RangePicker 的 value 属性。 以下是示例代码: ```jsx import { useState } from 'react'; import { DatePicker } from 'antd';

基于plc的楼宇恒压供水系统学位论文.doc

基于plc的楼宇恒压供水系统学位论文.doc

"用于对齐和识别的3D模型计算机视觉与模式识别"

表示用于对齐和识别的3D模型马蒂厄·奥布里引用此版本:马蒂厄·奥布里表示用于对齐和识别的3D模型计算机视觉与模式识别[cs.CV].巴黎高等师范学校,2015年。英语NNT:2015ENSU0006。电话:01160300v2HAL Id:tel-01160300https://theses.hal.science/tel-01160300v22018年4月11日提交HAL是一个多学科的开放获取档案馆,用于存放和传播科学研究文件,无论它们是否已这些文件可能来自法国或国外的教学和研究机构,或来自公共或私人研究中心。L’archive ouverte pluridisciplinaire博士之路博士之路博士之路在获得等级时,DOCTEURDE L'ÉCOLE NORMALE SUPERIEURE博士学校ED 386:巴黎中心数学科学Discipline ou spécialité:InformatiquePrésentée et soutenue par:马蒂厄·奥布里le8 may 2015滴度表示用于对齐和识别的Unité derechercheThèse dirigée par陪审团成员équipe WILLOW(CNRS/ENS/INRIA UMR 8548)慕尼黑工业大学(TU Munich�

valueError: Pandas data cast to numpy dtype of object. Check input data with np.asarray(data).

这个错误通常发生在使用 Pandas DataFrame 时,其中包含了一些不能被转换为数字类型的数据。 解决方法是使用 `pd.to_numeric()` 函数将数据转换为数字类型。例如: ```python import pandas as pd import numpy as np # 创建一个包含字符串和数字的 DataFrame df = pd.DataFrame({'A': ['a', 'b', 'c'], 'B': [1, 2, '3']}) # 尝试将整个 DataFrame 转换为数字类型会报错 np.asarray(df, dtype=np.float) # 使

基于VC--的五子棋程序设计与实现毕业设计.doc

基于VC--的五子棋程序设计与实现毕业设计.doc

体系结构驱动的普遍性应用程序中

体系结构驱动的普遍性应用程序的自主适应艾蒂安·甘德里勒引用此版本:艾蒂安·甘德里勒。由体系结构驱动的普遍性应用程序的自主适应。无处不在的计算。格勒诺布尔大学,2014年。法语。NNT:2014GRENM078。电话:01215004HAL ID:电话:01215004https://theses.hal.science/tel-01215004提交日期:2015年HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire论文要获得的等级格勒诺布尔大学博士专业:计算机科学部长令:2006年提交人艾蒂安·G·安德里尔论文由Philippe LAlanda指导由Stephanie CHollet共同指导在格勒诺布尔计算机科学实验室编写数学、信息科学与技术、计算机科学博士体系结构驱动的普遍性应用程序的自主适应论文�