Windows Phone 7 UI设计与交互指南

需积分: 0 3 下载量 86 浏览量 更新于2024-07-30 收藏 29.5MB PDF 举报
“Tencent_CDCUI_Design_and_Interaction_Guide_for_Windows_Phone_7cn” 是一本针对Windows Phone 7平台的中文设计与交互指南,涵盖了该平台的设计哲学、人机交互、度量单位、游戏UI设计、视觉资源、全球化与本地化策略以及用户界面框架等多个方面。 Windows Phone 7的设计哲学强调了简洁、直观和个性化的体验,旨在通过独特的设计元素如动态磁贴(Tiles)和流畅的动画,为用户提供不同于传统智能手机的操作感受。这种设计理念在Windows Phone 7的人机界面中得到体现,它着重于内容的呈现和用户的互动性。 关于度量单位,设计者需要了解像素与毫米之间的转换,因为在手机设备上,设计要考虑实际物理尺寸和屏幕分辨率的关系,确保在不同尺寸和密度的屏幕上都能保持良好的视觉效果。游戏UI设计部分则探讨了如何在Windows Phone 7平台上创建吸引人的游戏界面,同时保持一致性和易用性。 视觉设计资源和反馈部分可能涉及设计工具、图标库、色彩方案等,帮助开发者创建统一且引人注目的用户界面。全球化和本地化考虑则指导开发者如何适应不同地区和语言的需求,包括文字方向、日期格式、货币符号等。 用户界面框架是Windows Phone 7应用设计的核心,包括“开始”屏幕、应用程序栏、屏幕方向管理、字体选择、电话处理机制(如来电处理)、推送通知(如Tiles、Toast和Raw通知)、导航结构(如Frames和Pages)、以及页面标题、进度指示器、滚动滑块等元素。应用程序栏上的图标和菜单是提升用户体验的关键,而屏幕键盘和物理键盘的支持则关乎输入效率。 输入方法部分详细介绍了触摸输入,包括单击、双击、平移、划动、缩放、长按以及多点触控等手势,这些都是Windows Phone 7上交互设计的基础。物理按键的处理也是重要一环,确保它们的响应和功能与触摸操作相协调。 这本指南深入剖析了Windows Phone 7平台的UI设计与交互原则,对开发者和设计师构建高效、美观且符合用户习惯的应用程序提供了宝贵的指导。

{% extends "admin/base.html" %} {% block content %}

药品相互作用

{% for interaction in interactions %} {% empty %} {% endfor %}
ID 药品1 药品2 相互作用 操作
{{ interaction.id }} {{ interaction.drug1 }} {{ interaction.drug2 }} {{ interaction.interaction }} 编辑 <form action="{% url 'admin:drug_db_drug_interaction_delete' interaction.id %}" method="post" class="d-inline"> {% csrf_token %} <button class="btn btn-danger btn-sm">删除</button> </form>
暂无药品相互作用
添加新药品相互作用
{% endblock %} 需要定义那些视图和建那些文件

2023-05-18 上传

修改代码,错误如下:File "structure_analysis4.py", line 33, in <module> indices1, indices2, distances = neighbor_list('ijD', pos1, cutoff, self_interaction=False, bothways=True) TypeError: neighbor_list() got an unexpected keyword argument 'bothways'。。from ase import io from ase.build import sort from ase.visualize import view from ase.neighborlist import neighbor_list import numpy as np from ase import Atoms # 加载两个POSCAR文件 pos1 = io.read('POSCAR1') pos2 = io.read('POSCAR2') # 指定原子种类 atom_type = 'C' # 获得第一个POSCAR中指定原子的位置列表 #indices1 = [i for i, atom in enumerate(pos1) if atom.symbol == atom_type] #positions1 = sort(pos1.get_positions()[indices1]) indices1 = [i for i, atom in enumerate(pos1) if atom.symbol == atom_type] positions1 = pos1.get_positions()[indices1] atoms1 = Atoms(symbols=[atom_type]*len(positions1), positions=positions1) sorted_atoms1 = sort(atoms1) # 获得第二个POSCAR中指定原子的位置列表 #indices2 = [i for i, atom in enumerate(pos2) if atom.symbol == atom_type] #positions2 = sort(pos2.get_positions()[indices2]) indices2 = [i for i, atom in enumerate(pos2) if atom.symbol == atom_type] positions2 = pos2.get_positions()[indices2] atoms2 = Atoms(symbols=[atom_type]*len(positions2), positions=positions2) sorted_atoms2 = sort(atoms2) # 计算两个位置列表之间的距离矩阵 cutoff = 5.0 # 距离截断半径 indices1, indices2, distances = neighbor_list('ijD', pos1, cutoff, self_interaction=False, bothways=True) dist_matrix1 = np.zeros((len(positions1), len(positions1))) for i, j, d in zip(indices1, indices2, distances): if i in indices1 and j in indices1: dist_matrix1[indices1.index(i), indices1.index(j)] = d indices1, indices2, distances = neighbor_list('ijD', pos2, cutoff, self_interaction=False, bothways=True) dist_matrix2 = np.zeros((len(positions2), len(positions2))) for i, j, d in zip(indices1, indices2, distances): if i in indices2 and j in indices2: dist_matrix2[indices2.index(i), indices2.index(j)] = d # 计算两个距离矩阵之间的相似性 similarity = 1.0 - np.abs(dist_matrix1 - dist_matrix2).sum() / dist_matrix1.size print('Structure similarity: ', similarity)

2023-06-05 上传

详细逐步解释下列代码:import os.path import re import yaml import csv from tasly import builder_utils ############################ # IntAct - MutationDs # ############################ def parser(databases_directory, download=True): relationships = set() # 加载yml文件 with open('./yml/mutationDsConfig.yml', 'r') as f: config = yaml.safe_load(f) header = config['header'] output_file_name = "mutation_curated_affects_interaction_with.csv" regex = r":(\w+)\(" url = config['mutations_url'] directory = os.path.join(databases_directory, "MutationDs") builder_utils.checkDirectory(directory) file_name = os.path.join(directory, url.split('/')[-1]) if download: builder_utils.downloadDB(url, directory) with open(file_name, 'r', encoding='utf-8') as mf: first = True for line in mf: if first: first = False continue data = line.rstrip("\r\n").split("\t") if len(data) > 12: internal_id = data[0] pvariant= '_'.join(data[1].split(':')) effect = data[5] organism = data[10] interaction = data[11] evidence = data[12] if organism.startswith("9606"): matches = re.finditer(regex, interaction) for matchNum, match in enumerate(matches, start=1): interactor = match.group(1) relationships.add((pvariant, interactor, "CURATED_AFFECTS_INTERACTION_WITH", effect, interaction, evidence, internal_id, "Intact-MutationDs")) # builder_utils.remove_directory(directory) return (relationships, header, output_file_name) if __name__ == '__main__': databases_directory = './databases' relationships, header, output_file_name = parser(databases_directory, download=True) # 新建CSV文件并写入表头 with open(os.path.join('./databases/MutationDs', output_file_name), 'w', newline='', encoding='utf-8') as f: writer = csv.writer(f) writer.writerow(header) for item in relationships: writer.writerow(item) print("Data saved to {} successfully!".format('entities.csv'))

2023-05-31 上传