牛顿冷却系数选择并评价广告渠道策略及用户访问次数预估(上)
话不多说,先看数据。
import pandas as pd
import numpy as np
df = pd.read_excel(r"C:\Users\dai\Desktop\序列行为.xlsx")
df.head()
数据为用户通过不同渠道在不同的时间访问公司网页的记录。
本次要研究的一是如何选择广告渠道以及选择渠道组合做广告投放,如选择了baidu做为第一个投放站点,第二个投放站点选择哪个站点与baidu组合,从而最大化渠道效果;二是对用户访问次数进行预估;三是做渠道效果整体评价。
len(df) #271
df.info()
可以发现没有缺失值
选择渠道有两个因素,一是通过该渠道访问网页的用户数,第二是上次访问距离当前时间点的间隔;通过该渠道访问网页的用户数越多,访问时间间隔越短,则说明该渠道越重要。
先研究渠道组合的逻辑,为了研究渠道组合,需要知道用户访问渠道的时间顺序,即路径,如第一次访问的baidu,下一次访问网页是通过哪个渠道访问的,访问间隔是多长,如果访问渠道在时间上隔得越近说明渠道序列关联性越强。如客户先通过baidu访问没下单,下一次通过360访问就下了单,那么baidu和360的关联性就是很强的。
先构建一个辅助函数,计算两个时间点的相隔时间。
def get_interview(time2,time1):
date2 = time2
date1 = time1
seconds = (date2 - date1).total_seconds() #秒
minutes = (date2 - date1).total_seconds()/60 #分
hours = (date2 - date1).total_seconds()/3600 #小时
days = (date2 - date1).total_seconds()/3600/24 #天
return seconds,minutes,hours,days
构建辅助函数后下面来构建一个主函数,函数目的是构建路径,函数较长,可以先看下效果,即针对每一个ID生成当前渠道路径与下次渠道路径,同时计算路径之间的间隔时间。
如果只访问了一次,那么下次路径设为Just_one,后面将其筛选掉。
def cut_column(df):
df2 = pd.DataFrame()
id_list = pd.Series(np.unique(df["CookieID"])).to_list()
for i in id_list:
data_cut = pd.DataFrame()
data = df[df["CookieID"]==i]
data = data.sort_values("date")
data = data.reset_index(drop=True)
length = len(data)
way_now = []
way_next = []
seconds = []
minutes = []
days = []
hours = []
if length==1:
way_now.append(data.loc[0,"渠道"])
way_next.append("just_one")
seconds.append(0)
minutes.append(0)
hours.append(0)
days.append(0)
elif length==2:
way_now.append(data.loc[0,"渠道"])
way_next.append(data.loc[1,"渠道"])
seconds.append(get_interview(data.loc[1,"date"],data.loc[0,"date"])[0])
minutes.append(get_interview(data.loc[1,"date"],data.loc[0,"date"])[1])
hours.append(get_interview(data.loc[1,"date"],data.loc[0,"date"])[2])
days.append(get_interview(data.loc[1,"date"],data.loc[0,"date"])[3])
else:
row_index= 0
while row_index<length-1:
way_now.append(data.loc[row_index,"渠道"])
way_next.append(data.loc[row_index+1,"渠道"])
seconds.append(get_interview(data.loc[row_index+1,"date"],data.loc[row_index,"date"])[0])
minutes.append(get_interview(data.loc[row_index+1,"date"],data.loc[row_index,"date"])[1])
hours.append(get_interview(data.loc[row_index+1,"date"],data.loc[row_index,"date"])[2])
days.append(get_interview(data.loc[row_index+1,"date"],data.loc[row_index,"date"])[3])
row_index+=1
data_cut["当前路径"] = way_now
data_cut["下次路径"] = way_next
data_cut["CookieID"] = pd.Series(np.unique(df["CookieID"])).to_list()[0]
data_cut["seconds"] = seconds
data_cut["minutes"] = minutes
data_cut["hours"] = hours
data_cut["days"] = days
df2= df2.append(data_cut)
df2 = df2.reset_index(drop=True)
return df2
df2 = cut_column(df)
len(df2) #255
df2.head()
df2.describe([0.01,0.05,0.1,0.25,0.5,0.75,0.9,0.95,0.97,0.98])
数据在97%分位的值为1.7天,说明97%的用户通过这个渠道访问下个渠道都在1.7天以内。
同时可以看出,98%分位的值直接到了4.3天,所以下面可以将days大于1.7天间隔的记录删掉。
再看下间隔hours的分布。
df2 = df2[df2["days"]<1.71]
len(df2) #247,只减少了8个值
import seaborn as sns
sns.distplot(pd.DataFrame(pd.Series(np.round(df2["hours"]))).reset_index(drop=True)["hours"])
通过这个分布图,有了意外的发现,就是用户从上个渠道到下个渠道的访问时长呈现指数形式下降,而牛顿冷却定律刚好也是指数下降的形式,同时渠道的访问间隔刚好跟牛顿冷却定律中的温度下降的间隔时长性质一致,所以接下来我们可以用牛顿冷却定律来对用户访问间隔时长进行打分。
通过研究渠道组合的意外发现,现在研究单渠道策略就简单了。
首先获取源数据中网页最后一次被访问的时间,然后增加各用户每次渠道访问时间到最后一次访问时间的间隔时长,也就是牛顿冷却定律里的冷却时间。
date_max = np.max(df["date"])
df["minus"] = date_max - df["date"]
计算出来之后将minus列转为天数,如7days03:44就转为7天+3/24天
hour = df["minus"].apply(lambda x:str(x).split(" ")[2]).apply(lambda x:str(x).split(":")[0])
day = df["minus"].dt.days
hour = hour.apply(lambda x:int(x))
hour_to_day = hour/24
day_fina= day+hour_to_day
df["day_fina"] = day_fina
因为研究的是单渠道策略,一个用户可能在某个时间段分别通过baidu、360多次访问网页。
这里存在两种单渠道的研究:
方式一:
只取该用户最后一次通过360访问网页的记录和最后一次通过baidu访问网页的记录。
这样做的目的是因为我们要选择某个渠道,如果一个用户一天内100次通过baidu访问网页,另一个用户一天内只有1次通过baidu访问网页;那么对于渠道的贡献来说,实际上这两个用户的贡献值是一样的,因为我们最终是想多个用户访问,而不是一个用户访问多次。
这样每个用户都会对自己访问的渠道做出评分贡献,各渠道的评分贡献 = 访问间隔时长*牛顿冷却系数。
这种方式会造成一个问题,那就是最后会导致每个用户对所有渠道整体的贡献不一致,比如张三昨天通过baidu访问了2次,通过360\hao123访问了网页,而李四昨天只通过baidu进行了访问。那么对渠道整体来说张三不仅对baidu的评分做出了与李四相同的贡献,而且对360和hao123这个渠道也做出了贡献。而我们选择渠道的目的是想多个用户访问,而不是一个用户通过各种渠道访问多次。
方式二:
取该用户所有通过360访问网页的记录和所有通过baidu访问网页的记录。
首先给所有用户都赋予初始值为1,再同时给每次访问记录的间隔时长都乘以一个冷却系数。以方式一的张三李四为例,张三的初始值为1,对于张三来说:
百度的初始得分 = 百度的各次访问间隔时长*冷却系数
360的初始得分 = 360的各次访问间隔时长*冷却系数
hao123的初始得分 = hao123的各次访问间隔时长*冷却系数
所有渠道初始得分 = 百度的初始得分+360的初始得分+hao123的初始得分
百度的最终得分 =百度的初始得分/所有渠道初始得分,360与hao123类似。
因为百度访问了两次,所以百度的得分会更高,为360/hao123 的两倍。
对于李四来说:
百度的最终得分 = 1
似乎方式二更为科学,不过方式二也存在一个问题,如果张三李四访问的时间不一样,比如李四是昨天访问的,而张三是100天前访问的,现在给张三李四都赋值为1,显然是不科学的,因为张三100天前的访问记录对现在的渠道选择毫无作用。
选择方式二需要用户访问时间间隔不是太分散,可以用来研究在特定访问时间区间的用户贡献评价。方式一虽然每个用户对渠道整体选择贡献值不一样,但是每次访问间隔时长是不一样的,如果某个渠道访问间隔时间比较长,乘以牛顿冷却系数后,该渠道的贡献值会比较小。
就算访问间隔时间不长,张三昨天访问的baidu\hao123\360与李四访问的baidu最后让baidu 的得分变为了hao123与360的两倍,我们也可认为这是有一定道理的。
设想一个场景,我们在hao123\360\baidu都投放了广告,张三在三个渠道里都看到了这个广告,并且点击了进来。而我们做广告投放并没有在投放前就规定好如果张三在360看到了这个广告,那么就会让他在baidu也看到这个广告,因为我们的数据来源于样本,而非总体,我们是用现在的样本去推断总体,此时我们可把张三baidu的访问和360的访问都抽象为一次用户行为,不论这个行为是不是发生在相同用户身上,因为广告投放了多个渠道,你在这个渠道看到了,那可以相信这个渠道有相同的概率被其他用户看到,而不是说你在这个渠道上看到了,因为你在其他渠道也看到了,然后就降低这个渠道的分值,这不符合样本推断总体的思想。
所以我们最后选择方式一。
明白了这个道理之后选择CookieID、渠道对源数据进行去重
df_orginal = df.sort_values("date",ascending=False)
df_orginal = df_orginal.drop_duplicates(subset=["CookieID","渠道"],keep="first").reset_index(drop=True)
df_orginal.head(10)
现在的数据只剩下每个用户通过各个渠道访问的最后一条记录,以及相应的最后一条记录距离最后一次访问网页的那条记录的时间间隔。
依据牛顿冷却定律,现在来对时间间隔进行评分。
import math
from matplotlib import pyplot as plt
plt.style.use('fivethirtyeight')
number = np.max(df_unique["minus"].value_counts().index)
for i in np.linspace(3.2, 3.3, num=10):
y_list = []
x_list = []
for x in np.linspace(0, 1.7, num=20):
y = 1/math.exp(i * x)
y_list.append(y)
x_list.append(x)
print(y)
print(i)
plt.figure(figsize=[20,5])
plt.plot(x_list,y_list)
plt.show()
其实牛顿冷却定律跟指数分布的思想有异曲同工之妙。下面来看看指数分布的形式:
是不是跟牛顿冷却定律的形式看起来很像,而指数分布的重要作用就是根据随机事件发生一次的平均等待时间来推断某个时间段内,随机事件发生的概率。
经过学习曲线调参,确定了冷却系数为3.222。将牛顿冷却曲线与原来的渠道路径间隔天数的分位数比较是出奇的吻合。间隔0.1天只剩下75%的用户,0.2天只剩下50%的用户,0.4天只剩下25%的用户,0.7天则只剩下10%的用户了。此处的冷却系数的调参选择逻辑就是对照用户渠道路径访问间隔天数留存百分比的吻合程度来选择的。
根据上面的冷却系数,现在对间隔时长打分,得出各个用户对各个渠道的贡献分数
df_orginal["score"] = df_orginal["day_fina"].map(lambda x:1/np.exp(3.222 * x))
df_orginal
pd.DataFrame(df_orginal.groupby("渠道")["score"].sum()).reset_index().sort_values("score",ascending=False)
再将各用户的分数求和即可得出渠道排名,从而进行单渠道广告投放选择。
与不使用牛顿冷却定律打分进行比较,即用渠道访问用户数进行渠道排名。
pd.DataFrame(df_orginal.groupby("渠道")["CookieID"].count()).reset_index().sort_values("CookieID",ascending=False)
结果是大相径庭,直接使用渠道访问用户数评估渠道是有问题的,将导致一个错误的策略,因为这没考虑时间因素的影响,通过观察源数据也可以发现baidu其中有三次的访问时间是10天以前。
除了对单渠道选择进行评价的作用外,我们还可利用上述公式,对所有用户在未来的时间段还会有多少人因为上次访问而接下来继续访问进行预测。
如此处假设所有样本访问次数(假设100次)的最后一次访问就是前0.1days之内,那么因为现在的这次访问,我们可以预计,12小时内,还会因为这次访问带来100-20=80次的访问量。
cookieid_all=len(df_orginal["CookieID"])
day_width = []
cookid_number = []
print(cookieid_all)
for x in np.linspace(0, 3, num=20):
y = cookieid_all/math.exp(3.222 * x)
day_width.append(x)
cookid_number.append(y)
plt.figure(figsize=[20,5])
plt.plot(day_width,cookid_number)
plt.show()
如果接下来的0.1days网站有了50次访问,那说明其中有20次(算法见下文)访问与0.1days前的访问需求无关,有新的因素导致访问次数增加,此时我们就可以依据这个方法对各个渠道的真实效果进行各个时间段的评估了。
现在来模拟个数据试下。
time =np.linspace(0,7,70) #访问时间
view_number =np.random.randint(1500,2000,size=(70,)) #访问用户数
data = pd.DataFrame({"time":time,"view_number":view_number})
data.head()
模拟70条数据,view_number表示不同时间段有多少的访问量,这里的time为上面0.1days的概念。
data["score"] = data["time"].map(lambda x:1/np.exp(3.222 * x))
for i in np.arange(len(data)):
while i<len(data)-1:
data.loc[i+1,"score2"] = data.loc[i,"score"] - data.loc[i+1,"score"]
i=i+1
data = data.fillna(0)
data.head()
这里的score就是冷却系数,score2比如1616次访问在0days访问了,那么在0.1days这个时间段就只会剩下70%的概率进行访问,在0.2days只会剩下50%的概率访问,一直到某个时间只剩下0%的概率进行访问。将概率转换为访问次数的话,也就是不同时间段的访问贡献是不一样的,0-0.1days在概率变为0的所有时间段里占的权重就是30%,0.1days到0.2days占的权重就是20% ,直接做差可得,以此类推。
接下来计算历史访问次数对当前访问次数的影响
result= []
for loop_ in np.arange(len(data)):
view_remain = 0
i = 0
for number_ in data["view_number"][0:loop_+1]:
calculate = data.loc[loop_-i,"score2"] * number_
i=i+1
view_remain = view_remain+calculate
result.append(view_remain)
result
result代表的就是当前时间段有多少次访问是受到上一时间段的影响才在本次进行了访问
将访问次数减去历史时间段的访问影响次数,就可以得到新因素造成的访问次数了。
data["real_new"] = data["view_number"] -data["result"]
plt.plot(data.time,data.real_new)
结果就出来了,大部分数据都在0上下震荡,这是因为我们观察的间隔时间太短了,间隔时间只有0.1days。
至此,单渠道策略已全部分析完毕,你学废了吗?
总结下上述分析方法的作用:
1、单渠道选择
2、用户访问次数预估
3、真实渠道效果在各时间段的评价
此方法经过了三个晚上的思索,过程多次修改,如果你觉得本文存在逻辑漏洞或者有更好的方法,请在文章留言,我们一起探讨。
下篇文章探索多渠道组合策略的问题
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- 一些求职小技巧
求职小技巧 1.简历制作 在制作简历的过程中需要注意一下以下几点: 视觉效果 注重简历的视觉效果,一份好的简历应该首先注重文字排版和外观的简洁,因为视觉上的差异性是面试官和HR能首先感受到的重点突出 简历的上的重要信息可以重点突出一下…...
2024/4/18 15:59:19 - -web方向 攻防世界
第一题 view_source 题目描述:X老师让小宁同学查看一个网页的源代码,但小宁同学发现鼠标右键好像不管用了 “F12”在查看器中查看源代码然后找到flag。 第二题 robots协议 题目描述:X老师上课讲了Robots协议,小宁同学却上…...
2024/4/25 9:20:44 - vue —— api、axois封装
结构 模块中各个api文件引用base.js、http.js中的方法 api.js中引用模块中各个api文件,并使用exports导出 base.js vue代理路由地址 // 接口域名管理 const base {apiUrl : http://192.100.100.135:1001 } export default basehttp.js vue路由处理࿰…...
2024/4/27 21:59:56 - 财务考pmp有用吗?
得分情况来: 1. 你想往项目管理方向的财务发展或者是你想换行业了转为项目管理方向,那么此时PMP证书是对你有用的。 PMP证书其实有很多用处。 (1).PMP证书在备考的时候本身就是对你自身能力的提升。它可以提升你的思维能力、改…...
2024/4/20 4:12:13 - LED,LCD,CRT,TFT,TFD,STN显示屏说明
LED是发光二极管Light Emitting Diode的英文缩写。 LED应用可分为两大类:一是LED单管应用,包括背光源LED,红外线LED等;另外就是LED显示屏,目前,中国在LED基础材料制造方面与国际还存在着一定的差距…...
2024/4/7 0:49:26 - Android_多渠道打包_混淆
1、多渠道打包配置 作用: 1、统计用户安装APP来源 2、批量修改生成的apk文件名、包名等 签名: 1、生成jks(java key store):Build->Generate Signed Bundle 2、打包对应apk版本:AS编译器左侧࿰…...
2024/4/25 14:16:08 - Exploring your Postgraduate Study Options
Exploring your Postgraduate Study Options Housekeeping A person with notebooks studying What are your motivations for considering postgraduate study? .Do I enjoy figuring out things independently? .Are there particular skills I would like learn? .…...
2024/4/19 17:45:43 - 2021-2027全球与中国汽车夹胶玻璃胶片市场现状及未来发展趋势
【报告篇幅】:132 【报告图表数】:174 【报告出版时间】:2021年1月 报告摘要 2019年,全球汽车夹胶玻璃胶片市场规模达到了xx亿元,预计2026年将达到xx亿元,年复合增长率(CAGR)为xx%。 本报告研究全球与中国…...
2024/4/26 22:58:14 - 张驰课堂:六西格玛项目选择的基本原则
六西格玛管理法是一种基于数据,以客户要求为驱动的管理方法。它以D(定义)–M(测量)–A(分析)–I(改善)–C(控制)的模式进行持续改善。各阶段的基本任务如下表: 文章将对六西格玛的D阶段–“确定影响客户满意度的关键质量特性”和M阶段–“测量目前阶段公司在CTQ’…...
2024/4/19 21:56:09 - JavaScript发送验证码按钮,一分钟内不能重复发送,前端计时器
昨天遇到了验证码发送,发出来给新人借鉴一下,觉得有用的话点个赞哦首先body中给按钮加一个id方便取用 <input type"button" value"发送验证码" onclick"getCode()"> js中: //设置一个发送验证码的冷却…...
2024/4/20 16:04:18 - 34.第九章 磁盘存储和文件系统管理(四)
3.RAID 3.1 什么是RAID "RAID"一词是由David Patterson, Garth A. Gibson, Randy Katz 于1987年在加州大学伯克利分校发明的。在1988年6月SIGMOD会议上提交的论文"A Case for Redundant Arrays of Inexpensive Disks”"中提出,当时性能最好的大…...
2024/4/26 23:48:54 - lemon mossle OA 工程自己学习指南, BMP Activiti BPM JBPM
lemon =====[![Build Status](https://travis-ci.org/xuhuisheng/lemon.png)](https://travis-ci.org/xuhuisheng/lemon)开源OAhttp://www.mossle.com/jar 包: activiti-engine 引擎库 h2 jar 数据库jar包;内存数据库,自动在内存中创建数据库;数据库工具(mysql):sequel…...
2024/4/15 4:55:17 - dwz官网
http://jui.org/...
2024/4/15 4:55:42 - 获得元素距离文档最顶端的距离和兼容页面上卷的方法
//获取元素距离文档顶部的距离-一层一层往上累加offsetTop function getPosition(element) {var yPosition 0;while (element) {yPosition element.offsetTop;element element.offsetParent;}return yPosition;}//页面上卷的距离 为了保证兼容性 这两个最好同时写 …...
2024/4/15 4:55:37 - 杰理之开对箱,配置双击配对,无法交叉配对【篇】
...
2024/4/15 4:55:22 - Python进度条神器tqdm
简述:tqdm就能非常完美的支持和解决通过进度条将处理情况进行可视化展示的问题,可以实时输出处理进度而且占用的CPU资源非常少,支持windows、Linux、mac等系统,支持循环处理、多进程、递归处理、还可以结合linux的命令来查看处理情…...
2024/4/20 10:02:09 - Redis 的字符串是这样实现的…
本篇会讲以下内容: Redis字符串的实现 Redis字符串的性能优势 Redis字符串的实现 Redis虽然是用C语言写的,但却没有直接用C语言的字符串,而是自己实现了一套字符串。目的就是为了提升速度,提升性能,可以看出Redis为…...
2024/4/15 4:55:37 - 2021-11-4 socket的通信过程
客户端:首先创建socket套接字,然后调用connect()建立连接。进行TCP三次握手后,使用write()写数据,read()读取数据,最后close()关闭连接。 服务端:服务端首先创建套接字socket(),然后bind()绑定相…...
2024/4/24 3:35:31 - LINUX Shell脚本编程实例详解(一)下
LINUX Shell脚本编程实例详解(一)下ping命令测试网段内主机的2例详解废话不说上栗子。#!/bin/bash i=1 while [ $i -le 254 ] doping -c2 -i0.3 -W1 192.168.18.$i &>/dev/nullif [ $? -eq 0 ];thenecho "192.168.18.$i is up"elseecho "192.168.18.$…...
2024/4/20 5:50:14 - Zipkin部署与SpringBoot集成
文章目录Zipkin一、入门Docker部署与SpringBoot集成overZipkin 一、入门 OpenZipkin A distributed tracing system Zipkin 是 Twitter 的一个开源项目,它基于 Google Dapper 实现,它致力于收集服务的定时数据,以解决微服务架构中的延…...
2024/4/28 0:39:15
最新文章
- 24深圳杯AC题完整思路+可执行代码+参考论文!!!!
比赛题目的完整版思路可执行代码数据参考论文都会在第一时间更新上传的,大家可以参考我往期的资料,所有的资料数据以及到最后更新的参考论文都是一次付费后续免费的。注意:(建议先下单占坑,因为随着后续我们更新资料数…...
2024/4/28 1:38:30 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/3/20 10:50:27 - 数据结构--KMP算法
数据结构–KMP算法 首先我在这里提出以下问题,一会一起进行探讨 1.什么是最长公共前后缀 2. KMP算法怎么实现对匹配原理 3. 最长公共前后缀怎么求解 KMP算法可以用来解决什么问题? 答:在字符串中匹配子串,也称为模式匹配 分析…...
2024/4/27 22:32:52 - 实现窗口拖拽移动
import Vue from "vue"; /* * 定义公共js里,在入口文件main.js中import; * 给elementUI的dialog上加上 v-dialogDrag 指令就可以实现弹窗的全屏和拉伸了。 */ // v-dialogDrag: 弹窗拖拽水平方向伸缩 Vue.directive(dialogDrag, { bind(e…...
2024/4/21 18:20:44 - 【外汇早评】美通胀数据走低,美元调整
原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...
2024/4/26 18:09:39 - 【原油贵金属周评】原油多头拥挤,价格调整
原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...
2024/4/26 20:12:18 - 【外汇周评】靓丽非农不及疲软通胀影响
原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...
2024/4/26 23:05:52 - 【原油贵金属早评】库存继续增加,油价收跌
原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...
2024/4/27 4:00:35 - 【外汇早评】日本央行会议纪要不改日元强势
原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...
2024/4/27 17:58:04 - 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响
原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...
2024/4/27 14:22:49 - 【外汇早评】美欲与伊朗重谈协议
原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...
2024/4/28 1:28:33 - 【原油贵金属早评】波动率飙升,市场情绪动荡
原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...
2024/4/27 9:01:45 - 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试
原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...
2024/4/27 17:59:30 - 【原油贵金属早评】市场情绪继续恶化,黄金上破
原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...
2024/4/25 18:39:16 - 【外汇早评】美伊僵持,风险情绪继续升温
原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...
2024/4/28 1:34:08 - 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势
原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...
2024/4/26 19:03:37 - 氧生福地 玩美北湖(上)——为时光守候两千年
原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...
2024/4/28 1:22:35 - 氧生福地 玩美北湖(中)——永春梯田里的美与鲜
原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...
2024/4/25 18:39:14 - 氧生福地 玩美北湖(下)——奔跑吧骚年!
原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...
2024/4/26 23:04:58 - 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!
原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...
2024/4/27 23:24:42 - 「发现」铁皮石斛仙草之神奇功效用于医用面膜
原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...
2024/4/25 18:39:00 - 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者
原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...
2024/4/26 19:46:12 - 广州械字号面膜生产厂家OEM/ODM4项须知!
原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...
2024/4/27 11:43:08 - 械字号医用眼膜缓解用眼过度到底有无作用?
原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...
2024/4/27 8:32:30 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57