作者文章归档：daxiahy
导读：本文是一份基于 AMIS 的低代码页面从本地联调到发布上线的踩坑清单，覆盖 6 类问题：CORS 跨域（请求携带凭证时 Access-Control-Allow-Origin 不能用通配符
*）、渲染器版本不一致导致发布后页面异常、弹框与接口返回数据的取值作用域及${result.xxx}完整路径写法、用 visibleOn 条件表达式按返回码渲染不同图标等。适合正在用 AMIS 或同类低代码平台开发管理后台页面的前端工程师速查避坑。分类：前端 ｜ 标签：低代码、amis、前端
最近在用一款
源数据
# 查看数据,数据清洗
import os
os.chdir('C:/Users/Hjx/Desktop/项目09中国姓氏排行研究/')
# 创建工作路径
df01 = pd.read_csv('data01.csv',encoding = 'utf-8')
df02 = pd.read_csv('data02.csv',encoding = 'utf-8')
df_city = pd.read_excel('中国行政代码对照表.xlsx')
# 读取数据
df = pd.concat([df01,df02])
df = pd.mergeRobbie Swifthand and the Orb of Mysteries
一款2d冒险解谜类游戏 玩家可以移动，跳跃，悬挂，下蹲。操作主角拾取规定数量宝珠后开启下一关。
新建调色盘 命名为Background 存放在palettes文件夹内
将背景有关的tilemap拖入调色盘 保存到 Tilemaps/Tiles/BackGround
将平台有关的tilemap拖入调色盘 保存到 Tilemaps/Tiles/Platforms
将阴影有关的tilemap拖入调色盘 保存到 Tilemaps/Tiles/Shadows初始： 产生100个数据，每个数据的值是100person_n = [x for x in range(1,101)]
fortune = pd.DataFrame([100 for i in range(100)], index = person_n)
fortune.index.name = 'id'
# 设定初始参数：游戏玩家100人，起始资金100元loss: 每次每行数据损失1round_r1 = pd.DataFrame({'pre_round':fortune[0],'lost':1})
# 设定第一轮分配财富之前的情况gain: sunny land(2d)
一款横版冒险类游戏 类似超级马里奥
点击背景图片
每单位像素数：16后点击应用
把其余图片也设为16
把背景图片拖入layer中
在layer中右键新建tilemap 瓦片地图
点击window 选择2d tilepalette 平铺调色板
把我们的素材拖进去就可以使用我们的素材进行绘画了
点击创建 命名为map
图片集素材
sprite model 选择multiple
Roguelike类 游戏，每走1步损失1个食物，攻击墙体损失1个食物，受攻击损失10个食物，无限随机地图关卡，食物为0时游戏结束
新建项目
导入资源素材
在Assets创建文件夹
Scripts
Sprites
Prefabs创建游戏物体 player
把6张主角动画拖到场景下面 会自动生成一个游戏物体
多出来动画 和动画控制器
将动画控制器与主角名称保持一致
创建 Animations 和AnimPixel Adventure
一款类似 是男人就下100层的游戏
先将项目设置为手机平台
在场景中添加一个空的四边形
x设为9 y设为16
main camera size设为8
新建材质 命名为background
shader设为 Unlit/Texture
选择一张图作为背景
背景图的 每单位像素 设为64
warp mode 设为repeat
Tiling X设为4 Y设为4
把材质球拖到 四边形 上
新建
id(唯一)
tittle
price
根据时间和价格的差异可以分析出打折情况
品牌名
日期（10天内的数据）
通过日的维度来分析数据
同一件商品 可能很多天都在销售
同一个商品 根据销售时间维度 可以划分出他的销售节奏
双十一当天在售的商品占比情况
按照商品销售节奏分类，我们可以将商品分为7类
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')
# 不发出警告
from bokeh.io import output_file
from bokeh.plotting import figure,show
from bokeh.models import ColumnDataSource
# 导入图表绘制、图标展示模块
# 导入ColumnDataSourc打开spyder
准备数据
查看数据
分析需求import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')
from bokeh.plotting import figure,show,output_file
from bokeh.models import ColumnDataSource# 加载数据
import os
os