關于OTA延遲升級 iOS 14.8.1 、15.1、15.1.1 方法已經(jīng)關閉了，昨天我也提到，這三個版本延遲時間為：3月13日早上8點到期，直到今天已經(jīng)正式關閉，如果你安裝該描述文件，你只能收到 15.2 更新包。
我也親自測試一下，使用 iPhone 6S Plus iOS 14.8.1 系統(tǒng)，嘗試升級 iOS 15.1 系統(tǒng)，它會顯示 iOS 15.2 更新包，意味著它已經(jīng)正式關閉。
如果你是 iPhone 6S - 12 低版本已經(jīng)越獄的，還能通過SHSH2方法升級到 iOS 15.0 - 15.1.1 系統(tǒng)，前提你有備份SHSH2，如果沒有就沒辦法了，之前有使用過 Taurine 越獄的，它會自動備份。
如果沒有的，你只能前往愛思助手-智能刷機-專業(yè)刷機-查詢SHSH，看看有沒有iOS15.0-15.1的SHSH2文件，還是沒有的話，那就沒辦法了。
得知SHSH2文件后，你對SHSH2文件右鍵編輯，找到generator值，然后復制，再返回到 unc0ver 越獄工具，打開設置輸入generator值，返回激活就行，這樣就能固定了。
通過用戶反饋，可直接下載 FutureRestore GUI 上傳 SHSH2 和 iOS 15.1 固件。
再選擇 Controls 選項，點擊 Start FutureRestore 按鈕，這里就開始執(zhí)行降級了，等待完成就行。
上述方法需要用到 macOS 系統(tǒng)操作，而 Windows 系統(tǒng)暫時不支持，只能刷 macOS 黑蘋果來操作，工具在新有趣工具箱小程序桌面上獲取，找到macOS虛擬機就行。
注意！本次方法一旦 iOS 15.4 正式版發(fā)布后，可能就不支持升級了，如果你的設備帶有 Face ID 設備想升級的就即可，因為 iOS 15.4 SEP會不兼容，導致你無法順利升級，iPhone 6S - 8 不受影響。
大概這些內(nèi)容了，話說！你們覺得 iOS 15.1 有必要升級嗎？請評論。
作者 | AJ Gordon
責編 | Carol
頭圖 | CSDN 付費下載于視覺中國
出品 | CSDN云計算（ID：CSDNcloud）
本文主要介紹如何利用Python的Streamlit庫和Heroku云平臺來做一個交互式數(shù)據(jù)分析Web應用。開發(fā)環(huán)境如下：
Windows10系統(tǒng)
Anaconda3（python3.7.4）
Git（2.26.0.windows.1）
Heroku賬號
梯子（Heroku需科學上網(wǎng)才可訪問）
Streamlit
根據(jù)Streamlit官方文檔介紹，它是一個開放源代碼的Python庫，可以輕松地為機器學習和數(shù)據(jù)科學構建漂亮的自定義web應用程序。也就是說，即使你對web開發(fā)并不熟悉，但只要利用它，就可以很容易搭建出一個Web。
通過“pip install streamlit”進行安裝，再執(zhí)行“streamlit hello”。若安裝成功，默認瀏覽器會自動打開或輸入“l(fā)ocalhost:8501”，會彈出如下圖界面。
Streamlit用于數(shù)據(jù)可視化的話，主要模塊有：Cache，Interactive widgets，Charts。
Streamlit遵循由上至下的運行順序，所以每次代碼中有進行任何更改，都會重新開始運行一遍，會十分耗時。@st.cache會對封裝起來的函數(shù)進行緩存，避免二次加載。如果函數(shù)中的代碼發(fā)生變動，cache會重新加載一遍并緩存起來。假如將代碼還原到上一次版本，由于先前的數(shù)據(jù)已經(jīng)緩存起來了，所以不會進行二次加載。
import streamlit as st
import time
st.write("Loading....")
start_time=time.clock
@st.cache
def expensive_computation(a, b):
time.sleep(5)
return a ** b
a=2
b=21
res=expensive_computation(a, b)
st.write("Result:", res)
end_time=time.clock
st.write("耗時：%0.1f 秒" % (end_time-start_time))
圖2 Cache
Streamlit提供多種組件，如滑塊，選擇框和按鈕等交互組件。利用組件可以靈活地展示數(shù)據(jù)，這一點類似很多BI工具提供的功能。
import streamlit as st
import pandas as pd
import time
# 按鈕
st.subheader("按鈕")
if st.button('Say hello'):
st.write('Why hello there')
# 復選框
st.subheader("復選框")
agree=st.checkbox('I agree')
if agree:
st.write('Great!')
# 單選框
st.subheader("單選框")
genre=st.radio(
"What's your favorite movie genre",
('Comedy', 'Drama', 'Documentary'))
if genre=='Comedy':
st.write('You selected comedy.')
else:
st.write("You didn't select comedy.")
# 選擇框
st.subheader("選擇框")
option=st.selectbox(
'How would you like to be contacted?',
('Email', 'Home phone', 'Mobile phone'))
st.write('You selected:', option)
# 多選框
st.subheader("多選框")
options=st.multiselect(
'What are your favorite colors',
('Green', 'Yellow', 'Red', 'Blue'),'Yellow')
st.write('You selected:', options)
# 滑塊
st.subheader("滑塊")
age=st.slider('How old are you?', 0, 130, 25)
st.write("I'm ", age, 'years old')
# 數(shù)值輸入框
st.subheader("數(shù)值輸入框")
number=st.number_input('Insert a number')
st.write('The current number is ', number)
# 加載數(shù)據(jù)
uploaded_file=st.file_uploader("Choose a CSV file", type="csv")
if uploaded_file is not None:
data=pd.read_csv(uploaded_file)
st.write(data)
# 進度條
my_bar=st.progress(0)
for percent_complete in range(100):
time.sleep(0.1)
my_bar.progress(percent_complete + 1)
圖3 Interactive widgets
Streamlit圖庫底層基于Matplotlib庫搭建，一些常見的圖表如折線圖，條形圖，關系圖等，都可以直接傳遞數(shù)據(jù)生成圖表。此外還增加了deck.gl，可以用于繪制3D地圖。
import streamlit as st
import pandas as pd
import numpy as np
# 折線圖
st.subheader("折線圖")
chart_data=pd.DataFrame(
np.random.randn(20, 3),
columns=['a', 'b', 'c'])
st.line_chart(chart_data)
# 面積圖
st.subheader("面積圖")
chart_data=pd.DataFrame(
np.random.randn(20, 3),
columns=['a', 'b', 'c'])
st.area_chart(chart_data)
# 條形圖
st.subheader("條形圖")
chart_data=pd.DataFrame(
np.random.randn(50, 3),
columns=["a", "b", "c"])
st.bar_chart(chart_data)
# 3D圖
st.subheader("3D圖")
df=pd.DataFrame(
np.random.randn(1000, 2) / [50, 50] + [37.76, -122.4],
columns=['lat', 'lon'])
st.deck_gl_chart(
viewport={
'latitude': 37.76,
'longitude': -122.4,
'zoom': 11,
'pitch': 50,
},
layers=[{
'type': 'HexagonLayer',
'data': df,
'radius': 200,
'elevationScale': 4,
'elevationRange': [0, 1000],
'pickable': True,
'extruded': True,
}, {
'type': 'ScatterplotLayer',
'data': df,
}])
# 關系圖
st.subheader("關系圖")
st.graphviz_chart('''
digraph {
run -> intr
intr -> runbl
runbl -> run
run -> kernel
kernel -> zombie
kernel -> sleep
kernel -> runmem
sleep -> swap
swap -> runswap
runswap -> new
runswap -> runmem
new -> runmem
sleep -> runmem
}
''')
# 地圖
st.subheader("地圖")
df=pd.DataFrame(
np.random.randn(1000, 2) / [50, 50] + [37.76, -122.4],
columns=['lat', 'lon'])
st.map(df)
圖4 Charts
Heroku
Heroku是一個支持多種編程語言的云平臺，如Java，Node.js和Python等等。注冊賬號需要自備梯子，并且需使用gmail郵箱注冊。用戶每月可享受1000小時免費時長，以及512M內(nèi)存，若應用超過30分鐘沒訪問會自動休眠，重新訪問即可喚醒。然后，需要下載Heroku CLI命令行工具，下載以后可以使用命令行直接部署。
應用部署實例
首先，新建一個文件“Streamlit_Demo.py”。
import streamlit as st
import pandas as pd
import numpy as np
st.title('Uber pickups in NYC')
DATE_COLUMN='date/time'
DATA_URL=('https://s3-us-west-2.amazonaws.com/'
'streamlit-demo-data/uber-raw-data-sep14.csv.gz')
@st.cache
def load_data(nrows):
data=pd.read_csv(DATA_URL, nrows=nrows)
lowercase=lambda x: str(x).lower
data.rename(lowercase, axis='columns', inplace=True)
data[DATE_COLUMN]=pd.to_datetime(data[DATE_COLUMN])
return data
data_load_state=st.text('Loading data...')
data=load_data(100)
data_load_state.text("Done! (using st.cache)")
if st.checkbox('Show raw data'):
st.subheader('Raw data')
st.write(data)
st.subheader('Number of pickups by hour')
hist_values=np.histogram(data[DATE_COLUMN].dt.hour, bins=24, range=(0,24))[0]
st.bar_chart(hist_values)
hour_to_filter=st.slider('hour', 0, 23, 17)
filtered_data=data[data[DATE_COLUMN].dt.hour==hour_to_filter]
st.subheader('Map of all pickups at %s:00' % hour_to_filter)
st.map(filtered_data)
然后，再新建三個文件：Procfile，requirements.txt，setup.sh。這三個文件是部署Streamlit必備的，缺一不可。
1) Procfile
#代碼的執(zhí)行語句
web: sh setup.sh && streamlit run Streamlit_Demo.py
2) requirements.txt
# 代碼所需的庫及其版本
streamlit==0.56.0
pandas==0.25.1
numpy==1.16.5
3) setup.sh
# 配置
mkdir -p ~/.streamlit/
echo "\
[server]\n\
headless=true\n\
port=$PORT\n\
enableCORS=false\n\
\n\
" > ~/.streamlit/config.toml
最后，配置文件和代碼準備好后，可以保存在本機demo路徑下。再按照以下步驟進行部署：
1) 進入項目路徑，先登錄heroku，輸入“heroku login”后按下空格鍵，默認瀏覽器會自動打開，輸入heroku賬號和密碼后關閉即可。
cd demo
heroku login
2) 創(chuàng)建一個新應用，輸入”heroku create xx”，heroku規(guī)定應用名稱開頭結(jié)尾只能是小寫字母，并且全名只能包含小寫字母，數(shù)字和破折號。也可以只輸入”heroku create”，會自動命名一個應用。
heroku create streamlit-demo-01
# 或者
# heroku create
3) 初始化git代碼庫，并遠程操控heroku。
git init
heroku git:remote –a streamlit-demo-01
git add .
git commit -m "Initialize Project"
# 若git出現(xiàn)"git Please tell me who you are."，運行以下兩條命令，再重新執(zhí)行commit:
# git config user.name "heroku用戶名"
# git config user.email "heroku注冊郵箱"
4) 上傳代碼到heroku代碼庫。
git push heroku master5) 執(zhí)行”heroku open”打開部署好的應用，若打開后出現(xiàn)” Application error”，需要自行排查是否缺失文件或文件內(nèi)容有誤，筆者一開始因為缺少”setup.sh”文件導致部署失敗。另外，筆者直接從github clone后也會報錯，所以是在本機新建文件和文件夾的，項目上傳至https://github.com/guoxulong/streamlit_demo。
heroku open6) 部署完成后，輸入“https://streamlit-demo-01.herokuapp.com/”（需翻墻）就能夠訪問這個Web。
總結(jié)
總體上來講，相比較用Django框架開發(fā)Web，Streamlit開發(fā)一個交互式應用會更輕松，雖然功能還不完善，但對于數(shù)據(jù)分析可視化來說已經(jīng)滿足了，而且只需要掌握Streamlit庫的用法就可以實現(xiàn)。
作者：AJ Gordon，對爬蟲/機器學習/數(shù)據(jù)建模/可視化均有所涉獵的數(shù)據(jù)分析師。
?AI 看臉算命，3 萬張自拍揭露：顏值即命？
?無代碼來了，還要程序員嗎？
?芯片供應被掐斷，華為能否安全渡劫？
?來了來了！趨勢預測算法大PK！
?Python開發(fā)之：Django基于Docker實現(xiàn)Mysql數(shù)據(jù)庫讀寫分離、集群、主從同步詳解 | 原力計劃
?15 歲黑進系統(tǒng)，發(fā)挑釁郵件意外獲 Offer，不惑之年捐出全部財產(chǎn)，Twitter CEO 太牛了！