成都街道漫步手记 冯晖 成都时代出版社【正版书】 下载 pdf 电子版 epub 免费 txt 2025

本书为成都地方文化著作。作者以随笔的方式展现成都百余条街巷深厚的历史与特色鲜明的市井文化。以摄影师独特的眼光欣赏与发现城市细腻而动人的美丽。以严谨的考证和严密的逻辑对诸多有关成都街道记载不实之处逐一爬梳推敲。运用街道美学、建筑学、微观史学及古旧地图研究等多种手法展现成都街道既古老又充满朝气的迷人魅力。

暂无相关目录，正在全力查找中！

冯晖，教授级高级工程师 ，成都文学院签约作家，城市纪实摄影师。致力于成都街道历史文化的研究、写作与影像记录。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：成都街道漫步手记 冯晖 成都时代出版社【正版书】在线阅读

在线听书地址：成都街道漫步手记 冯晖 成都时代出版社【正版书】在线收听

在线购买地址：成都街道漫步手记 冯晖 成都时代出版社【正版书】在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

所有成都人心中都有一个同样的成都，但是每个成都人眼中又有一个不一样的成都。本书作者冯晖既是老成都，又是新青年，他用脚步丈量，用心观察、比较，记录了自己眼中的一条条街巷，可说是微观，也可说是特写，有历史的思考，更有时尚的温度。——袁庭栋

书籍介绍

本书为成都地方文化著作。作者以随笔的方式展现成都百余条街巷深厚的历史与特色鲜明的市井文化。以摄影师独特的眼光欣赏与发现城市细腻而动人的美丽。以严谨的考证和严密的逻辑对诸多有关成都街道记载不实之处逐一爬梳推敲。运用街道美学、建筑学、微观史学及古旧地图研究等多种手法展现成都街道既古老又充满朝气的迷人魅力。

• 作者：轲鸢 发布时间：2023-05-07 22:49:42

  椭圆与抛物两类统合至同一框架下，为避免繁锁的形式计算遮蔽思路的本质以典型方程为示例。该书内容集中于线性方程，从基本的正则性估计到引入De Giorgi与Moser迭代推导最大模估计、避免Trudinger的位势积分而引入Campanato空间建立Schauder估计，进而推导弱解与强解的存在唯一性。BMO空间与Stampaccia插值点到为止，缺少调和分析在偏微分的应用。上述两种工具将问题转移到积分区域的处理，尤其迭代技巧在非线性PDE有广泛应用。拟线性部分介绍不动点、压缩半群与拓扑度。椭圆抛物耦合，下一步即NS方程与各类耦合流体。（重印版已修正诸多文本错误）

• 作者：月眠 发布时间：2019-05-29 12:25:23

  毛主席说，革命的人不怕辣。中国近代史教育我们，资产阶级具有软弱性畏惧革命。就是在这家店，吃鸳鸯锅的时候，某个小资产阶级知识分子还说辣的很。可惜啊，这家店现在改卖干锅了。

• 作者：可听风吟 发布时间：2024-01-04 20:24:30

  几年前我也有过去探访成都老街的想法，还买了一套《成都街巷志》和溢价的《成都通览》，想好好了解生活的这座城，但却没太多时间付诸行动。现在city walk流行了起来，我却搬到了郊区，漫步老城区的想法更难实现了，可能要等退休去了吧。这本书比想象的要好，文字质朴，透着理工男的真诚。如果在顺序上能更有逻辑些，再多点图片，可能会更好。/省图借阅

• 作者：鱼翅与花椒 发布时间：2019-08-04 17:55:23

  关于成都街道的介绍吧，对地图不熟悉的我来说，地名、方位没有一点感觉。封面图有吸引。

• 作者：赵社长 发布时间：2020-08-29 21:56:01

  图书馆翻到还挺有意思的，如果没有游览过书中的地名，不太会有进入感匆匆翻过，也有很多熟悉的街道作者标记了自己的记忆和走访考证的资讯，打通了我自己对书中街道的印象和街道历史的两层空间。

• 作者：AlbertZ1011 发布时间：2019-01-20 19:42:41

  No.9 收到馮老師剛完成的新書，有人文關懷也有歷史梳理。

• 我读此书的收获。（此书的精华部分）

  作者：夜空中最亮的星 发布时间：2019-08-18 01:10:05

  1.此书主旨：阅读课中如何实现词汇教学目标。就是阅读课中如何处理词汇。 注意和常规的词汇课不一样，这里的词汇教学一般不脱离文本话题。2.阅读课中词汇的处理：❤️如何选择教学中的目标词汇？（好像是8个左右）原则：词汇的处理是服务于阅读。选择有利于文章理解的词汇。具体来说：与阅读主题紧密相连的词汇，阻碍学生理解文本的词汇，在文本中有特定意义的词汇。❤️哪些应作为教学中的循环词汇：主题常用词汇。我就是当主题出现，他们也随之出现，比如介绍节日庆典及其由来作用时，就会出现，celebration, parade ，in memory of等.❤️阅读课中的子目标词汇目标要写的具体。列举出被选择的词汇，并且写出这些词汇在哪种情景下要学到哪种程度：理解？模仿运用？or运用？例子：在理解四个节日特点时理解celebration, satisfy,origin,honor,in memory of 的含义。❤️如何把握阅读课中词汇处理的度？核心是阅读课。有些词汇只需要理解含义，有些词汇或者短语需要会运用，对于前者只需要呈现，复现（可以在题中）；对于后者，不仅要呈现复现，还要做填空题，对话，讨论等语言综合运用题。但是后者词汇的一系列活动都不能偏离主题语境。❤️如何循环，提升词汇？要有梯度，从易到难。如在warming-up中呈现词汇，然后在读中复现，简单运用词汇。最后在读后设计语言综合任务，比如：说和写。 3最让我惊讶的是：研究者们用书名作为研究对象，完成了一项行动研究，就是记录从发现问题到解决问题的全过程：发现问题，尝试解决问题：先形成指导行动的belief, 在此基础上写教案上课，再反思修改，再上课，最后形成思考。 我也可以的嘛！

  

• 第二章：用图形进行探索性分析

  作者：草莓 发布时间：2020-02-27 01:15:07

  图形是进行探索性数据分析的好方法

  library(tidyverse)

  一、大引擎汽车比小引擎汽车更耗油吗？

  先看一看displ与hwy之间的散点关系：

  ggplot(data=mpg)

  + geom_point(mapping=aes(x=displ,y=hwy))

  

  那么，class会不会影响散点的分布呢？

  尝试映射为颜色：

  ggplot(data=mpg)+geom_point(mapping=aes(x=displ,y=hwy,color=class))

  

  尝试映射为大小（但对于类别变量来说不是一个好主意）

  ggplot(data=mpg)+geom_point(mapping=aes(x=displ,y=hwy,size=class))

  

  若尝试映射为透明度

  ggplot(data=mpg)+geom_point(mapping=aes(x=displ,y=hwy,alpha=class))

  

  若尝试映射为形状

  ggplot(data=mpg)+geom_point(mapping=aes(x=displ,y=hwy,shape=class))

  

  可以尝试分面，画在不同的图里：

  ggplot(data=mpg)+geom_point(mapping=aes(x=displ,y=hwy))+facet_wrap(~class,nrow=2)

  

  可以用不同的几何对象方式来进行可视化

  ggplot(data=mpg)+geom_smooth(mapping=aes(x=displ,y=hwy))

  

  ggplot(data=mpg)+geom_smooth(mapping=aes(x=displ,y=hwy,linetype=drv))

  

  也可以将这些覆盖在原始数据上，并按照drv值对所有的点和线进行着色，可以在一张图上使用两种几何对象：

  ggplot(data=mpg)+geom_point(mapping=aes(x=displ,y=hwy))+geom_smooth(mapping=aes(x=displ,y=hwy))

  

  等价于：ggplot(data=mpg,mapping=aes(x=displ,y=hwy))+geom_point()+geom_smooth()

  ggplot(data=mpg,mapping=aes(x=displ,y=hwy))+geom_point(mapping=aes(color=class))+geom_smooth()

  

  对于一些定性数据的统计，尝试柱状图：

  ggplot(data=diamonds)+geom_bar(mapping=aes(x=cut))

  

  如果要比例：

  ggplot(data=diamonds)+geom_bar(mapping=aes(x=cut,y=..prop..,group=1))

  

  也可以展示更多的统计变换，比如stat_summary（）为每个x设置唯一的y值：

  ggplot(data=diamonds)+stat_summary(mapping=aes(x=cut,y=depth),fun.ymin=min,fun.ymax=max,fun.y=median)

  

  ggplot2提供了20多个统计变换，每个统计变换都是一个函数

  ？stat_bin

  你还可以使用color或者fill图形属性来为条形图上色：

  ggplot(data=diamonds)+geom_bar(mapping=aes(x=cut,fill=clarity))

  

  position=“fill”可以比较各组之间的比例：

  ggplot(data=diamonds)+geom_bar(mapping=aes(x=cut,fill=clarity),position = "fill")

  

  position=“dodge”可以将每组中的条形并列排列，比较每个条形图的具体数值：

  ggplot(data=diamonds)+geom_bar(mapping=aes(x=cut,fill=clarity),position = "dodge")

  

  当标签比较长的时候，可以交换x和y轴，尤其是绘制水平箱线图

  ggplot(data=mpg,mapping=aes(x=class,y=hwy))+geom_boxplot()

  

  ggplot(data=mpg,mapping=aes(x=class,y=hwy))+geom_boxplot()+coord_flip()