NEW

Author: PythonnotJava

.idea/.name

@@ -4,6 +4,8 @@
 ```text
 MatrixType(
   List<List<double>> data, {
+    int? row,
+    int? column,
     bool identityMatrix = false,
     bool principalDiagonalMatrix = false,
     bool subDiagonalMatrix = false,
@@ -12,8 +14,9 @@ MatrixType(
     bool singularMatrix  = false
   })
 ```
+> 1. 默认构造函数必须传入一个二维数组，并接受指定一些矩阵的特殊性质，对于该特殊性质并未做出任何操作，考虑到一些矩阵的特殊性质——如对角方阵可以以O(n)的复杂度求解行列式值，该性质可以视为做出简易计算的接口。
+> 2. 注：自**V1.0.8**开始，基本构造函数添加了选择性传入形状（如果已知，但必须保证正整数，不做检查），则免去了计算机自动计算形状。
 
-> 默认构造函数必须传入一个二维数组，并接受指定一些矩阵的特殊性质，对于该特殊性质并未做出任何操作，考虑到一些矩阵的特殊性质——如对角方阵可以以O(n)的复杂度求解行列式值，该性质可以视为做出简易计算的接口。
 
 ### example
 ```dart
@@ -440,10 +443,11 @@ class _MyHomePageState extends State<MyHomePage> {
 
 ## 指向C语言生成矩阵对象指针
 ```text
-MatrixType.__fromPointer(this.self, this.shape)
+MatrixType.fromPointer(this.self, this.shape)
 ```
 
-> Warning ：不建议在Dart使用指针类，因此我设置了此构造函数为私有方法
+> 注:
+> V1.0.8开始，fromPointer从__fromPointer设置为公有方法
 
 ## 工厂构造——深拷贝矩阵
 ```text

.idea/inspectionProfiles/Project_Default.xml

@@ -0,0 +1,63 @@
+# CSV读取器[new from V1.0.8]
+
+## properties
+```text
+late final String path;  文件路径
+List<String>? rowLabels;  行标签
+List<String>? colLabels;  列标签
+List<int>? shape;  形状（包含行标签）
+List<List<String>>? content;  初始读取的字符串数据
+List<List<double>>? data;  转换字符串数据到数字型数据
+```
+
+## methods
+```text
+CSVReader(this.path)
+在构造时传入文件路径且必须保证文件路径存在
+```
+
+```text
+Future<void> read_csv_async({
+    bool first_col_is_labels = true,
+    String loss_column_label = "Unnamed",
+    Encoding encoding = utf8
+}) 
+  
+void read_csv_sync({
+    bool first_col_is_labels = true,
+    String loss_column_label = "Unnamed",
+    Encoding encoding = utf8
+}) 
+异/同步读取方法。三个参数分别是第一列是否是列标签、在第一列不是标签的情况下替换方案、读取时编码格式。  
+只有调用了read_csv_async或者read_csv_sync才能写入到rowLabels、colLabels、shape以及content
+```
+
+```text
+Future<List<List<double>>> convertToNumberAsync({double replace = double.nan})
+
+List<List<double>> convertToNumberSync({double replace = double.nan})
+将content属性转换生成data数据的方法，当数据不是数字型数据，可以使用replace替换
+```
+
+# MatrixType拓展
+```text
+static Future<MatrixType> read_csv_async(
+    String path, {
+    bool first_col_is_labels = true,
+    String loss_column_label = "Unnamed",
+    Encoding encoding = utf8,
+    double replace = double.nan
+})
+static MatrixType read_csv_sync(
+    String path, {
+    bool first_col_is_labels = true,
+    String loss_column_label = "Unnamed",
+    Encoding encoding = utf8,
+    double replace = double.nan
+})
+注意：生成的MatrixType保留了第一行是行标签的替换（一般是NaN、NaN……）。
+```
+
+
+
+

.idea/vcs.xml

@@ -27,3 +27,5 @@
 
 ## freeMp[new from V1.0.2]
 统一释放内存，防止内存泄漏
+> [new from V1.0.8]
+> * 添加了地址进制指定，hex为true打印十六进制地址否则打印十进制地址。另外从

.idea/workspace.xml

@@ -18,6 +18,7 @@ main(){
   print(inf.isInfinite);
   print(negativeinf.isNegative);
   print(e * inf);
+  print(euler);  // [new from V1.0.8]
 }
 
 /* outputs : 
@@ -27,6 +28,7 @@ true
 true
 true
 Infinity
+0.5772156649015329
 * */
 ```
 

src/pkg/MatPly_Dart/doc/API/Dart/constructor.md

@@ -116,37 +116,37 @@ dim=0时，按行排序；dim=1，按列排序；dim为其他整数则整体排
 ## setMask
 设置矩阵nan和正负无穷大数据的替换值，会改变矩阵本身。
 
-## toList[new from V1.0.2]
+## toList
 根据传入的类型，返回对应形状的二维列表。对于泊松分布这样的数据非常有用。
 
-## std[new from V1.0.2]
+## std
 求解标准差，如果设置sample为true，则视为样本标准差
 
-## variance[new from V1.0.2]
+## variance
 求解方差，，如果设置sample为true，则视为样本标准方差
 
-## median[new from V1.0.2]
+## median
 求解中位数
 
-## norm[new from V1.0.2]
+## norm
 求解矩阵范数。如果n==-2，则返回矩阵的负无穷范数；如果n==-1，则返回矩阵的正无穷范数；如果设置n==1，则返回矩阵的L1范数，如果n==0或者其他不小于2的正整数，则返回范数（包含行列向量的范数模型、矩阵范数模式），注意这里L0范数是一个整数返回值
 
-## norm2[new from V1.0.2]
+## norm2
 L2范数。即欧氏距离
 
-## norm_inf[new from V1.0.2]
+## norm_inf
 矩阵的正无穷范数
 
-## norm_negainf[new from V1.0.2]
+## norm_negainf
 矩阵的负无穷范数
 
-## norm_one[new from V1.0.2]
+## norm_one
 矩阵的L1范数
 
-## norm_zero[new from V1.0.2]
+## norm_zero
 L0范数
 
-## mode[new from V1.0.2]
+## mode
 求解众数（此方法没有基于C-API）
 
 ## argmax[new from V1.0.5]
@@ -260,3 +260,26 @@ clip_reverse的无返回值方式
 
 ## choice[new from V1.0.7]
 如果根据权重获取数据，权重可以是等列长一维列表，也可以是同形状矩阵。视行为样本。其中method方法分别为0、1、其他整数时，权重映射为原值、sigmoid函数值、绝对值；如果不传入权重，则按照等概率处理
+
+
+## concats[new from V1.0.8]
+concat函数的升级版本，可最多一次拼接四个矩阵
+
+## split[new from V1.0.8]
+根据传入长度为n且严格递增的范围内正整数列表，获取被按照索引分成n+1份的矩阵列表
+
+## split_equal[new from V1.0.8]
+按照步长均分矩阵得到矩阵列表。如果步长与所切分方向长度一样，则获取矩阵的深拷贝实例
+
+## cover[new from V1.0.8]
+对某个矩阵从其内部某点开始用另一个矩阵覆盖，多余的数据排除，并返回一个新的矩阵
+
+## stretch[new from V1.0.8]
+沿着横/竖方向对矩阵拉伸，method表示采用的策略——重复(0)、替换(1)、头部延展(2)、尾部延展(3)、镜像(4)、镜像的镜像(其他)
+
+## diffCenter[new from V1.0.8]
+在某范围内，传入该范围内连续可导的函数（不做检查）实现求导，基于中心差分法，最后得到导数矩阵（梯度矩阵）
+> 注：该方法借鉴于GSL2.8的中心差分法
+
+## get_range[new from V1.0.8]
+获取范围（只包含最小值和最大值）

src/pkg/MatPly_Dart/doc/API/Dart/extension_csv.md

@@ -62,7 +62,8 @@ acos\asin\atan\cos\sin\tan\cosh\sinh\tanh\exp\log\log10\sqrt\ceil\fabs
 
 在利用这些数学方法来处理矩阵中*正负无穷大*和*nan*数据时，可以使用*setMask*来处理这些数据的值变换，但这也会修改矩阵！因此，你可以采用矩阵深拷贝避免。
 
-
+## deepcopy[new from V1.0.8]
+提供实例的深拷贝方法