標籤: 貨運

0L V8雙渦輪汽油發動機，能爆發出最大功率522馬力，峰值扭矩670牛·米，傳動系統匹配7速雙離合變速箱，百公里加速性能方面能去到3。8秒，極速高達309km/h。又是一輛貼心為你省下買吹風筒的汽車。都知道梅賽德斯-AMG GT非常迅猛兇惡，它最初的研發目標就是衝著保時捷911而來，無論在跑車市場亦或是各種賽事當中。

梅賽德斯-AMG又來新車了，這回是AMG GT S車型新增了Roadster（敞篷版）版本，官方於近日發布了最新的車型官圖，新車上市后，其定位將介於AMG GT Roadster以及AMG GT C Roadster車型之間。其中，新車還搭載了4.0L V8雙渦輪汽油發動機，最大功率高達522馬力，與AMG GT S硬頂版車型保持一致的強悍性能。

外觀方面，最大的不同就是將硬頂更換為黑色軟頂敞篷，前保險杠的左右兩側進氣口以及翼子板散熱口的內部鍍鉻飾條更換為啞光黑色，且左右兩隻外后視鏡和AMG輪轂均採用為黑色設計，其目的是為了與靚黃色車身配色和剎車卡鉗形成撞色衝擊，增強跑車在外觀上的視覺撞擊感。對於這樣的玩樂型跑車，此設定無可厚非，相信也會討好許多富家公子們的歡心。

內飾部分，Roadster版本相比硬頂版本的變化不多，主要的變化在中控擋把操作區域，將原本的大面積鋼琴烤漆材質更換為鍍鉻材質，空調出風口也由原來的鋼琴烤漆加鍍鉻雙層邊框，統一更換為鍍鉻邊框，極大地提升了車廂戰鬥氣氛，且車廂內隨處可見的縫線顏色也變為黃色，與外觀的主題色形成呼應。

車身尾部方面的變化則更加具有質感，不僅取消了硬頂版車型在下保險桿底部的橫向鍍鉻飾條，且在可升降尾翼部分新增了一處剎車光源，進一步提升對後車的安全距離警示，畢竟AMG來者不善。

動力方面，新車延續了硬頂版AMG GT S車型的動力系統，搭載4.0L V8雙渦輪汽油發動機，能爆發出最大功率522馬力，峰值扭矩670牛·米，傳動系統匹配7速雙離合變速箱，百公里加速性能方面能去到3.8秒，極速高達309km/h。又是一輛貼心為你省下買吹風筒的汽車。

都知道梅賽德斯-AMG GT非常迅猛兇惡，它最初的研發目標就是衝著保時捷911而來，無論在跑車市場亦或是各種賽事當中。有趣的是，在两天前剛結束的2018紐伯格林24小時耐力賽的頒獎台上，兩台梅賽德斯-AMG GT3賽車左右“陪伴”保時捷911 GT3 R登頂，儘管這並不能說明兩款車之間的性能差異，但後者這回免費做了波廣告，而梅賽德斯AMG GT則默默地發布了此新車官圖，有冤家的戲顯然更加有趣。

與保時捷911一樣，梅賽德斯-AMG GT的全系產品還是非常完善，從476馬力到585馬力，無論是“過日子”還是賽道控都能找到對應合適的車型，而此次推出Roadster（敞篷版），更是進一步完善產品線。當然對於這級別的消費者講，同價位同配置這樣的選購對比壓根沒有意義，還不如關心一回，這台AMG GT S Roadster版本，除了在賽道意外，還能滿足我們怎樣的想象力呢？

要不你提提意見試試看？本站聲明:網站內容來源於http://www.auto6s.com/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※教你寫出一流的銷售文案?

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

※回頭車貨運收費標準

※別再煩惱如何寫文案,掌握八大原則!

※超省錢租車方案

※產品缺大量曝光嗎?你需要的是一流包裝設計!

5s，提速時可謂是又快又順，高速再加速也不會有底氣不足的情況。說起商務車，恐怕就不得不提邁騰。儘管外形變得年輕化了不少，整個前臉設計就像一位西裝革履的年輕人，既有朝氣，又不失嚴肅。側麵線條修長，看上去較為舒展，尾部鍍鉻雙出排氣口較為有精緻感。

俗話說：“先敬羅衣后敬人”，意思就是先看一個人的着裝再看一個人的內涵。因此，那些做銷售的人，大多都是西裝革履的樣子外出洽談。同時，談生意難免需要一輛靠譜的交通工具。

就20萬左右這個區間而言，可選的車型還是比較多的。無論是選擇轎車，還是選擇SUV，最重要的一點就是外形足夠端莊，不能給人一種花哨的感覺。下面這6款車就挺適合用來商務洽談的。

BX7的外形設計簡約為主，瀑布式的中網格柵大氣耐看，大燈與中網相連的設計，更好地展現出了設計的一體感，霧燈處的鍍鉻裝飾條實屬畫龍點睛之筆。側面五輻式輪圈頗有高級感，尾部設計簡潔大氣。

BX7的2.0T+6AT調校得頗為平順，低速蠕行時的動作較為自然，深踩油門時的降擋也爽脆不含糊。即使是在高速時再加速，BX7也不會有底氣不足的情況。應對顛簸路面時，雖然BX7的左右晃動稍微多了一些，但是濾震還是足夠厚實的。

柯迪亞克的前臉同樣是採用了豎條形的鍍鉻裝飾條設計，儘管面積沒有BX7那麼大，但是裝飾條看上去更為精緻。大燈的造型頗為嚴肅，與進氣格柵相連的設計，較為有一體感。側麵線條平直，不規則的尾燈設計蠻有特點，隱藏式的排氣足夠簡潔。

柯迪亞克的2.0T低功版車型配的是7擋雙離合變速箱，開起來的感覺還是頗為舒爽的。低速蠕行時的頓挫控製得還算可以，零百成績也能去到8.5s左右。底盤是偏歐洲化的調校，過濾震動時較為有韌性。

冠道是這幾款SUV中尺寸最魁梧的，前臉典型的“大齙牙”設計，鍍鉻裝飾條十分粗壯，長條形的大燈炯炯有神。翼子板上的三個鍍鉻裝飾孔，頗有運動感。鍍鉻裝飾條連接兩尾燈，帶出較好的一體感。

很多人會對冠道的1.5T發動機有所質疑，覺得它的動力帶這麼大一台車會不會很“肉”。實際上，大家都多慮了。1.5T冠道的零百實測成績約為8.5s，提速時可謂是又快又順，高速再加速也不會有底氣不足的情況。

說起商務車，恐怕就不得不提邁騰。儘管外形變得年輕化了不少，整個前臉設計就像一位西裝革履的年輕人，既有朝氣，又不失嚴肅。側麵線條修長，看上去較為舒展，尾部鍍鉻雙出排氣口較為有精緻感。

大眾在調校雙離合變速箱方面走過一些彎路，現在出來的效果已經不太令人擔心。1.4T車型採用的是DQ200的七速乾式雙離合，而1.8T和2.0T則是用DQ380的濕式雙離合，從耐久性出發，還是選1.8T或2.0T車型比較好。

金牛座大嘴式的六邊形中網，無論遠看還是近看，都顯得相當霸氣。發動機艙上拱起的兩條“肌肉線”讓前臉更有中心感。側麵線條平直，門板下方的鍍鉻裝飾條起到畫龍點睛的作用。尾部設計飽滿，雙邊鍍鉻排氣口也較為常見。

金牛座入門的1.5T+6AT整體響應不錯，輕輕踩一下油門就能有相當不錯的動力輸出。整體的動力輸出偏向於前段，稍微深踩一點就能馬上降擋來提供加速度。不過上到高速時，它的動力也是僅僅夠用而已。

君威在年輕化的道路上同樣幹得不錯，瀑布式的黑色中網格柵加上飛翼式的標誌相當帥氣。側麵線條凹凸有致，輪圈樣式簡約耐看。尾部設計飽滿，雙出鍍鉻排氣口更顯高級感。

1.5T的動力配上9AT的變速箱，在日常駕駛時給人的輕快感頗為充足。齒比設置綿密，所以換擋時的平順性頗高。油門鬆開時，9AT又懂得升擋來提升燃油經濟性。

總結

汽車其實就是一個人的另一張卡片，所以如果經常要出去商務洽談的話，挑選一輛外形端莊的車還是很有必要的。這6款車無論是外形還是動力水平，都令人滿意，所以大家不妨考慮一下。本站聲明:網站內容來源於http://www.auto6s.com/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※超省錢租車方案

※別再煩惱如何寫文案,掌握八大原則!

※回頭車貨運收費標準

※教你寫出一流的銷售文案?

※產品缺大量曝光嗎?你需要的是一流包裝設計!

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

對於記錄的數據，如何用 Python 進行分析、或圖形化呢？

本文將介紹 numpy, matplotlib, pandas, scipy 幾個包，進行數據分析、與圖形化。

準備環境

Python 環境建議用 Anaconda 發行版，下載地址：

• 官方: https://www.anaconda.com/products/individual#Downloads
• 清華源: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

Anaconda 是一個用於科學計算的 Python 發行版，已經包含了眾多流行的科學計算、數據分析的 Python 包。

可以 conda list 列出已有的包，會發現本文要介紹的幾個包都有了：

$ conda list | grep numpy
numpy                     1.17.2           py37h99e6662_0

$ conda list | grep "matplot\|seaborn\|plotly"
matplotlib                3.1.1            py37h54f8f79_0
seaborn                   0.9.0                    py37_0

$ conda list | grep "pandas\|scipy"
pandas                    0.25.1           py37h0a44026_0
scipy                     1.3.1            py37h1410ff5_0

如果已有 Python 環境，那麼 pip 安裝一下它們：

pip install numpy matplotlib pandas scipy
# pypi 鏡像: https://mirrors.tuna.tsinghua.edu.cn/help/pypi/

本文環境為： Python 3.7.4 (Anaconda3-2019.10)

準備數據

本文假設了如下格式的數據 data0.txt :

id, data, timestamp
0, 55, 1592207702.688805
1, 41, 1592207702.783134
2, 57, 1592207702.883619
3, 59, 1592207702.980597
4, 58, 1592207703.08313
5, 41, 1592207703.183011
6, 52, 1592207703.281802
...

CSV 格式：逗號分隔，讀寫簡單， Excel 可打開。

之後，我們會一起達成如下幾個目標：

• CSV 數據， numpy 讀取與計算
• data 列數據， matplotlib 圖形化
• data 列數據， scipy 插值，形成曲線
• timestamp 列數據， pandas 分析前後差值、每秒個數

numpy 讀取數據

numpy 可用 loadtxt 直接讀取 CSV 數據，

import numpy as np

# id, (data), timestamp
datas = np.loadtxt(p, dtype=np.int32, delimiter=",", skiprows=1, usecols=(1))

• dtype=np.int32: 數據類型 np.int32
• delimiter=",": 分隔符 “,”
• skiprows=1: 跳過第 1 行
• usecols=(1): 讀取第 1 列

如果讀取多列，

# id, (data, timestamp)
dtype = {'names': ('data', 'timestamp'), 'formats': ('i4', 'f8')}
datas = np.loadtxt(path, dtype=dtype, delimiter=",", skiprows=1, usecols=(1, 2))

dtype 說明可見: https://numpy.org/devdocs/reference/arrays.dtypes.html

numpy 分析數據

numpy 計算均值、樣本標準差：

# average
data_avg = np.mean(datas)
# data_avg = np.average(datas)

# standard deviation
# data_std = np.std(datas)
# sample standard deviation
data_std = np.std(datas, ddof=1)

print("  avg: {:.2f}, std: {:.2f}, sum: {}".format(
      data_avg, data_std, np.sum(datas)))

matplotlib 圖形化

只需四行，就能圖形化显示了：

import sys

import matplotlib.pyplot as plt
import numpy as np

def _plot(path):
  print("Load: {}".format(path))
  # id, (data), timestamp
  datas = np.loadtxt(path, dtype=np.int32, delimiter=",", skiprows=1, usecols=(1))

  fig, ax = plt.subplots()
  ax.plot(range(len(datas)), datas, label=str(i))
  ax.legend()
  plt.show()

if __name__ == "__main__":
  if len(sys.argv) < 2:
    sys.exit("python data_plot.py *.txt")
  _plot(sys.argv[1])

ax.plot(x, y, ...) 橫坐標 x 取的數據下標 range(len(datas)) 。

完整代碼見文末 Gist 地址的 data_plot.py 。運行效果如下：

$ python data_plot.py data0.txt
Args
  nonzero: False
Load: data0.txt
  size: 20
  avg: 52.15, std: 8.57, sum: 1043

可以讀取多個文件，一起显示：

$ python data_plot.py data*.txt
Args
  nonzero: False
Load: data0.txt
  size: 20
  avg: 52.15, std: 8.57, sum: 1043
Load: data1.txt
  size: 20
  avg: 53.35, std: 6.78, sum: 1067

scipy 對數據插值

x, y 兩組數據，用 scipy 進行插值，平滑成曲線：

from scipy import interpolate

xnew = np.arange(xvalues[0], xvalues[-1], 0.01)
ynew = interpolate.interp1d(xvalues, yvalues, kind='cubic')

完整代碼見文末 Gist 地址的 data_interp.py 。運行效果如下：

python data_interp.py data0.txt

matplotlib 圖像化時如何配置、延遲、保存，可見代碼與註釋。

pandas 分析數據

這兒需要讀取 timestamp 列數據，

# id, data, (timestamp)
stamps = np.loadtxt(path, dtype=np.float64, delimiter=",", skiprows=1, usecols=(2))

numpy 計算前後差值，

stamps_diff = np.diff(stamps)

pandas 統計每秒個數，

stamps_int = np.array(stamps, dtype='int')
stamps_int = stamps_int - stamps_int[0]
import pandas as pd
stamps_s = pd.Series(data=stamps_int)
stamps_s = stamps_s.value_counts(sort=False)

辦法：把時間戳直接變整秒數，再 pandas 統計相同值。

完整代碼見文末 Gist 地址的 stamp_diff.py 。運行效果如下：

python stamp_diff.py data0.txt

matplotlib 圖形化時怎麼显示多個圖表，也可見代碼。

結語

本文代碼 Gist 地址: https://gist.github.com/ikuokuo/8629cc28079199c65e0eedb0d02a9e74

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※教你寫出一流的銷售文案?

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

※回頭車貨運收費標準

※別再煩惱如何寫文案,掌握八大原則!

※超省錢租車方案

※產品缺大量曝光嗎?你需要的是一流包裝設計!