PyQt或PySide里,QVariantMap自动转成什么Python类型?

<think>我们正在讨论的是Qt中的QVariantMap在Python中的对应类型。根据引用[2]和引用[3]: - 引用[2]提到:解析JSON后得到的QVariant对象实际上是一个QVariantMap类型,可以像QMap一样使用。 - 引用[3]的表格中显示:在D-Bus类型中,`a{sv}`对应的是`QVariantMap`,而`QVariantMap`在Qt中实际上是`QMap<QString, QVariant>`的别名。 在Python的Qt绑定(PyQt或PySide)中,`QVariantMap`并没有直接对应的独立类型,因为: 1. 在Python中,Qt的`QVariantMap`(即`QMap<QString, QVariant>`)被自动转换为Python的`dict`类型。 2. 同样,在解析JSON时(如引用[2]所述),解析得到的对象是`QVariantMap`,但在Python中,它表现为一个字典(`dict`),其中键是字符串,值可以是各种基本类型(包括其他字典或列表)。 因此,我们可以得出结论: **在Python中,`QVariantMap`对应的数据类型是Python的`dict`(字典)**。 具体说明: - 当在C++中使用`QVariantMap`时,它实际上是一个映射,键为`QString`,值为`QVariant`。 - 在Python中,由于PyQt/PySide的自动类型转换,这种结构被转换为Python的字典,其中: - 键被转换为Python的`str`类型(因为`QString`在Python中就是字符串) - 值被转换为对应的Python类型(因为`QVariant`可以转换为Python的各种内置类型,如整数、浮点数、字符串、列表、字典等) 例如,在引用[2]中提到的JSON解析示例中,解析后得到的`QVariantMap`在Python中就是一个字典,我们可以像操作普通字典一样操作它。 ### 示例代码说明 假设我们有一个JSON字符串,使用Qt的JSON解析器解析: ```python from PyQt5.QtCore import QJsonDocument, QVariant # 假设有一个JSON字符串 json_str = '{"name": "Alice", "age": 30, "scores": [90, 85, 95]}' # 转换为QByteArray json_bytes = json_str.encode() # 解析JSON doc = QJsonDocument.fromJson(json_bytes) # 将QJsonDocument转换为QVariantMap(实际上在Python中会自动转成dict) variant_map = doc.toVariant() # 注意:这里返回的是QVariant,但会自动转换为Python的dict # 此时,variant_map就是Python的字典 print(type(variant_map)) # <class 'dict'> print(variant_map['name']) # Alice print(variant_map['age']) # 30 print(variant_map['scores']) # [90, 85, 95] 这是一个列表 ``` ### 注意 - 在Python中,我们通常不会直接使用`QVariantMap`这个类型名,因为它在Python中已经被映射为`dict`。 - 当我们从C++的Qt函数返回一个`QVariantMap`时,在Python端接收到的就是一个字典。 - 同样,当我们向一个需要`QVariantMap`的C++函数传递参数时,我们可以直接传递一个Python字典,PyQt/PySide会自动转换。 ### 总结 | Qt 类型 (C++) | Python 类型 (PyQt/PySide) | |---------------|---------------------------| | `QVariantMap` | `dict` | 因此,**`QVariantMap`在Python中对应的数据类型是字典(`dict`)**。 §§相关问题§§ 1. 如何在PyQt中将Python字典转换为QVariantMap? 2. QVariantMap和QJsonObject在Qt中有什么区别? 3. 在Python中,如何处理Qt信号中的QVariantMap参数? </think> 在 Python 的 PyQt/PySide 中,**`QVariantMap` 对应的 Python 数据类型是字典 `dict`**。这是由 Qt 的自动类型转换机制实现的,具体原理如下: ### 1. 类型映射机制 | Qt 类型 (C++) | Python 类型 (PyQt/PySide) | 说明 | |--------------------|---------------------------|------| | `QVariantMap` | `dict` | 键值对集合 | | `QVariantList` | `list` | 有序集合 | | `QVariant` | 自动转换 | 根据内容转换为对应 Python 类型 | 根据引用[2]和引用[3]的说明: > "转换后的对象其实是一个QVariantMap类型,可以像QMap一样使用...在 D-Bus 类型映射中,`a{sv}` 对应 `QVariantMap`" > 实际在 Python 中表现为原生字典 [^2][^3] ### 2. 使用示例 #### 从 JSON 解析得到 `QVariantMap` (Python `dict`) ```python from PyQt5.QtCore import QJsonDocument json_str = '{"name": "Alice", "age": 30, "skills": ["Python", "C++"]}' json_data = json_str.encode() # 转为 QByteArray # 解析为 QVariantMap (Python dict) doc = QJsonDocument.fromJson(json_data) data_dict = doc.toVariant() # 返回 Python dict print(type(data_dict)) # <class 'dict'> print(data_dict["name"]) # "Alice" print(data_dict["skills"]) # ["Python", "C++"] ``` #### 向 Qt 传递 `dict` (自动转为 `QVariantMap`) ```python from PyQt5.QtCore import QVariant # Python 字典 py_dict = {"status": True, "value": 3.14} # 自动转换 variant = QVariant(py_dict) # 此时变为 QVariantMap # 检查类型 print(variant.typeName()) # "QVariantMap" print(variant.toPyObject() == py_dict) # True ``` ### 3. 特殊转换规则 当字典包含复杂类型时,Qt 会递归转换: ```python data = { "config": { "timeout": 5000, # 转为 int "retry": True, # 转为 bool "servers": ["api1", "api2"] # 转为 QVariantList } } variant = QVariant(data) print(variant.toPyObject()["config"]["servers"][0]) # "api1" ``` ### 4. 技术原理 1. **底层实现**: `QVariantMap` 本质是 `QMap<QString, QVariant>` 的别名 2. **类型转换**: PyQt 通过 SIP/PySide 的 Shiboken 实现自动转换: ```mermaid graph LR A[Python dict] --> B[遍历键值对] B --> C1[键: QString → Python str] B --> C2[值: QVariant → 对应Python类型] C1 & C2 --> D[QVariantMap] ``` ### 5. 注意事项 1. **键类型限制**: 键必须是字符串类型,非字符串键会被强制转换 ```python # 错误示例 data = {1: "number"} # 键会被转为 "1" ``` 2. **类型保真问题**: 特殊 Qt 类型(如 `QDate`)会转换为 Python 类型,可能丢失元信息 3. **性能对比**: 根据引用[4]的技术矩阵,简单数据类型转换效率较高,复杂嵌套结构建议直接使用 Python 原生操作[^4] > 提示:在信号槽传递数据时,Qt 会自动完成 `QVariantMap` ↔ `dict` 的双向转换,无需手动处理。

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

Python MLP Iris 神经网络分类 损失曲线

Python MLP Iris 神经网络分类 损失曲线

Python MLP Iris 神经网络分类 损失曲线 多层感知机在 Iris 上三分类,输出混淆矩阵、训练损失曲线与 report.csv。 功能: · Iris MLP 神经网络分类 · 混淆矩阵 · 训练损失曲线 · report.csv · 标准化特征 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。

Python MobileNetV3 MNIST 手写数字分类

Python MobileNetV3 MNIST 手写数字分类

Python MobileNetV3 MNIST 手写数字分类 MobileNetV3-Small 在 MNIST 上训练分类,输出混淆矩阵、history.csv 与损失曲线,数据自动下载。 功能: · MNIST 手写数字 · MobileNetV3-Small 单通道适配 · 混淆矩阵 · 损失曲线 · 自动下载数据 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。

Python AdaBoost Iris 集成分类 误差曲线

Python AdaBoost Iris 集成分类 误差曲线

Python AdaBoost Iris 集成分类 误差曲线 AdaBoost 在 Iris 上三分类,输出混淆矩阵、弱学习器误差曲线与 report.csv。 功能: · Iris AdaBoost 集成分类 · 混淆矩阵 · 弱学习器误差曲线 · report.csv · 可配置树数 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。

Python SVM MNIST 线性分类 混淆矩阵

Python SVM MNIST 线性分类 混淆矩阵

Python SVM MNIST 线性分类 混淆矩阵 线性 SVM 在 MNIST 像素特征上分类,输出混淆矩阵与 metrics.csv,可配置样本量与惩罚系数 C。 功能: · MNIST 像素特征 · 线性 SVM · 混淆矩阵 · metrics.csv · 可配置 C 与样本量 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。

Python PDF批量合并 页数统计报告

Python PDF批量合并 页数统计报告

Python PDF批量合并 页数统计报告 批量合并文件夹内多个 PDF,输出 merged.pdf、merge_report.csv 与各文件页数条形图。 功能: · 批量合并多个 PDF · 缺省自动生成演示 PDF · merge_report.csv · 各文件页数条形图 · 输出 merged.pdf · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。

Python KNN Wine 多分类 K值曲线

Python KNN Wine 多分类 K值曲线

Python KNN Wine 多分类 K值曲线 K 近邻在 Wine 数据集上三分类,输出混淆矩阵、K 值准确率曲线与 report.csv。 功能: · Wine 三分类 · KNN + StandardScaler · 混淆矩阵 · K 值准确率曲线 · report.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。

操作系统实验 先来先服务 短作业优先算法

操作系统实验 先来先服务 短作业优先算法

源码下载地址: https://pan.quark.cn/s/a4b39357ea24 开发四种调度方法: (1) 先进先出策略 (2) 最短任务优先策略 (3) 层级排序策略 (4) 分时段的多级轮转队列策略 基本需求 (1) 利用多个案例对比各种方法的优势与不足; (2) 需求成果以图形化形式呈现 ### 操作系统实验先进先出,最短任务优先策略 #### 实验背景与目标 本实验旨在通过编程实现四种普遍的进程调度方法,并通过具体案例分析和比较这些方法的工作性能。这四种方法分别是先进先出策略(First-Come First-Served, FCFS)、最短任务优先策略(Shortest Job First, SJF)、层级排序策略(Priority Scheduling)以及分时段的多级轮转队列策略(Multilevel Feedback Queue, MFQ)。实验不仅要求能够精确实现这些方法,还要求对实验结果进行图形化展示,以便更清晰地认识不同方法之间的差异。 #### 四种调度方法的详细说明 1. **先进先出策略(FCFS)** - **定义**:这是一种最基础的调度方法,依据进程到达的顺序依次处理。 - **优点**:实现简单,具备较好的公平性。 - **缺点**:响应时间可能较长,特别是对于较晚到达但处理时间较短的进程,可能会引发不公平的情况。 2. **最短任务优先策略(SJF)** - **定义**:该方法优先处理所需CPU时间最少的任务。 - **优点**:能够有效降低系统的平均等待时长。 - **缺点**:可能产生“饥饿”现象,即长时间的任务始终无法获得执行机会。 3. **层级排序策略(Priority Scheduling)** - *...

6米链板线总装.rar

6米链板线总装.rar

6米链板线总装.rar

期权五档行情数据包含合约代码、交易日期、行权价、到期月份、买卖五档价格及挂单量、最新价、成交量、持仓量等字段,展示盘口深度与动态

期权五档行情数据包含合约代码、交易日期、行权价、到期月份、买卖五档价格及挂单量、最新价、成交量、持仓量等字段,展示盘口深度与动态

期权五档行情数据包含合约代码、交易日期、行权价、到期月份、买卖五档价格及挂单量、最新价、成交量、持仓量等字段,展示盘口深度与动态。分钟级别行情数据提供每笔分钟的合约代码、时间、开盘价、最高价、最低价、收盘价、成交量、成交额,记录价格连续变化过程。两类数据均覆盖多标的,适合量化分析与策略回测。 数据源:CMES金融数据库

95成型机 (封边内置鼻梁打点型).rar

95成型机 (封边内置鼻梁打点型).rar

95成型机 (封边内置鼻梁打点型).rar

A4_车床上下料桁架.rar

A4_车床上下料桁架.rar

A4_车床上下料桁架.rar

B06-全自动压排线端子机图纸.rar

B06-全自动压排线端子机图纸.rar

B06-全自动压排线端子机图纸.rar

600型熔喷布生产图纸.rar

600型熔喷布生产图纸.rar

600型熔喷布生产图纸.rar

RPMarduino发电机演示结构纸.rar

RPMarduino发电机演示结构纸.rar

RPMarduino发电机演示结构纸.rar

3倍输送线.rar

3倍输送线.rar

3倍输送线.rar

CAD+说明书半自动液压专用铣床液压系统设计

CAD+说明书半自动液压专用铣床液压系统设计

CAD+说明书半自动液压专用铣床液压系统设计

Tray盘自动上下料设备.rar

Tray盘自动上下料设备.rar

Tray盘自动上下料设备.rar

Paco8x6-60123lf泵_SolidWorks三维模型_零部件与装配体_通用格式.rar

Paco8x6-60123lf泵_SolidWorks三维模型_零部件与装配体_通用格式.rar

Paco8x6-60123lf泵_SolidWorks三维模型_零部件与装配体_通用格式.rar

基于51单片机温度报警系统 原理图+pcb+源代码

基于51单片机温度报警系统 原理图+pcb+源代码

基于51单片机的温度报警系统设计,功能:18B20测温,数码管显示温度,按键设备上下限报警值,声光报警,资料包含原理图,PCB,源程序,演示视频,已打板验证,方便参考设计。

华中科技大学 logisim 交通灯

华中科技大学 logisim 交通灯

1. **7段数码管驱动电路设计**:设计一个驱动7段数码管的电路。 2. **4位无符号比较器设计**:实现一个4位无符号数的比较器。 3. **8位无符号比较器设计**:扩展到8位无符号数的比较器设计。 4. **1位2路选择器设计**:设计一个1位的2路选择器。 5. **8位2路选择器设计**:将2路选择器扩展到8位。 6. **双向BCD计数器状态机设计**:设计一个双向BCD计数器的状态机。 7. **双向BCD计数器输出函数设计**:实现双向BCD计数器的输出函数。 8. **双向BCD计数器设计**:完整的双向BCD计数器设计。 9. **双位BCD双向计数器设计**:设计一个双位的BCD双向计数器。 10. **交通灯核心状态机设计**:设计交通灯系统的核心状态机。 11. **交通灯输出函数设计**:实现交通灯系统的输出函数。 12. **交通灯系统设计**:完整的交通灯系统设计,一个代码可通12关。

最新推荐最新推荐

recommend-type

pytorch 实现查看网络中的参数

今天小编就为大家分享一篇pytorch 实现查看网络中的参数,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

pytorch 查看cuda 版本方式

主要介绍了pytorch 查看cuda 版本方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

pytorch框架学习(13)——可视化工具TensorBoard

文章目录1. TensorBoard简介2. tensorboard使用2.1 SummaryWriter2.2 方法 1. TensorBoard简介 TensorBoard:TensorFlow中强大的可视化工具 支持标量、图像、文本、音频、视频和Embedding等多种数据可视化 运行机制 tensorboard –logdir=./runs 作业 熟悉TensorBoard的运行机制,安装TensorBoard,并绘制曲线 y = 2*x import numpy as np from torch.utils.tensorboard import SummaryWriter writ
recommend-type

PyTorch学习笔记(七):PyTorch可视化

资源PyTorch学习笔记(七):PyTorch可视化知识分享
recommend-type

第4章 基于Pytorch的相关可视化工具.rar

PyTorch深度学习入门与实战(案例视频精讲)课堂教学讲义(Jupyter :ipynb,文字和代码以及插图 )
recommend-type

学生成绩管理系统C++课程设计与实践

资源摘要信息:"学生成绩信息管理系统-C++(1).doc" 1. 系统需求分析与设计 在进行学生成绩信息管理系统开发前,首先需要进行系统需求分析,这是确定系统开发目标与范围的过程。需求分析应包括数据需求和功能需求两个方面。 - 数据需求分析: - 学生成绩信息:需要收集学生的姓名、学号、课程成绩等数据。 - 数据类型和长度:明确每个数据项的数据类型(如字符串、整型等)和长度,例如学号可能是字符串类型且长度为一定值。 - 描述:详细描述每个数据项的意义,以确保系统能够准确处理。 - 功能需求分析: - 列出功能列表:用户界面应提供清晰的操作指引,列出所有可用功能。 - 查询学生成绩:系统应能通过学号或姓名查询学生的成绩信息。 - 增加学生成绩信息:允许用户添加未保存的学生成绩信息。 - 删除学生成绩信息:能够通过学号或姓名删除已经保存的成绩信息。 - 修改学生成绩信息:通过学号或姓名修改已有的成绩记录。 - 退出程序:提供安全退出程序的选项,并确保所有修改都已保存。 2. 系统设计 系统设计阶段主要完成内存数据结构设计、数据文件设计、代码设计、输入输出设计、用户界面设计和处理过程设计。 - 内存数据结构设计: - 使用链表结构组织内存中的数据,便于动态增删查改操作。 - 数据文件设计: - 选择文本文件存储数据,便于查看和编辑。 - 代码设计: - 根据功能需求,编写相应的函数和模块。 - 输入输出设计: - 设计简洁明了的输入输出提示信息和操作流程。 - 用户界面设计: - 用户界面应为字符界面,方便在命令行环境下使用。 - 处理过程设计: - 设计数据处理流程,确保每个操作都有明确的处理逻辑。 3. 系统实现与测试 实现阶段需要根据设计阶段的成果编写程序代码,并进行系统测试。 - 程序编写: - 完成系统设计中所有功能的程序代码编写。 - 系统测试: - 设计测试用例,通过测试用例上机测试系统。 - 记录测试方法和测试结果,确保系统稳定可靠。 4. 设计报告撰写 最后,根据系统开发的各个阶段,撰写详细的设计报告。 - 系统描述:包括问题说明、数据需求和功能需求。 - 系统设计:详细记录内存数据结构设计、数据文件设计、代码设计、输入/输出设计、用户界面设计、处理过程设计。 - 系统测试:包括测试用例描述、测试方法和测试结果。 - 设计特点、不足、收获和体会:反思整个开发过程,总结经验和教训。 时间安排: - 第19周(7月12日至7月16日)完成项目。 - 7月9日8:00到计算机学院实验中心(三楼)提交程序和课程设计报告。 指导教师和系主任(或责任教师)需要在文档上签名确认。 系统需求分析: - 使用表格记录系统需求分析的结果,包括数据项、数据类型、数据长度和描述。 - 分析数据项如学生成绩信息、状态器、链表节点等,确定其属性和行为。 以上就是文档中提到的学生成绩信息管理系统开发的关键知识点。开发此类系统需要熟练掌握C++编程基础,了解面向对象的程序设计思想,以及熟悉文件操作和链表等数据结构的应用。此外,良好的软件开发流程意识、测试意识和文档撰写能力也是必不可少的。
recommend-type

别再手动拖拽了!用Lumerical脚本批量创建FDTD仿真结构(附完整代码)

# 告别低效建模:Lumerical脚本自动化实战指南 在光子学仿真领域,时间就是科研生命线。当同行还在GUI界面里反复点击菜单时,你已经用脚本批量生成了20组参数化结构——这不是未来场景,而是每位FDTD用户都应该掌握的基础生产力革命。本文将彻底改变你与Lumerical的交互方式,从手动拖拽的农耕时代,跃迁到自动化建模的工业文明。 ## 1. 为何脚本建模是必然选择 2019年Nature Photonics的一项研究显示,科研工作者在仿真工具上平均浪费37%的时间在重复性操作上。对于需要参数扫描的纳米光学结构设计,这个数字可能更高。手动创建10个不同尺寸的纳米柱阵列意味着: -
recommend-type

Java邮件解析任务中,如何安全高效地提取HTML邮件内容并避免硬编码、资源泄漏和类型转换异常?

<think>我们被要求优化一段Java代码,该代码用于处理邮件(特别是来自特定发件人的构建通知邮件)。代码的主要问题包括: 1. 重复获取邮件内容:在检查MIME类型后,多次调用`msg[i].getContent()`,这可能导致性能问题或流关闭异常。 2. 类型转换问题:直接将邮件内容转换为`Multipart`而不进行类型检查,可能引发`ClassCastException`。 3. 代码结构问题:逻辑嵌套过深,可读性差,且存在重复代码(如插入邮件详情的操作在两个地方都有)。 4. 硬编码和魔法值:例如在解析HTML表格时使用了硬编码的索引(如list3.get(10)),这容易因邮件
recommend-type

RH公司应收账款管理优化策略研究

资源摘要信息:"本文针对RH公司的应收账款管理问题进行了深入研究,并提出了改进策略。文章首先分析了应收账款在企业管理中的重要性,指出其对于提高企业竞争力、扩大销售和充分利用生产能力的作用。然后,以RH公司为例,探讨了公司应收账款管理的现状,并识别出合同管理、客户信用调查等方面的不足。在此基础上,文章提出了一系列改善措施,包括完善信用政策、改进业务流程、加强信用调查和提高账款回收力度。特别强调了建立专门的应收账款回收部门和流程的重要性,并建议在实际应用过程中进行持续优化。同时,文章也意识到企业面临复杂多变的内外部环境,因此提出的策略需要根据具体情况调整和优化。 针对财务管理领域的专业学生和从业者,本文提供了一个关于应收账款管理问题的案例研究,具有实际指导意义。文章还探讨了信用管理和征信体系在应收账款管理中的作用,强调了它们对于提升企业信用风险控制和市场竞争能力的重要性。通过对比国内外企业在应收账款管理上的差异,文章总结了适合中国企业实际环境的应收账款管理方法和策略。" 根据提供的文件内容,以下是详细的知识点: 1. 应收账款管理的重要性:应收账款作为企业的一项重要资产,其有效管理关系到企业的现金流、财务健康以及市场竞争力。不良的应收账款管理会导致资金链断裂、坏账损失增加等问题,严重影响企业的正常运营和长远发展。 2. 应收账款的信用风险:在信用交易日益频繁的商业环境中,企业必须对客户信用进行评估,以便采取合理的信用政策,降低信用风险。 3. 合同管理的薄弱环节:合同是应收账款管理的法律基础,严格的合同管理能够保障企业权益,减少因合同问题导致的应收账款风险。 4. 客户信用调查:了解客户的信用状况对于预测和控制应收账款风险至关重要。企业需要建立有效的客户信用调查机制,识别和筛选信用良好的客户。 5. 应收账款回收策略:企业应建立有效的账款回收机制,包括定期的账款跟进、逾期账款的催收等。同时,建立专门的应收账款回收部门可以提升回收效率。 6. 应收账款管理流程优化:通过改进企业内部管理流程,如简化审批流程、提高工作效率等措施,能够提升应收账款的管理效率。 7. 应收账款管理策略的调整和优化:由于企业的内外部环境复杂多变,因此制定的管理策略需要根据实际情况进行动态调整和持续优化。 8. 信用管理和征信体系的作用:建立和完善企业内部信用管理体系和征信体系,有助于企业更好地控制信用风险,并在市场竞争中占据有利地位。 9. 对比国内外应收账款管理实践:通过研究国内外企业在应收账款管理上的不同做法和经验,可以借鉴先进的管理理念和方法,提升国内企业的应收账款管理水平。 综上所述,本文深入探讨了应收账款管理的多个方面,为RH公司乃至其他同类型企业提供了应收账款管理的改进方向和策略,对于财务管理专业的教育和实践都具有重要的参考价值。
recommend-type

新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构

# 新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构 第一次拿到BingPi-M2开发板时,面对Tina Linux SDK里密密麻麻的文件夹,我完全不知道从哪下手。就像走进一个陌生的大仓库,每个货架上都堆满了工具和零件,却找不到操作手册。这种困惑持续了整整两天,直到我意识到——理解目录结构比死记硬背每个文件更重要。 ## 1. 为什么SDK目录结构如此重要 想象你正在组装一台复杂的模型飞机。如果所有零件都混在一个箱子里,你需要花大量时间寻找每个螺丝和面板。但如果有分门别类的隔层,标注着"机身部件"、"电子设备"、"紧固件",组装效率会成倍提升。Ti