E3     50% tolerance (no longer used)
E6     20% tolerance (now seldom used)
E12   10% tolerance
E24     5% tolerance
E48     2% tolerance
E96     1% tolerance
E192   0.5, 0.25, 0.1% and higher tolerances

E6 E12 E24 E48 E96 E192
100 100 100 100 100 100
101
102 102
104
105 105 105
106
107 107
109
110 110 110 110
111
113 113
114
115 115 115
117
118 118
120
120 120 121 121 121
123
124 124
126
127 127 127
129
130 130
132
130 133 133 133
135
137 137
138
140 140 140
142
143 143
145
150 150 150 147 147 147
149
150 150
152
154 154 154
156
158 158
160
160 162 162 162
164
165 165
167
169 169 169
172
174 174
176
180 180 178 178 178
180
182 182
184
187 187 187
189
191 191
193
200 196 196 196
198
200 200
203
205 205 205
208
210 210
213
E6 E12 E24 E48 E96 E192
220 220 220 215 215 215
218
221 221
223
226 226 226
229
232 232
234
240 237 237 237
240
243 243
246
249 249 249
252
255 255
258
270 270 261 261 261
264
267 267
271
274 274 274
277
280 280
284
300 287 287 287
291
294 294
298
301 301 301
305
309 309
312
330 330 330 316 316 316
320
324 324
328
332 332 332
336
340 340
344
360 348 348 348
352
357 357
361
365 365 365
370
374 374
379
390 390 383 383 383
388
392 392
397
402 402 402
407
412 412
417
430 422 422 422
427
432 432
437
442 442 442
448
453 453
459
E6 E12 E24 E48 E96 E192
470 470 470 464 464 464
470
475 475
481
487 487 487
493
499 499
505
510 511 511 511
517
523 523
530
536 536 536
542
549 549
556
560 560 562 562 562
569
576 576
583
590 590 590
597
604 604
612
620 619 619 619
626
634 634
642
649 649 649
657
665 665
673
680 680 680 681 681 681
690
698 698
706
715 715 715
723
732 732
741
750 750 750 750
759
768 768
777
787 787 787
796
806 806
816
820 820 825 825 825
835
845 845
856
866 866 866
876
887 887
898
910 909 909 909
920
931 931
942
953 953 953
965
976 976
988

Standard Series Values in a Decade for Resistances and Capacitances E24 E48 E96的更多相关文章

  1. python pandas ---Series,DataFrame 创建方法,操作运算操作(赋值,sort,get,del,pop,insert,+,-,*,/)

    pandas 是基于 Numpy 构建的含有更高级数据结构和工具的数据分析包 pandas 也是围绕着 Series 和 DataFrame 两个核心数据结构展开的, 导入如下: from panda ...

  2. pandas 的数据结构Series与DataFrame

    pandas中有两个主要的数据结构:Series和DataFrame. [Series] Series是一个一维的类似的数组对象,它包含一个数组数据(任何numpy数据类型)和一个与数组关联的索引. ...

  3. Python数据分析（四）DataFrame, Series, ndarray, list, dict, tuple的相互转换

    转自:https://blog.csdn.net/lambsnow/article/details/78517340 import numpy as np import pandas as pd ## ...

  4. Python数据分析之pandas基本数据结构：Series、DataFrame

    1引言 本文总结Pandas中两种常用的数据类型: (1)Series是一种一维的带标签数组对象. (2)DataFrame,二维,Series容器 2 Series数组 2.1 Series数组构成 ...

  5. Python2.7.6标准库内建函数

        Built-in Functions     abs() divmod() input() open() staticmethod() all() enumerate() int() ord( ...

  6. Python中的内置函数

    2.1 Built-in Functions The Python interpreter has a number of functions built into it that are alway ...

  7. Pdf File Writer 中文应用（PDF文件编写器C＃类库）

    该文由小居工作室(QQ:2482052910)    翻译并提供解答支持,原文地址:Pdf File Writer 中文应用(PDF文件编写器C#类库):http://www.cnblogs.com/ ...

  8. 教程：SpagoBI开源商业智能之XML Template 图表模板

    SpagoBI offers a variety of widgets' examples realized with the Highcharts library, that can be divi ...

  9. 时间序列预测——深度好文，ARIMA是最难用的（数据预处理过程不适合工业应用），线性回归模型简单适用，预测趋势很不错，xgboost的话，不太适合趋势预测，如果数据平稳也可以使用。

    补充:https://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-15-276 如果用arima的话,还不如使用随机森 ...

随机推荐

  1. 利用mysqltuner工具对mysql数据库进行优化

    mysqltuner工具使用,本工具建议定期运行,发现目前MYSQL数据库存在的问题及修改相关的参数 工具的下载及部署 解决环境依赖,因为工具是perl脚本开发的,需要perl脚本环境 # yun i ...

  2. 转载：使用Nginx的必备软件（1.3.2）《深入理解Nginx》（陶辉）

    原文:https://book.2cto.com/201304/19612.html 如果要使用Nginx的常用功能,那么首先需要确保该操作系统上至少安装了如下软件. (1)GCC编译器 GCC(GN ...

  3. Python-互斥锁 进程间通讯

    3.守护进程(**) 主进程创建守护进程 其一:守护进程会在主进程代码执行结束后就终止 其二:守护进程内无法再开启子进程,否则抛出异常: AssertionError: daemonic proces ...

  4. JFreeChart入门

    JFreeChart主要用来各种各样的图表,这些图表包括:饼图.柱状图(普通柱状图以及堆栈柱状图).线图.区域图.分布图.混合图.甘特图以及一些仪表盘等等 (源代码下载) 示例程序运用的jar包: j ...

  5. 持续集成一：git上传代码

    先注册一个账号,注册地址:https://github.com/ 记住地址 下载git本地客户端,下载地址:https://git-scm.com/download/win 一路next傻瓜安装,加入 ...

  6. python 全栈开发，Day98(路飞学城背景,django ContentType组件,表结构讲解)

    昨日内容回顾 1. 为什么要做前后端分离? - 前后端交给不同的人来编写,职责划分明确. - API (IOS,安卓,PC,微信小程序...) - vue.js等框架编写前端时,会比之前写jQuery ...

  7. python使用ssdb的队列，用于替换canal+rabbitmq

    # pip install -i https://mirrors.aliyun.com/pypi/simple/ pyssdb import pyssdb c = pyssdb.Client('172 ...

  8. 解析Linux下\r\n的问题(回车和换行)

    http://www.jb51.net/article/37389.htm 深入解析Linux下\r\n的问题 http://www.ruanyifeng.com/blog/2006/04/post_ ...

  9. python全栈开发day17-常用模块collections,random,time,os,sys,序列化（json pickle shelve）

    1.昨日内容回顾 1.正则表达式     # 正则表达式 —— str           # 检测字符串是否符合要求     # 从大段的文字中找到符合要求的内容 1).元字符 #. # 匹配除换行 ...

  10. def 函数的不定长函数

    *args 不定长函数传值可直接传,也可以拆包传,参数默认为元组: 参数为字典的时候: