Matplotlib实现数据可视化

news2024/11/26 0:39:44

Matplotlib是Python中应用较为广泛的绘图工具之一，首次发布于2007年。它在函数设计上参考了MATLAB，因此名字以"Mat"开头，中间的"plot"代表绘图功能，结尾的"lib"表示它是一个集合。Matplotlib支持众多图形的绘制。

Matplotlib绘图流程：

  1. 准备数据
  2. 添加内容
  3. 绘制图形
  4. 保存/显示

一、折线图

1、实现AQI走势折线图

 import matplotlib.pyplot as plt
 import numpy as np
 ​
 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
 plt.rcParams['axes.unicode_minus'] = False
 # 1、准备数据
 data = np.loadtxt('../数据集/aqi_new.csv', delimiter=',', skiprows=1)
 x = data[:31, 2]  # 日期
 y = data[:31, -1]  # AQI
 # 2、添加内容
 plt.title("2017年1月份AQI走势图") 
 plt.xlabel("日期")                 
 plt.ylabel("AQI的值")     
 x_label = [str(int(i)) for i in x]  # 设置x轴名称
 plt.xticks(x, x_label)  # 设置x轴对应的刻度名称
 # 3、绘制图形
 plt.plot(x,y,c='red')
 # 4、显示图形
 plt.show()

常用标签和图形设置函数：

函数名描述
plt.title("标题内容")添加标题，可以指定标题名称、位置、颜色、字体大小等
plt.xlabel("名称")添加X轴名称
plt.ylabel("名称")添加Y轴名称
plt.xlim(left,right)指定当前图形X轴的范围，即确定一个数值区间
plt.ylim(left,right)指定当前图形Y轴的范围，即确定一个数值区间
plt.xticks(ticks,labels,rotation)获取或设置X轴的当前刻度位置和标签。ticks：刻度值，列表型。labels：放置在给定刻度线位置的标签。rotation：倾斜角度。
plt.yticks(ticks,labels)获取或设置Y轴的当前刻度位置和标签
plt.legend(title,loc)显示 图例。title：图例添加标题，列表型。loc：图例的位置，可以设置为'beast','upper right','upper left','lower left','lower right','right','center left','center right','lower center','upper center','center'
plt.grid()显示网格线
plt.savefig()保存为图片

2、图形的优化和美化

plot()函数的常用参数：

 plot(*args, scalex=True, scaley=True, data=None, **kwargs)
参数描述
*args一个可变位置参数
**kwargs一个可变长关键字参数。下面的x、y、fmt、c/color都属于可变长参数
x,yX轴和Y轴对应的数据。数组或列表
fmt一个格式字符串
c/color设置颜色
w设置线宽

fmt是一种格式字符串，由颜色、标记和线型三部分组成：

 fmt = '[color][market][line]'

常用颜色符号：

字符描述字符描述字符描述字符描述
'b'蓝色'r'红色'm'品红'k'黑色
'g'绿色'c'青色'y'黄色'w'白色

常用标记符号：

字符描述字符描述字符描述字符描述
'.'点'4'右箭头'H'六边形2'_'标记线
','像素's'正方形'+'加号'v'下三角
'o'圆圈'p'五边形'x'X号'^'上三角
'1'下箭头'P'加号'D'菱形'<'左三角
'2'上箭头'*'星号'd'小菱形'>'右三角
'3'左箭头'h'六边形1'|'垂直线

常用线型符号：

字符描述字符描述
'-'实线'-.'点画线
'--'长虚线':'短虚线
 # 红色长虚线，数据使用星号标记：
 plt.plot(x,y,"m--*")
 ​
 # 黑色点画线，数据使用五边形标记：
 plt.plot(x,y,"k-.D")
 ​
 # 蓝色短虚线，无数据标记
 plt.plot(x,y,"b:")      # 颜色，线型和标记都是可选项

3、添加注释

使用matplotlib.pyplot.annotate()函数可实现添加注释：

 matplotlib.pyplot.annotate(text, xy, *args,**kwargs)

annotate()函数常用参数：

参数描述
text注释的文本，字符串型
xy要注释的点，元组型，（x轴，y轴）
xytext注释文本所在的位置，元组型，（x轴，y 轴）
arrowprops设置在xy和xytext之间绘制箭头的样式，可选，字典型，可设置以下特征：width：箭头宽度。headwidth：箭头底部宽度。headlength：箭头长度。facecolor：填充颜色。edgecolor：边框颜色。
 # 使用箭头标注最小值所在位置：
 index = np.argmin(y)                # 获取y中最小值所对应的索引
 plt.annotate(text='最小值',                    # 注释的文本
              xy=(x[index], y[index]),
              xytext=(x[index], y[index] + 50),
              color='red',                       # 文字颜色
              arrowprops=dict(facecolor='g',     # 填充颜色
                              headlength=10,     # 箭头长度
                              headwidth=10,      # 箭头底部宽度
                              width=2,           # 箭头宽度
                              edgecolor='g',     # 边框颜色
                              )
              )

如果只是设置注释文本，可以使用matplotlib.pylot.text()函数实现：

 matplotlib.pylot.text(x, y, s, fontdict=None, **kwargs)

text()函数的常用参数：

参数描述
x,y放置文本的位置
s文本内容
color文本颜色
fontdict设置文字属性，字典型。设置的属性主要有以下几种：fontsize：文字大小。fontstyle：文字样式，可设置为'normal','italic','oblique'。fontfamily：字体，可设为字体名称、'serif','sans-serif','cursive','fantasy','monospace'。alpha：透明度，0~1的小数。rotation：文字的旋转角度，可设为数值、'vertical','horizontal'
 plt.text(12,350,"这是通过text设置的文字",
          color='red',
          fontdict={
              "fontsize":15,             # 文字大小
              "fontfamily":"sans-serif", # 字体
              "alpha":0.5                # 透明度
              "rotation":15              # 倾斜15度
          })

二、条形图

1、条形图

import numpy as np
import matplotlib.pyplot as plt
# 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
plt.rcParams['axes.unicode_minus'] = False
# 1、读取数据
data = np.loadtxt('../数据集/aqi_new.csv',delimiter=',',dtype=float,skiprows=1)
x = np.arange(1,21) 		# 日期1-22
y = data[:20,3] 			# PM2.5
# 2、添加内容
plt.title("2017年1月份（前20天）AQI走势图")	   # 设置标题
plt.xlabel("日期")							# 设置X轴名称
plt.ylabel("PM2.5的值")						# 设置Y轴名称
# 3、绘制图形
x_label = [str(int(i)) for i in x]  # 设置x轴刻度标签
plt.bar(x,y,						# X，Y轴坐标值
        facecolor="g",				# 条形框的填充色
        edgecolor="b",				# 条形框的边框色
        align="center",				# 条形框与X轴刻度的对齐方式
        tick_label=x_label,			# 显示在X轴刻度上的文字
        alpha=0.6					# 透明度
        )
# 4、显示图形
plt.show()

matplotlib.pyplot.bar()函数可以实现条形图的绘制：

matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align='center',data=None, **kwargs)

bar()函数的常用参数：

参数描述
x,heightX轴和Y轴对应的数据
width条形框的宽度，默认值为0.8
align设置条形框与刻度线的对齐方式，默认为'center'。'center'：条形图中央与刻度线对齐。'edge'：条形图左边缘与刻度线对齐
facecolor填充颜色
edgecolor边框颜色
tick_label设置与X轴刻度对应的文字，默认使用数字标签

2、堆叠条形图

import numpy as np
import matplotlib.pyplot as plt
# 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
plt.rcParams['axes.unicode_minus'] = False
# 1、读取数据
data = np.loadtxt('../数据集/aqi_new.csv',delimiter=',',dtype=float,skiprows=1)
x = np.arange(1,21) # 日期1-22
pm25_1 = data[:20,3]	# 1月份PM2.5
pm25_2 = data[32:52,3]	# 2月份PM2.5
# 2、添加内容
plt.title("2017年1月份和2月份前20天PM2.5比较")	# 设置标题
plt.xlabel("日期")							 # 设置X轴名称
plt.ylabel("PM2.5的值")						 # 设置Y轴名称
x_label = [str(int(i)) for i in x]  		  # 设置x轴刻度标签
plt.xticks(x,x_label,rotation=45)			  # 设置X轴的位置、刻度线和倾斜度
# 3、绘制图形
plt.bar(x,pm25_1,color='r',alpha=0.6)
plt.bar(x,pm25_2,color='g',alpha=0.6)
plt.legend(['1月份','2月份'])
# 4、展示图形
plt.show()

需要注意的是，plt.legend()一定要在绘制图形代码的后面，否则无法显示

3、并排条形图

import numpy as np
import matplotlib.pyplot as plt
# 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
plt.rcParams['axes.unicode_minus'] = False
# 1、读取数据
data = np.loadtxt('../数据集/aqi_new.csv',delimiter=',',dtype=float,skiprows=1)
bw = 0.3 # 设置条形框的宽度
x=np.arange(1,21)  # 日期1-20
x2=x+bw # 设置PM10的条形图的位置
pm25 = data[:20,3]      # 1月份PM2.5
pm10 = data[:20,4]      # 1月份PM10
# 2、添加内容
plt.title("2017年1月份前20天PM2.5和PM10比较")    # 设置标题
plt.xlabel("日期")                             # 设置X轴名称
plt.ylabel("PM2.5或PM10的值")                  # 设置Y轴名称
x_label = [str(int(i)) for i in x]            # 设置x轴刻度标签
plt.xticks(x+bw/2,x_label,rotation=45)         # 设置x轴刻度和刻度标签
# 3、绘制图形
plt.bar(x,pm25,color='r',width=bw)
plt.bar(x2,pm10,color='g',width=bw)
plt.legend(['PM2.5','PM10'])
# 4、展示图形
plt.show()

三、散点图

scatter()函数实现散点图：

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None,vmin=None, vmax=None, alpha=None, linewidths=None, *,edgecolors=None, plotnonfinite=False, data=None, **kwargs)

scatter()函数的常用参数：

参数描述
x,yX轴和Y轴对应的数据
s指定点的大小
c设置颜色
market绘制的点的形状
alpha点的透明度，取值为0-1的小数

import matplotlib.pyplot as plt
import numpy as np
# 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
plt.rcParams['axes.unicode_minus'] = False
# 准备数据
data = np.loadtxt('../数据集/aqi_new.csv', delimiter=',', skiprows=1)
# 1、准备数据
aqi = data[:366,-1]
pm25 = data[:366,3]
pm10 = data[:366,4]
# 2。添加内容
plt.title("2017年PM2.5、PM10与AQI关系散点图")
plt.xlabel("各指标值")
plt.ylabel("AQI的值")
# 3、绘制图形
plt.scatter(pm25,aqi,c='r',marker='*')
plt.scatter(pm10,aqi,c='g',marker='o')
plt.legend(['PM2.5','PM10'])
# 4、显示图形
plt.show()

四、子图

子图是将画布切割为多个网格区域，每个区域独立展示图形的格式。子图可以同时展示多个图形，并能清晰、直观地比较图形之间的差异。

import matplotlib.pyplot as plt
import numpy as np
# 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
plt.rcParams['axes.unicode_minus'] = False
# 1、准备数据
data = np.loadtxt('../数据集/aqi_new.csv', delimiter=',', skiprows=1)
aqi = data[:200, -1]
pm25 = data[:200, 3]
pm10 = data[:200, 4]
SO2 = data[:200, 5]
NO2 = data[:200, 6]
CO = data[:200, 7]
O3 = data[:200, 8]
# 2、绘制子图
plt.figure(figsize=(12, 10))    # 创建图形，figsize用于设置图形宽和高，单位为英寸
# 子图1
plt.subplot(221)      # 子图位置在2*2网格中的第一格
plt.title("PM2.5、PM10与AQI关系散点图")
plt.scatter(pm25,aqi,c='r',marker='*')
plt.scatter(pm10,aqi,c='g',marker='o')
plt.legend(['PM2.5','PM10'])
# 子图2
plt.subplot(222)
plt.title("SO2、NO2与AQI关系散点图")
plt.scatter(SO2,aqi,c='r',marker='*')
plt.scatter(NO2,aqi,c='g',marker='o')
plt.legend(['SO2','NO2'])
# 子图3
plt.subplot(2,2,3)
plt.title("CO与AQI关系散点图")
plt.scatter(CO,aqi,c='r',marker='*')
# 子图4
plt.subplot(2,2,4)
plt.title("O3与AQI关系散点图")
plt.scatter(O3,aqi,c='r',marker='*')
plt.show()

五、饼图

使用matplotlib.pyplot.pie()函数实现饼图的绘制：

matplotlib.pyplot.pie(
    x, explode=None, labels=None, colors=None, autopct=None,
    pctdistance=0.6, shadow=False, labeldistance=1.1,
    startangle=0, radius=1, counterclock=True, wedgeprops=None,
    textprops=None, center=(0, 0), frame=False,
    rotatelabels=False, *, normalize=True, hatch=None, data=None)

pie()函数的常用参数：

参数描述
x绘制“饼”的数据，array型
explode脱离圆心的幅度，取值范围0-1,1表示完全脱离
labels指定每一项的名称，array型
colors指定每一项的颜色，string型或array型，默认为None
autopct数值的显示方式，string型，默认为None
shadow是否显示阴影效果，默认为False
startangle逆时针的旋转角度，float型，默认为0
radius指定饼图的半径，float型，默认值为1

 

import matplotlib.pyplot as plt
import numpy as np
 # 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei'] 
plt.rcParams['axes.unicode_minus'] = False
# 准备数据
data = np.loadtxt('../数据集/aqi_new.csv', delimiter=',', skiprows=1)
aqi = data[:366,-1]
l1 = len(aqi[aqi<=50])  # 优
l2 = len(aqi[np.logical_and(aqi>50,aqi<=100)])  # 良
l3 = len(aqi[np.logical_and(aqi>100,aqi<=150)])  # 轻度污染
l4 = len(aqi[np.logical_and(aqi>150,aqi<=200)])  # 中度污染
l5 = len(aqi[np.logical_and(aqi>200,aqi<=300)])  # 重度污染
l6 = len(aqi[aqi>300])  # 严重污染
# 绘制图形
plt.title('2017年空气质量占比图')
plt.pie(
    x=[l1,l2,l3,l4,l5,l6],
    explode=[0,0,0,0,0,0.1],
    labels=['优','良','轻度污染','中度污染','重度污染','严重污染'],
    colors=['b','g','r','c','m','y'],
    autopct="%1.1f%%",
    shadow=True
)
plt.show()

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1582720.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

CLion图像调试方法研究

CLion图像调试方法研究

在windows下有vistual studio，针对opencv有image watch，在ubuntu下用Clion插件Image Watch要收费，遂研究OpenImageDebugger与CLion问题及在Clion中调试方法 1.Open Image Debugger Open Image Debugger is a tool for visualizing in-memory buffers during debug sessions…
阅读更多...
arcgis使用面shp文件裁剪线shp文件报错

arcgis使用面shp文件裁剪线shp文件报错

水系数据裁剪&#xff0c;输出为空&#xff1a; ArcGIS必会的几个工具的应用 --提取、分割、融合、裁剪&#xff08;矢&#xff09;、合并、追加、镶嵌、裁剪&#xff08;栅&#xff09;、重采样_arcgis分割-CSDN博客 下面的方法都不行&#xff1a; ArcGIS Clip&#xff08;裁…
阅读更多...
ZYNQ学习之Petalinux 设计流程实战

ZYNQ学习之Petalinux 设计流程实战

基本都是摘抄正点原子的文章&#xff1a;<领航者 ZYNQ 之嵌入式Linux 开发指南 V3.2.pdf&#xff0c;因初次学习&#xff0c;仅作学习摘录之用&#xff0c;有不懂之处后续会继续更新~ PetaLinux工具提供了在 Xilinx 处理系统上自定义、构建和部署嵌入式 Linux 解决方案所需的…
阅读更多...
C语言进阶课程学习记录-第27课 - 数组的本质分析

C语言进阶课程学习记录-第27课 - 数组的本质分析

C语言进阶课程学习记录-第27课 - 数组的本质分析 数组实验-数组元素个数的指定实验-数组地址与数组首元素地址实验-指针与数组地址的区别小结 本文学习自狄泰软件学院 唐佐林老师的 C语言进阶课程&#xff0c;图片全部来源于课程PPT&#xff0c;仅用于个人学习记录 数组 实验-数…
阅读更多...
Android 13 aosp 预置三方应用apk

Android 13 aosp 预置三方应用apk

前提条件 编译启动 launch 选择了 sdk_pc_x86_64-userdebug 该版本 添加一个三方预置应用 Android_source/vendor/third_party/MdmLib/MdmLib.apk 配置三方应用对应的Android.mk Android_source/vendor/third_party/MdmLib/Android.mk LOCAL_PATH : $(call my-dir)include $(CL…
阅读更多...
突如其来：OpenAI分家的Anthropic公司悄悄地释放出他们的秘密武器——Claude3

突如其来：OpenAI分家的Anthropic公司悄悄地释放出他们的秘密武器——Claude3

突如其来的消息&#xff0c;OpenAI分家的Anthropic公司悄悄地释放出他们的秘密武器——Claude3 这货居然在默默无闻中一举超越了GPT-4的地位。没发布会&#xff0c;没吹牛逼&#xff0c;就发了一帖子。 字少&#xff0c;事大。 Claude3独挡一面的推理能力 Anthropic推出了三款…
阅读更多...
Linux--进程的概念（一）

Linux--进程的概念（一）

目录 一、冯诺依曼体系结构二、操作系统2.1 什么是操作系统2.2 操作系统的意义 三、进程3.1 进程的基本概念3.2 描述进程——PCB3.3 进程和程序的区别3.4 task_struct-PCB的一种3.5 task_struct的内容分类 四、如何查看进程4.1 通过系统文件查看进程4.2 通过ps指令查看进程 五、…
阅读更多...
nginxWebUI配置conf

nginxWebUI配置conf

在左边相应位置写入要修改的语句后&#xff0c;依次点击“校验文件”、“替换文件”、“重新装载”即可重启conf
阅读更多...
前端mock数据——使用mockjs进行mock数据

前端mock数据——使用mockjs进行mock数据

前端mock数据——使用mockjs进行mock数据 一、安装二、mockjs的具体使用 一、安装 首选需要有nodejs环境安装mockjs&#xff1a;npm install mockjs 若出现像上图这样的错&#xff0c;则只需npm install mockjs --legacy-peer-deps即可 src下新建mock文件夹&#xff1a; mo…
阅读更多...
HTML+CSS+JS实现京东首页[web课设代码+模块说明+效果图]

HTML+CSS+JS实现京东首页[web课设代码+模块说明+效果图]

系列文章目录 文章目录 系列文章目录前言一、HTML结构图二、CSS部分代码图三、每部分效果图展示3.1 导航栏、头部搜索栏效果图3.2 中心区域商品展示效果图3.3 秒杀区和特惠区域效果图3.4 页脚&#xff08;底部导航、版权信息、技术支持等内容&#xff09;效果图 总结 前言 用时…
阅读更多...
RAG 修炼手册｜一文讲透 RAG 背后的技术

RAG 修炼手册｜一文讲透 RAG 背后的技术

在之前的文章中《RAG 修炼手册&#xff5c;RAG敲响丧钟&#xff1f;大模型长上下文是否意味着向量检索不再重要》&#xff0c;我们已经介绍过 RAG 对于解决大模型幻觉问题的不可或缺性&#xff0c;也回顾了如何借助向量数据库提升 RAG 实战效果。 今天我们继续剖析 RAG&#xf…
阅读更多...
统一用安卓Studio修改项目包名

统一用安卓Studio修改项目包名

可以逃跑&#xff0c;可以哭泣&#xff0c;但不可以放弃 --《鬼灭之刃》 修改项目包名 1&#xff09;选中项目中药修改的包名&#xff1a; 2)目结构显示方式&#xff0c;取消 Compact Middle Packages 选项&#xff1b; 3)右键要修改的包名&#xff0c;选择 Refactor —— Re…
阅读更多...
企业焦急等待！湖北交安ABC证为何迟迟不开考？

企业焦急等待！湖北交安ABC证为何迟迟不开考？

企业焦急等待&#xff01;湖北交安ABC证为何迟迟不开考&#xff1f; 2024年湖北公路水运安全员ABC交安ABC证为何迟迟不开考 2024年湖北交安ABC预计考核大概时间是6月份&#xff0c;以往每年4月份就开始发布考核计划&#xff0c;年初交安ABC报名系统更新维护&#xff0c;一直没…
阅读更多...
书生·浦语大模型第二期实战营第二课笔记和基础作业

书生·浦语大模型第二期实战营第二课笔记和基础作业

来源&#xff1a; 作业要求:Homework - Demo 文档教程:轻松玩转书生浦语大模型趣味 Demo B站教程:轻松玩转书生浦语大模型趣味 Demo 1. 笔记 2.基础作业 2.1 作业要求 2.2 算力平台 2.3 新建demo目录&#xff0c;以及新建目录下的文件&#xff0c;下载模型参数 2.4 Intern…
阅读更多...
异常处理过程和范例

异常处理过程和范例

目录 异常定义 异常关联 异常捕获与处理 查询 emp 数据表中工作岗位是 MANAGER 的员工信息&#xff0c;如果不存在这个员工&#xff0c;则输出“没有数据记录返回”&#xff0c;如果存在多个记录&#xff0c;则输出“返回数据记录超过一行” 更新数据表 emp 中部门编号&am…
阅读更多...
Proxmox VE qm 方式备份虚拟机

Proxmox VE qm 方式备份虚拟机

前言 使用qm 备份Proxmox VE虚拟机&#xff0c;高效便捷。 登录Proxmox VE shell 执行备份操作 备份建议关闭虚拟机 qm shutdown 虚拟机名称号--compress 备份格式 0(代表vma格式) gzip lzo zstd--storage local&#xff08;备份的位置&#xff09;备份默认位置/var/lib/…
阅读更多...
1130 - Host ‘36.161.238.56‘ is not allowed to connect to this MySQL server如何处理

1130 - Host ‘36.161.238.56‘ is not allowed to connect to this MySQL server如何处理

1、背景 我在阿里云的ecs安装好了mysql&#xff0c;并且已经安装成功了&#xff0c;我使用navcat客户端连接自己的mysql的时候&#xff0c;却报错&#xff1a;1130 - Host 36.161.238.56 is not allowed to connect to this MySQL server 2、解决 2.1 在服务器终端使用命令行…
阅读更多...
Savitzky-Golay滤波器基本原理

Savitzky-Golay滤波器基本原理

本文介绍Savitzky-Golay滤波器基本原理。 Savitzky-Golay滤波器&#xff08;简称为S-G滤波器&#xff09;被广泛地运用于数据平滑去噪&#xff0c;它是一种在时域内基于局域多项式最小二乘法拟合的滤波方法。这种滤波器最大的特点在于在滤除噪声的同时确保信号的形状&#xff…
阅读更多...
基于Web的农产品销售管理系统

基于Web的农产品销售管理系统

1 课题简介 1.1 选题背景 自宇宙出现盘古开天依赖&#xff0c;万事万物就在不断的进步更新淘汰弱者&#xff0c;现在到了如今人们进入了互联网上帝世纪&#xff0c;越来越多的事物和工作都可以在网上用数据流代替和执行&#xff0c;不必再像以前一样亲自出面和出门做事&#…
阅读更多...
文件上传 = 拖拽 + 多文件 + 文件夹

文件上传 = 拖拽 + 多文件 + 文件夹

❝ 从前往后看都是努力&#xff0c;从后往前看都是命运 ❞ 大家好&#xff0c;我是「柒八九」。一个「专注于前端开发技术/Rust及AI应用知识分享」的Coder 前言 今天呢&#xff0c;和大家聊点耳熟能详的东西。「文件上传」。 讲到这里&#xff0c;大家不要嗤之以鼻&#xff0c;…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023