【Python数据分析与可视化】：使用【Matplotlib】实现销售数据的全面分析 ——【Matplotlib】数模学习

news2024/11/26 15:51:04

目录

安装Matplotlib

1.打开PyCharm：

2.打开终端：

3.安装Matplotlib：

4.确认安装：

导入Matplotlib

创建简单的折线图

代码解析：

创建子图

代码解析：

创建柱状图

代码解析：

创建散点图

代码解析：

创建直方图

代码解析：

多图形组合

代码解析：

保存图形

代码解析：

结论

实战案例：数据分析与可视化

数据集说明

1. 导入库和数据准备

2. 折线图：展示销售趋势

代码解析：

3. 柱状图：展示销售和费用比较

代码解析：

4. 散点图：展示客户数量与销售额关系

代码解析：

5. 直方图：展示销售额分布

代码解析：

6. 组合图：展示多种数据

代码解析：

 

专栏：数学建模学习笔记

pycharm专业版免费激活教程见资源

python相关库的安装：pandas,numpy,matplotlib，statsmodels

总篇：【数学建模】—【新手小白到国奖选手】—【学习路线】

第一卷：【数学建模】—【Python库】—【Numpy】—【学习】

第二卷：【数学建模】——【python库】——【Pandas学习】

本章属于第三卷Matplotlib的学习

安装Matplotlib

在开始使用Matplotlib之前，必须先在你的Python环境中安装它。PyCharm提供了一种方便的方法来安装第三方库。下面是如何在PyCharm中安装Matplotlib的详细步骤：

1.打开PyCharm：

  • 打开PyCharm并创建或打开一个现有的项目。

2.打开终端：

  • 点击右下角的Terminal标签以打开终端窗口。

3.安装Matplotlib：

在终端中输入以下命令并按Enter键：

pip install matplotlib

4.确认安装：

import matplotlib.pyplot as plt

你可以通过再次在终端中运行以下命令来确认安装是否成功：

pip show matplotlib

导入Matplotlib

安装成功后，你需要在你的Python脚本中导入Matplotlib库。通常我们会使用以下导入语句：

  • matplotlib.pyplot 是Matplotlib库中的一个子模块，它提供了类似于MATLAB的绘图接口。
  • plt 是一个常见的缩写，用于简化代码书写。

创建简单的折线图

折线图是一种显示数据变化趋势的基本图表类型。以下是一个创建简单折线图的详细步骤和代码解析：

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 创建图形
plt.plot(x, y)

# 添加标题和标签
plt.title('Simple Line Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

# 显示图形
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 数据准备：创建两个列表x和y，分别表示横轴和纵轴的数据点。
  3. 创建图形：使用plt.plot(x, y)方法绘制折线图。plot方法的第一个参数是x轴数据，第二个参数是y轴数据。
  4. 添加标题和标签：使用plt.title方法添加图形的标题，使用plt.xlabel和plt.ylabel方法为横轴和纵轴添加标签。
  5. 显示图形：使用plt.show()方法显示图形。

创建子图

子图用于在同一个图形窗口中展示多个图表。以下是一个创建两个子图的详细示例：

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y1 = [2, 3, 5, 7, 11]
y2 = [1, 4, 6, 8, 10]

# 创建子图
fig, (ax1, ax2) = plt.subplots(2, 1)

# 第一个子图
ax1.plot(x, y1)
ax1.set_title('First Subplot')

# 第二个子图
ax2.plot(x, y2)
ax2.set_title('Second Subplot')

# 调整布局
plt.tight_layout()

# 显示图形
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 数据准备：创建三个列表x、y1和y2，分别表示两个子图的x轴和y轴数据。
  3. 创建子图：使用plt.subplots方法创建一个包含两个子图的图形。plt.subplots(2, 1)表示创建一个两行一列的子图布局，fig是图形对象，ax1和ax2是两个子图对象。
  4. 绘制子图：分别使用ax1.plot和ax2.plot方法绘制两个子图。
  5. 添加标题：分别使用ax1.set_title和ax2.set_title方法为两个子图添加标题。
  6. 调整布局：使用plt.tight_layout()方法自动调整子图布局，使其不重叠。
  7. 显示图形：使用plt.show()方法显示图形。

创建柱状图

柱状图用于展示分类数据的分布。以下是一个创建简单柱状图的详细示例：

import matplotlib.pyplot as plt

# 数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [5, 7, 3, 8, 6]

# 创建柱状图
plt.bar(categories, values)

# 添加标题和标签
plt.title('Simple Bar Chart')
plt.xlabel('Categories')
plt.ylabel('Values')

# 显示图形
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 数据准备：创建两个列表categories和values，分别表示分类和对应的值。
  3. 创建柱状图：使用plt.bar(categories, values)方法创建柱状图。第一个参数是分类，第二个参数是对应的值。
  4. 添加标题和标签：使用plt.title方法添加图形的标题，使用plt.xlabel和plt.ylabel方法为横轴和纵轴添加标签。
  5. 显示图形：使用plt.show()方法显示图形。

创建散点图

散点图用于显示两个变量之间的关系。以下是一个创建简单散点图的详细示例：

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 创建散点图
plt.scatter(x, y)

# 添加标题和标签
plt.title('Simple Scatter Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

# 显示图形
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 数据准备：创建两个列表x和y，分别表示横轴和纵轴的数据点。
  3. 创建散点图：使用plt.scatter(x, y)方法创建散点图。scatter方法的第一个参数是x轴数据，第二个参数是y轴数据。
  4. 添加标题和标签：使用plt.title方法添加图形的标题，使用plt.xlabel和plt.ylabel方法为横轴和纵轴添加标签。
  5. 显示图形：使用plt.show()方法显示图形。

创建直方图

直方图用于展示数据的频率分布。以下是一个创建简单直方图的详细示例：

import matplotlib.pyplot as plt

# 数据
data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]

# 创建直方图
plt.hist(data, bins=5, edgecolor='black')

# 添加标题和标签
plt.title('Simple Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 显示图形
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 数据准备：创建一个列表data，表示数据样本。
  3. 创建直方图：使用plt.hist(data, bins=5, edgecolor='black')方法创建直方图。hist方法的第一个参数是数据样本，bins参数表示直方图的柱子数量，edgecolor参数设置柱子的边框颜色。
  4. 添加标题和标签：使用plt.title方法添加图形的标题，使用plt.xlabel和plt.ylabel方法为横轴和纵轴添加标签。
  5. 显示图形：使用plt.show()方法显示图形。

多图形组合

在同一个图形中组合多种不同类型的图形可以让你更全面地展示数据。以下是一个组合折线图和散点图的详细示例：

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y1 = [1, 4, 9, 16, 25]
y2 = [1, 3, 6, 10, 15]

# 创建图形和子图
fig, ax1 = plt.subplots()

# 绘制第一个数据集
ax1.plot(x, y1, 'g-')  # 绿色实线
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')

# 创建第二个Y轴
ax2 = ax1.twinx()
ax2.plot(x, y2, 'b--')  # 蓝色虚线
ax2.set_ylabel('Y2 data', color='b')

# 添加标题
plt.title('Multiple Data Sets')

# 显示图形
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 数据准备：创建三个列表x、y1和y2，分别表示两个数据集的x轴和y轴数据。
  3. 创建图形和子图：使用plt.subplots()方法创建图形和子图对象。fig是图形对象，ax1是第一个子图对象。
  4. 绘制第一个数据集：使用ax1.plot(x, y1, 'g-')方法绘制第一个数据集。参数'g-'表示绿色实线。
  5. 设置第一个Y轴标签：使用ax1.set_xlabel和ax1.set_ylabel方法设置第一个子图的x轴和y轴标签，color参数设置标签颜色。
  6. 创建第二个Y轴：使用ax1.twinx()方法创建第二个Y轴。
  7. 绘制第二个数据集：使用ax2.plot(x, y2, 'b--')方法绘制第二个数据集。参数'b--'表示蓝色虚线。
  8. 设置第二个Y轴标签：使用ax2.set_ylabel方法设置第二个子图的y轴标签，color参数设置标签颜色。
  9. 添加标题：使用plt.title方法为整个图形添加标题。
  10. 显示图形：使用plt.show()方法显示图形。

保存图形

创建图形后，你可能需要将其保存到文件中。Matplotlib允许你将图形保存为多种格式，包括PNG、PDF、SVG等。以下是一个保存图形为PNG文件的详细示例：

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 创建图形
plt.plot(x, y)

# 添加标题和标签
plt.title('Simple Line Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

# 保存图形
plt.savefig('line_plot.png')

# 显示图形
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 数据准备：创建两个列表x和y，分别表示横轴和纵轴的数据点。
  3. 创建图形：使用plt.plot(x, y)方法绘制折线图。
  4. 添加标题和标签：使用plt.title方法添加图形的标题，使用plt.xlabel和plt.ylabel方法为横轴和纵轴添加标签。
  5. 保存图形：使用plt.savefig('line_plot.png')方法将图形保存为PNG文件。你可以根据需要更改文件名和文件格式，例如line_plot.pdf或line_plot.svg。
  6. 显示图形：使用plt.show()方法显示图形。

结论

Matplotlib是一个功能强大且灵活的Python库，非常适合用于数学建模和数据可视化。通过以上详细的示例和解析，你可以掌握Matplotlib的基本用法，并在实际项目中应用这些技能进行数据分析和展示。随着你对Matplotlib的深入了解，你可以进一步探索更多高级功能，如自定义图形样式、添加图例、调整图形布局等，使你的图形更具专业性和表现力。

实战案例：数据分析与可视化

为了更好地理解和应用Matplotlib，我们将通过一个实际案例来展示如何使用Matplotlib进行数据分析与可视化。我们将分析一个虚构的数据集，该数据集包含某家公司在不同月份的销售数据，并展示如何绘制折线图、柱状图、散点图、直方图和组合图。

数据集说明

我们假设有一个包含以下信息的数据集：

  • month: 月份（1月到12月）
  • sales: 销售额（单位：千元）
  • expenses: 费用（单位：千元）
  • customers: 客户数量

数据如下：

data = {
    'month': ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'],
    'sales': [20, 34, 30, 35, 27, 25, 30, 32, 31, 29, 28, 35],
    'expenses': [12, 17, 18, 23, 22, 19, 20, 21, 19, 20, 18, 22],
    'customers': [200, 240, 230, 250, 220, 210, 230, 240, 235, 220, 215, 250]
}

1. 导入库和数据准备

首先，导入必要的库并准备数据：

import matplotlib.pyplot as plt

data = {
    'month': ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'],
    'sales': [20, 34, 30, 35, 27, 25, 30, 32, 31, 29, 28, 35],
    'expenses': [12, 17, 18, 23, 22, 19, 20, 21, 19, 20, 18, 22],
    'customers': [200, 240, 230, 250, 220, 210, 230, 240, 235, 220, 215, 250]
}

2. 折线图：展示销售趋势

折线图适合用来展示数据随时间的变化趋势。我们来绘制销售额随月份变化的折线图：

plt.plot(data['month'], data['sales'], marker='o', linestyle='-', color='b')
plt.title('Monthly Sales')
plt.xlabel('Month')
plt.ylabel('Sales (in thousands)')
plt.grid(True)
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 准备数据：使用字典形式准备数据。
  3. 绘制折线图：使用plt.plot方法绘制折线图，marker='o'表示数据点使用圆形标记，linestyle='-'表示实线，color='b'表示蓝色。
  4. 添加标题和标签：使用plt.title、plt.xlabel和plt.ylabel方法添加图形标题和轴标签。
  5. 显示网格：使用plt.grid(True)方法显示网格线。
  6. 显示图形：使用plt.show()方法显示图形。

3. 柱状图：展示销售和费用比较

柱状图适合用来比较不同类别的数据。我们来绘制销售额和费用的柱状图：

import numpy as np

# 设置柱的宽度和位置
bar_width = 0.35
index = np.arange(len(data['month']))

# 创建柱状图
plt.bar(index, data['sales'], bar_width, label='Sales', color='b')
plt.bar(index + bar_width, data['expenses'], bar_width, label='Expenses', color='r')

# 添加标题和标签
plt.xlabel('Month')
plt.ylabel('Amount (in thousands)')
plt.title('Sales vs Expenses')
plt.xticks(index + bar_width / 2, data['month'])
plt.legend()

# 显示图形
plt.show()

代码解析：

  1. 导入库：除了matplotlib.pyplot，还需要导入numpy来处理数组和索引。
  2. 设置柱的宽度和位置：使用bar_width设置每个柱子的宽度，使用np.arange创建一个数组表示每个柱子的x轴位置。
  3. 创建柱状图：使用plt.bar方法绘制柱状图，第一个参数是x轴位置，第二个参数是数据值，bar_width设置柱子的宽度，label设置图例标签，color设置颜色。
  4. 添加标题和标签：使用plt.xlabel、plt.ylabel和plt.title方法添加图形标题和轴标签。
  5. 设置x轴刻度：使用plt.xticks方法设置x轴刻度的位置和标签。
  6. 添加图例：使用plt.legend()方法显示图例。
  7. 显示图形：使用plt.show()方法显示图形。

 

 

4. 散点图：展示客户数量与销售额关系

散点图适合用来展示两个变量之间的关系。我们来绘制客户数量与销售额的散点图：

plt.scatter(data['customers'], data['sales'], color='g')
plt.title('Customers vs Sales')
plt.xlabel('Number of Customers')
plt.ylabel('Sales (in thousands)')
plt.grid(True)
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 准备数据：使用字典形式准备数据。
  3. 绘制散点图：使用plt.scatter方法绘制散点图，第一个参数是x轴数据，第二个参数是y轴数据，color参数设置数据点颜色。
  4. 添加标题和标签：使用plt.title、plt.xlabel和plt.ylabel方法添加图形标题和轴标签。
  5. 显示网格：使用plt.grid(True)方法显示网格线。
  6. 显示图形：使用plt.show()方法显示图形。

 

 

5. 直方图：展示销售额分布

直方图适合用来展示数据的频率分布。我们来绘制销售额的直方图：

plt.hist(data['sales'], bins=5, edgecolor='black')
plt.title('Sales Distribution')
plt.xlabel('Sales (in thousands)')
plt.ylabel('Frequency')
plt.grid(True)
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 准备数据：使用字典形式准备数据。
  3. 绘制直方图：使用plt.hist方法绘制直方图，第一个参数是数据样本，bins参数设置直方图的柱子数量，edgecolor参数设置柱子的边框颜色。
  4. 添加标题和标签：使用plt.title、plt.xlabel和plt.ylabel方法添加图形标题和轴标签。
  5. 显示网格：使用plt.grid(True)方法显示网格线。
  6. 显示图形：使用plt.show()方法显示图形。

6. 组合图：展示多种数据

组合图可以同时展示多种类型的数据。我们来创建一个组合图，包含折线图和柱状图：

fig, ax1 = plt.subplots()

# 折线图：销售额
ax1.plot(data['month'], data['sales'], 'b-', marker='o', label='Sales')
ax1.set_xlabel('Month')
ax1.set_ylabel('Sales (in thousands)', color='b')
ax1.tick_params('y', colors='b')

# 创建第二个Y轴
ax2 = ax1.twinx()
ax2.bar(data['month'], data['expenses'], alpha=0.6, color='r', label='Expenses')
ax2.set_ylabel('Expenses (in thousands)', color='r')
ax2.tick_params('y', colors='r')

# 添加标题
plt.title('Monthly Sales and Expenses')

# 添加图例
fig.tight_layout()
fig.legend(loc='upper left', bbox_to_anchor=(0.1,0.9))

# 显示图形
plt.show()

代码解析：

  1. 导入库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 准备数据：使用字典形式准备数据。
  3. 创建图形和子图：使用plt.subplots()方法创建图形和子图对象。fig是图形对象，ax1是第一个子图对象。
  4. 绘制折线图：使用ax1.plot方法绘制折线图，设置折线图颜色和标记样式。
  5. 设置第一个Y轴标签：使用ax1.set_xlabel和ax1.set_ylabel方法设置第一个子图的x轴和y轴标签，color参数设置标签颜色。
  6. 创建第二个Y轴：使用ax1.twinx()方法创建第二个Y轴。
  7. 绘制柱状图：使用ax2.bar方法绘制柱状图，设置柱状图颜色和透明度。
  8. 设置第二个Y轴标签：使用ax2.set_ylabel方法设置第二个子图的y轴标签，color参数设置标签颜色。
  9. 添加标题：使用plt.title方法为整个图形添加标题。
  10. 调整布局和添加图例：使用fig.tight_layout()方法自动调整布局，使用fig.legend方法添加图例，设置图例的位置。
  11. 显示图形：使用plt.show()方法显示图形。

 

 

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/1873153.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

初识DDD

初识DDD

DDD领域驱动设计 1 DDD是什么？ 领域驱动设计（Domain-Driven Design, DDD）是一种软件设计方法论，旨在处理复杂的业务需求和系统设计。由Eric Evans在他的同名书中提出，DDD关注将业务需求和软件架构紧密结合&#xff0…
阅读更多...
算法设计与分析--近似算法作业及答案

算法设计与分析--近似算法作业及答案

近似算法作业题目 1 k-center 近似算法题目描述参考答案解答 题目 2 均衡负载算法题目描述参考答案解答 题目 3 多项式归约题目描述参考答案解答 近似算法–徐小华 近似算法作业 题目 1 k-center 近似算法 题目描述 问题 1：假设给定 n n n 个指定的城市在一个平…
阅读更多...
findfont: Generic family ‘sans-serif‘ not found because none of the ...: SimHei

findfont: Generic family ‘sans-serif‘ not found because none of the ...: SimHei

警告过程 python代码在使用matplotlib画图时，如果在title，xlabel，ylabel中出现了中文，则会出现字体警告，中文字符显示为方框 例如代码： # matplotlib画图# 设置色带plt.imshow(data, cmapplt.cm.YlGn) #…
阅读更多...
Python基于逻辑回归分类模型、决策树分类模型、随机森林分类模型和XGBoost分类模型实现乳腺癌分类预测项目实战

Python基于逻辑回归分类模型、决策树分类模型、随机森林分类模型和XGBoost分类模型实现乳腺癌分类预测项目实战

说明：这是一个机器学习实战项目（附带数据代码文档视频讲解），如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景 在当今医疗健康领域，乳腺癌作为威胁女性健康的主要恶性肿瘤之一，其早期诊断与精…
阅读更多...
仓库管理系统16--入库管理

仓库管理系统16--入库管理

原创不易&#xff0c;打字不易&#xff0c;截图不易&#xff0c;多多点赞&#xff0c;送人玫瑰&#xff0c;留有余香&#xff0c;财务自由明日实现。 1、创建物资入库用户控件 <UserControl x:Class"West.StoreMgr.View.InStoreView"xmlns"http://schema…
阅读更多...
市场拓展招聘：完整指南

市场拓展招聘：完整指南

扩大招聘业务会给你带来很多挑战&#xff0c;更不用说你已经在处理的问题了。助教专业人士每周花近13个小时为一个角色寻找候选人。此外&#xff0c;客户的需求也在不断变化&#xff0c;招聘机构之间的竞争也在加剧。毫无疑问&#xff0c;对增长有战略的方法会有很大的帮助。一…
阅读更多...
RocketMq源码解析九：刷盘机制及过期文件删除

RocketMq源码解析九：刷盘机制及过期文件删除

一、刷盘机制 刷盘策略在不同时间进行刷写磁盘。RocketMQ的存储是基于JDK NIO的内存映射机制(MappedByteBuffer)的，消息存储首先将消息追加到内存，再根据配置的刷写磁盘 同步刷盘表示消息追加到内存后，立即将数据刷写到文件系统中。代码的调用链如下： submi…
阅读更多...
web使用cordova打包Andriod

web使用cordova打包Andriod

一.安装Gradel 1.下载地址 Gradle Distributions 2.配置环境 3.测试是否安装成功 在cmd gradle -v 二.创建vite项目 npm init vitelatest npm install vite build 三.创建cordova项目 1.全局安装cordova npm install -g cordova 2. 创建项目 cordova create cordova-app c…
阅读更多...
学习过程中遇到的 部分问题及解决办法

学习过程中遇到的 部分问题及解决办法

1.安装build wheel时报错&#xff1a; The detected CUDA version (12.1) mismatches the version that was used to compile PyTorch (11.7). Please make sure to use the same CUDA versions. 由于cuda版本和 当前虚拟环境中的pytorch-cudatoolkit版本不同&#xff0c; 解…
阅读更多...
梦想CAD二次开发

梦想CAD二次开发

1.mxdraw简介 mxdraw是一个HTML5 Canvas JavaScript框架&#xff0c;它在THREE.js的基础上扩展开发&#xff0c;为用户提供了一套在前端绘图更为方便&#xff0c;快捷&#xff0c;高效率的解决方案&#xff0c;mxdraw的实质为一个前端二维绘图平台。你可以使用mxdraw在画布上绘…
阅读更多...
【系统架构设计师】五、计算机网络(概念|通信技术|网络技术)

【系统架构设计师】五、计算机网络(概念|通信技术|网络技术)

目录 一、计算机网络概念 二、通信技术 三、网络技术 3.1 局域网(LAN) 3.1.1 局域网拓扑结构 3.1.2 局域网协议 3.2 无线局域网(WLAN) 3.3 广域网(WAN) 3.4 城域网&#xff08;MAN) 3.5 移动通信网 四、组网技术 4.1 OSI七层模型 4.1.1 交换机 4.1.2 路由器 4.2…
阅读更多...
idea Error running ‘Application‘

idea Error running ‘Application‘

1、Error running ‘Application’ Error running ApplicationError running Application. Command line is too long.Shorten the command line via JAR manifest or via a classpath file and rerun.找到 .idea/libraies/workspace.xml 中的 PropertiesComponent 属性&#…
阅读更多...
python数据分析与可视化二

python数据分析与可视化二

公共部分 # 引入数据分析工具 Pandas import pandas as pd # 引入数据可视化工具 Matplotlib import matplotlib.pyplot as plt # 引入科学计算库numpy import numpy as np from scipy import stats #解决输出时列名对齐问题 pd.set_option(display.unicode.east_asian_wid…
阅读更多...
《数据结构与算法基础 by王卓老师》学习笔记——2.2线性表的案例引入

《数据结构与算法基础 by王卓老师》学习笔记——2.2线性表的案例引入

案例一&#xff1a;一元多项式的运算 案例二&#xff1a;稀疏多项式的运算 案例三&#xff1a;图书信息管理系统 总结
阅读更多...
慢动作视频怎么制作？5种方法，轻松制作慢动作视频

慢动作视频怎么制作？5种方法，轻松制作慢动作视频

在短视频风靡的当下&#xff0c;慢动作视频凭借其独特的视觉效果和引人入胜的节奏感&#xff0c;成为了吸引观众眼球的利器。你是否也想知道如何制作这种令人心动的慢动作视频呢&#xff1f;下面教大家5种能够制作出慢动作视频的方法&#xff0c;一起来学习下吧。 方法一&#…
阅读更多...
Nginx反向代理实现Vue跨域注意事项

Nginx反向代理实现Vue跨域注意事项

1、通过搜索引擎访问Nginx官网——免费使用——NGINX开源版(免费下载)或者通过以下链接直接访问Nginx下载页面下载对应的版本(下载页面)。以下以1.24.0为例 2、修改nginx的配置文件&#xff0c;在conf文件夹下&#xff0c;文件名为nginx.conf&#xff1b;以下是我修改完的配置…
阅读更多...
2024我们该学习大模型吗？

2024我们该学习大模型吗？

一、引言 在快速变化的科技行业中&#xff0c;人工智能&#xff08;AI&#xff09;大模型已成为研究和应用的热点。随着AI技术的不断进步&#xff0c;特别是在自然语言处理、计算机视觉和机器学习平台等领域&#xff0c;许多专业人士开始将目光投向AI大模型的开发和应用。 二…
阅读更多...
MobPush iOS端海外推送最佳实现

MobPush iOS端海外推送最佳实现

推送注册 在AppDelegate里进行SDK初始化&#xff08;也可以在Info.plist文件中进行AppKey&#xff0c;AppSecret的配置&#xff09;并对通知功能进行注册以及设置推送的环境和切换海外服务器等&#xff0c;参考如下步骤代码&#xff1a; <span style"background-colo…
阅读更多...
[漏洞复现] MetInfo5.0.4文件包含漏洞

[漏洞复现] MetInfo5.0.4文件包含漏洞

[漏洞复现] MetInfo5.0.4文件包含漏洞 MetInfo5.0.4 漏洞代码审计 漏洞出现在about/index.php中&#xff0c;因为利用了动态地址&#xff0c;所以存在漏洞。 漏洞检查语句&#xff08;&#xff01;192.168.109.100是我的服务器ip&#xff0c;需要换成自己的&#xff09;&…
阅读更多...
[BUUCTF从零单排] Web方向 02.Web入门篇之『常见的搜集』解题思路（dirsearch工具详解）

[BUUCTF从零单排] Web方向 02.Web入门篇之『常见的搜集』解题思路（dirsearch工具详解）

这是作者新开的一个专栏《BUUCTF从零单排》&#xff0c;旨在从零学习CTF知识&#xff0c;方便更多初学者了解各种类型的安全题目&#xff0c;后续分享一定程度会对不同类型的题目进行总结&#xff0c;并结合CTF书籍和真实案例实践&#xff0c;希望对您有所帮助。当然&#xff0…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023