Python-数据分析组合可视化实例图【附完整源码】

news2025/1/18 8:55:34

数据分析组合可视化实例图

开篇：应女朋友的要求，于是写下了这篇详细的数据可视化代码及完整注释

一：柱状图、折线图横向组合网格布局

本段代码使用了pyecharts库来创建一个包含多个图表（柱状图、折线图）和网格布局的复杂可视化。以下是关于每一行代码的详细解释：

实现效果展示：
在这里插入图片描述

# 从pyecharts库中导入options模块，并将其重命名为opts。
from pyecharts import options as opts
# 从pyecharts.charts模块中导入Bar（柱状图）、Grid（网格布局）和Line（折线图）类。
from pyecharts.charts import Bar, Grid, Line

# 创建第一个柱状图（bar）
# 初始化一个Bar对象。
bar = (
    Bar()
    # 使用.add_xaxis()方法添加X轴数据，这里是月份。
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    # 使用.add_yaxis()方法添加两组Y轴数据（蒸发量和降水量），并为它们设置不同的颜色和Y轴索引。
    .add_yaxis(
        "蒸发量",
        [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3],
        yaxis_index=0,
        color="#d14a61",
    )
    .add_yaxis(
        "降水量",
        [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
        yaxis_index=1,
        color="#5793f3",
    )
    # 使用.extend_axis()方法扩展两个额外的Y轴，分别用于表示蒸发量和温度，设置它们的名称、位置、范围和样式。
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="温度",
            min_=0,
            max_=25,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    # 使用.set_global_opts()方法设置全局配置，包括Y轴配置、标题、提示框和图例。
    .set_global_opts(
        yaxis_opts=opts.AxisOpts(
            name="降水量",
            min_=0,
            max_=250,
            position="right",
            offset=80,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        title_opts=opts.TitleOpts(title="多X/Y轴可视化示例"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        legend_opts=opts.LegendOpts(pos_left="25%"),
    )
)

# 创建第一个折线图（line）
# 初始化一个Line对象。
line = (
    Line()
    # 使用.add_xaxis()方法添加X轴数据。
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    # 使用.add_yaxis()方法添加一组Y轴数据（平均温度），并设置颜色和Y轴索引。
    .add_yaxis(
        "平均温度",
        [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
        yaxis_index=2,
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
    )
)

# 创建第二个柱状图（bar1）
# 类似于第一个柱状图的创建，但X轴和Y轴索引不同，用于在网格布局中定位。
bar1 = (
    Bar()
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    .add_yaxis(
        "蒸发量 1",
        [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3],
        color="#d14a61",
        xaxis_index=1,
        yaxis_index=3,
    )
    .add_yaxis(
        "降水量 2",
        [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
        color="#5793f3",
        xaxis_index=1,
        yaxis_index=3,
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="温度",
            min_=0,
            max_=25,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(grid_index=1),
        yaxis_opts=opts.AxisOpts(
            name="降水量",
            min_=0,
            max_=250,
            position="right",
            offset=80,
            grid_index=1,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        legend_opts=opts.LegendOpts(pos_left="65%"),
    )
)

# 创建第二个折线图（line1）
# 类似于第一个折线图的创建，但X轴和Y轴索引不同，用于在网格布局中定位。
line1 = (
    Line()
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    .add_yaxis(
        "平均温度 1",
        [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
        xaxis_index=1,
        yaxis_index=5,
    )
)

# 重叠图表
# 使用.overlap()方法将第一个柱状图和折线图重叠。
overlap_1 = bar.overlap(line)
# 使用.overlap()方法将第二个柱状图和折线图重叠。
overlap_2 = bar1.overlap(line1)

# 创建网格布局（grid）
grid = (
    # 初始化一个Grid对象，并设置初始宽度和高度。
    Grid(init_opts=opts.InitOpts(width="1200px", height="500px"))
    # 使用.add()方法将第一个重叠图表添加到网格的右侧。
    .add(
        overlap_1, grid_opts=opts.GridOpts(pos_right="58%"), is_control_axis_index=True
    )
    # 使用.add()方法将第二个重叠图表添加到网格的左侧。
    .add(overlap_2, grid_opts=opts.GridOpts(pos_left="58%"), is_control_axis_index=True)
    # 使用.render()方法生成并保存HTML文件，该文件包含所有图表和网格布局的可视化。
    .render("重叠图表和网格.html")
)

二：散点图与折线图横向组合网格布局

本段代码展示了如何使用pyecharts库来创建并组合一个散点图和一个折线图，并将它们放置在一个网格（Grid）布局中。以下是关于每一行代码的详细解释：

实现效果展示：
在这里插入图片描述

# 导入pyecharts库中的options模块（并设置别名为opts）
from pyecharts import options as opts
# 导入Grid、Line、Scatter这三个图表类。
from pyecharts.charts import Grid, Line, Scatter

# 定义了两组X轴数据（x_data_a和x_data_b）以及四组Y轴数据（y_data_a、y_data_b、y_date_c、y_date_d）。这些数据将用于创建散点图和折线图
x_data_a = ['草莓', '西瓜', '香蕉', '椰子', '蓝莓', '榴莲', '牛油果']
x_data_b = ['香菜', '蘑菇', '柿子', '黄瓜', '菠菜', '韭菜', '南瓜']
y_data_a = [10, 23, 46, 70, 54, 31, 28]
y_data_b = [15, 20, 31, 55, 35, 43, 68]
y_date_c = [23, 35, 31, 50, 54, 13, 67]
y_date_d = [56, 23, 45, 32, 12, 67, 40]

# 这创建了一个散点图对象scatter
scatter = (
    Scatter()
    # 设置X轴数据为x_data_a
        .add_xaxis(x_data_a)
    # 分别添加两组Y轴数据，并设置其系列名称为“售出”和“收益”。
        .add_yaxis("售出", y_data_a)
        .add_yaxis("收益", y_data_b)
    # 设置全局配置项，包括标题、图例位置和X轴标签的旋转角度。
        .set_global_opts(
        title_opts=opts.TitleOpts(title="蔬菜"),
        legend_opts=opts.LegendOpts(pos_left="20%"),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)),
    )
)

# 创建了一个折线图对象line
line = (
    Line()
    # 设置X轴数据为x_data_b
        .add_xaxis(x_data_b)
    # 分别添加两组Y轴数据，并设置其系列名称为“售出”和“收益”
        .add_yaxis("售出", y_date_c)
        .add_yaxis("收益", y_date_d)
    # 设置全局配置项，包括标题、图例位置和X轴标签的旋转角度
        .set_global_opts(
        title_opts=opts.TitleOpts(title="水果", pos_right="5%"),
        legend_opts=opts.LegendOpts(pos_right="20%"),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)),

    )
)

# 这段代码创建了一个Grid对象，用于将散点图和折线图组合在一起
grid = (
    Grid()
    # 将散点图添加到网格中，并设置其位置为左侧55%的位置
        .add(scatter, grid_opts=opts.GridOpts(pos_left="55%"))
    # 将折线图添加到网格中，并设置其位置为右侧55%的位置
        .add(line, grid_opts=opts.GridOpts(pos_right="55%"))
    # 渲染图表，并将其保存为HTML文件，文件名为“散点与折线组合.html”
        .render("散点与折线组合.html")
)

三：柱状图、折线图竖向组合网格布局

本段代码展示了如何使用pyecharts库创建一个包含柱状图和折线图的竖向网格布局图表，并自定义了x轴和y轴的标签和数据。以下是关于每一行代码的详细解释：

实现效果展示：
在这里插入图片描述

# 导入pyecharts库中的options模块，并重命名为opts，用于设置图表的各种选项
from pyecharts import options as opts
# 导入pyecharts库中的Bar（柱状图）、Grid（网格布局）、Line（折线图）图表类
from pyecharts.charts import Bar, Grid, Line

# 定义一个列表，自定义x轴标签
x_axis_data = ["西瓜", "香蕉", "蓝莓", "椰子", "榴莲", "草莓", "木瓜", "水蜜桃"]

# 定义两个列表，自定义柱状图和折线图的y轴数据
bar_y_axis_data = [18, 25, 30, 44, 53, 34, 79, 56]
line_y_axis_data = [13, 30, 67, 45, 55, 67, 89, 54]

# 创建一个柱状图对象，并设置其x轴标签、y轴数据（包括销售量和利润），以及全局选项（如标题）
bar = (
    Bar()
        .add_xaxis(x_axis_data)  # 使用自定义的x轴标签
        .add_yaxis("销售量", bar_y_axis_data)  # 添加一个名为“销售量”的系列，数据为bar_y_axis_data
        .add_yaxis("利润", [v * 0.5 for v in bar_y_axis_data])  # 添加一个名为“利润”的系列，数据为销售量的一半
        .set_global_opts(title_opts=opts.TitleOpts(title="柱状图"))  # 设置全局选项，包括图表标题
)


# 创建一个折线图对象，并设置其x轴标签、y轴数据（包括销售量和利润），以及全局选项（如标题和图例位置）
line = (
    Line()
        .add_xaxis(x_axis_data)  # 使用自定义的x轴标签
        .add_yaxis("销售量", line_y_axis_data)  # 添加一个名为“销售量”的系列，数据为line_y_axis_data
        .add_yaxis("利润", [v * 0.5 for v in line_y_axis_data])  # 添加一个名为“利润”的系列，数据为销售量的一半
        .set_global_opts(
        title_opts=opts.TitleOpts(title="折线图", pos_top="48%"),  # 设置图表标题及其位置
        legend_opts=opts.LegendOpts(pos_top="48%"),  # 设置图例位置
    )
)

# 创建一个网格布局对象，将柱状图和折线图添加到布局中，并设置它们的位置，最后渲染图表到HTML文件
grid = (
    Grid()
        .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%"))  # 将柱状图添加到网格布局中，并设置其位置
        .add(line, grid_opts=opts.GridOpts(pos_top="60%"))  # 将折线图添加到网格布局中，并设置其位置
        .render("柱状图和折线图的网格布局图表.html")  # 渲染图表到HTML文件
)

四：柱状图、折线图内嵌组合网格布局

本段代码展示了如何使用pyecharts库创建并保存一个包含柱状图和折线图的复合图表，通过设置不同的Y轴索引和扩展Y轴，实现了多Y轴的效果。以下是关于每一行代码的详细解释：

实现效果展示：
在这里插入图片描述

# 导入pyecharts库中的options模块和Bar, Grid, Line图表类。
from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line
# 创建一个列表x_data，包含1到12月的字符串表示。
x_data = ["{}月".format(i) for i in range(1, 13)]
# 创建一个Bar对象，并添加X轴数据。
bar = (
    Bar()
    .add_xaxis(x_data)
    # 添加一个名为"蒸发量"的Y轴系列，设置其数据、Y轴索引、颜色等属性。
    .add_yaxis(
        "蒸发量",
        [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3],
        yaxis_index=0,
        color="#d14a61",
    )
    #  添加一个名为"降水量"的Y轴系列，设置其数据、Y轴索引、颜色等属性。
    .add_yaxis(
        "降水量",
        [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
        yaxis_index=1,
        color="#5793f3",
    )
    # 扩展一个名为"蒸发量"的Y轴，设置其名称、类型、最小值、最大值、位置、轴线样式、标签格式等属性。
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
    )
    # 扩展一个名为"温度"的Y轴，设置其名称、类型、最小值、最大值、位置、轴线样式、标签格式、分割线样式等属性。
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="温度",
            min_=0,
            max_=25,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    .set_global_opts(
        yaxis_opts=opts.AxisOpts(
            name="降水量",
            min_=0,
            max_=250,
            position="right",
            offset=80,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        title_opts=opts.TitleOpts(title="多Y轴示例"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
    )
)

# 创建一个Line对象，并添加X轴数据和名为"平均温度"的Y轴系列，设置其数据、Y轴索引、颜色、标签显示等属性。
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis(
        "平均温度",
        [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
        yaxis_index=2,
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
    )
)

# 将折线图line重叠到柱状图bar上。
bar.overlap(line)
# 创建一个Grid对象。
grid = Grid()
# 将bar图表添加到Grid中，并设置其位置参数，以及是否控制轴索引。
grid.add(bar, opts.GridOpts(pos_left="5%", pos_right="20%"), is_control_axis_index=True)
# 将Grid图表渲染为HTML文件，文件名为"树状与折线.html"。
grid.render("柱状与折线内嵌图.html")

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/1881322.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

理想汽车提出3DRealCar：首个大规模3D真实汽车数据集

理想汽车提出3DRealCar：首个大规模3D真实汽车数据集

理想提出3DRealCar，这是第一个大规模 3D 实车数据集，包含 2500 辆在真实场景中拍摄的汽车。我们希望 3DRealCar 可以成为促进汽车相关任务的宝贵资源。 理想汽车提出3DRealCar：首个大规模3D真实汽车数据集! 我们精心策划的高质量3DRealCar数…
阅读更多...
帝国CMS（EmpireCMS）漏洞复现

帝国CMS（EmpireCMS）漏洞复现

简介 《帝国网站管理系统》英文译为Empire CMS，简称Ecms，它是基于B/S结构，且功能强大而帝国CMS-logo易用的网站管理系统。 帝国CMS官网：http://www.phome.net/ 参考相关漏洞分析文章，加上更详细的渗透测试过程。 参考…
阅读更多...
使用Pytho删除docx文档中的页眉和页脚

使用Pytho删除docx文档中的页眉和页脚

介绍： 在日常工作中，我们经常需要处理文档，其中包括删除或修改页眉和页脚。本文将介绍如何使用Python编程语言和wxPython模块创建一个简单的GUI应用程序，帮助我们删除docx文档中的页眉和页脚。 C:\pythoncode\new\deleteyemeiyej…
阅读更多...
数据结构：期末考 第六次测试（总复习）

数据结构：期末考 第六次测试（总复习）

一、 单选题 （共50题，100分） 1、表长为n的顺序存储的线性表，当在任何位置上插入或删除一个元素的概率相等时，插入一个元素所需移动元素的平均个数为（ D ）.（2.0） A、 &am…
阅读更多...
51单片机项目-点亮第一个LED灯

51单片机项目-点亮第一个LED灯

目录 新建项目选择型号添加新文件到该项目设置字体和utf-8编码二极管如何区分正负极原理：CPU通过寄存器来控制硬件电路 用P2寄存器的值控制第一个灯亮进制转换编译查看P2寄存器的地址生成HEX文件把代码下载到单片机中下载程序到单片机 新建项目 选择型号 stc是中国…
阅读更多...
算法09 日期相关模拟算法【C++实现】

算法09 日期相关模拟算法【C++实现】

这是《C算法宝典》算法篇的第09节文章啦~ 如果你之前没有太多C基础，请点击👉专栏：C语法入门，如果你C语法基础已经炉火纯青，则可以进阶算法👉专栏：算法知识和数据结构👉专栏&#xff…
阅读更多...
【Linux进程通信】匿名管道的常见特性、两进程间通过管道通信的情况分析

【Linux进程通信】匿名管道的常见特性、两进程间通过管道通信的情况分析

目录 一、只有血缘关系的进程之间才可以进行管道通信 二、管道只可以单向通信 三、进程间通信是会协同的-同步与互斥的 1.父子进程读写端都正常，管道为空父进程读端阻塞。 2.父子进程读写端都正常，管道满时子进程写端阻塞。 3.子进程写端关闭&…
阅读更多...
idea集成uglifycss压缩混淆css

idea集成uglifycss压缩混淆css

Uglifycss介绍 https://www.npmjs.com/package/uglifycss 命令行 $ uglifycss [options] [filename] [...] > output 选项： --max-line-len n每个字符添加一个换行符（大约）; 表示无换行符，并且是默认值n0 --expand-vars扩…
阅读更多...
计算机组成原理——锁存器和触发器

计算机组成原理——锁存器和触发器

文章目录 1. SR锁存器 1.1 电路结构 1.2 电路解析 2. 带en输入的SR锁存器 2.1 ​​​​​​​电路结构 2.2 工作原理 3. ​​​​​​​带En输入的D锁存器 3.1 电路结构 3.2 工作原理 4. ​​​​​​​边沿触发的D触发器 4.1 电路结构 4.2 工作原理 1. SR锁存器 …
阅读更多...
【Qt知识】window frame 对窗口坐标的影响

【Qt知识】window frame 对窗口坐标的影响

在Qt中，窗口框架（Window Frame）对Widget的尺寸计算和坐标定位有着直接的影响，这主要是因为窗口框架本身占据了一定的空间，包括标题栏、最小化/最大化/关闭按钮以及边框。这部分额外的空间在不同的应用场景下需要被考虑…
阅读更多...
Tomcat服务部署、优化及多实例实验

Tomcat服务部署、优化及多实例实验

一、Tomcat基础 1.Tomcat简介 Tomcat服务器是一个免费的开放源代码的Web应用服务器，Tomcat虽然和Apache或者Nginx这些Web服务器一样，具有处理HTML页面的功能，然而由于其处理静态HTML的能力远不及Apache或者Nginx，所以Tomcat通常…
阅读更多...
Geeker-Admin：现代化的开源后台管理框架

Geeker-Admin：现代化的开源后台管理框架

Geeker-Admin：优雅管理，高效开发，尽在Geeker-Admin- 精选真开源，释放新价值。 概览 Geeker-Admin是一个基于Vue 3.4、TypeScript、Vite 5、Pinia和Element-Plus构建的开源后台管理框架。它为开发者提供了一套现代化、响应式的管理…
阅读更多...
设计NOR Flash（FMSC接口）的Flashloader(MCU: stm32f4)

设计NOR Flash（FMSC接口）的Flashloader(MCU: stm32f4)

目录 概述 1 硬件 1.1 MCU和S29GL128P10TFI01控制电路 1.1.1 S29GL128P10TFI01 1.1.2 MCU与NOR Flash接口 1.2 STM32F4的FSMC接口 1.2.1 时序信号 1.2.2 外部存储器接口信号 2 Flash leader功能实现 2.1 框架结构介绍 2.2 S29GL128P10TFI01的Flash leader框架 2.3 N…
阅读更多...
Camera Raw：编辑 - 混色器

Camera Raw：编辑 - 混色器

Camera Raw “编辑”模块中的混色器 Color Mixer面板用于调整图像中的颜色，通过控制色相、饱和度和明亮度，可以对特定颜色进行微调，优化图像的色彩表现。 面板分为“混色器”和“点颜色”两个模式。 ◆ ◆ ◆ 使用方法与技巧 1、查看要调整…
阅读更多...
【机器学习】Python zip 函数

【机器学习】Python zip 函数

目录： 什么是zip函数zip的基本使用zip与列表、字典的结合zip的长度匹配规则实际应用 1. 什么是zip函数 zip函数在Python中用于将多个可迭代对象（如列表、元组、字符串等）打包成一个元组的列表，其中每个元组包含的是原始对象中的…
阅读更多...
邀请函 | 极限科技全新搜索引擎 INFINI Pizza 亮相 2024 可信数据库发展大会！

邀请函 | 极限科技全新搜索引擎 INFINI Pizza 亮相 2024 可信数据库发展大会！

过去一年，在全球 AI 浪潮和国家数据局成立的推动下，数据库产业变革不断、热闹非凡。2024 年，站在中国数字经济产业升级和数据要素市场化建设的时代交汇点上，“2024 可信数据库发展大会” 将于 2024 年 7 月 16-17 日在北京悠唐皇冠…
阅读更多...
使用vite官网和vue3官网分别都可以创建vue3项目

使用vite官网和vue3官网分别都可以创建vue3项目

问: npm init vitelatest 和 npm create vuelatest创建的vue3项目有什么区别? 回答: npm init vitelatest 和 npm create vuelatest 分别是使用 Vite 和 Vue CLI 工具创建 Vue 项目的两种方式，它们之间有几个主要区别： 1. **构建工具：** …
阅读更多...
WIFI模组ESP-12F 规格书分享

WIFI模组ESP-12F 规格书分享

一、 产品概述 ESP-12F 是由安信可科技开发的 Wi-Fi 模块，该模块核心处理器 ESP8266 在较小尺 寸封装中集成了业界领先的 Tensilica L106 超低功耗 32 位微型 MCU，带有 16 位精 简模式，主频支持 80 MHz 和 160 MHz，支持 RTOS&…
阅读更多...
【PB案例学习笔记】-25制作一个带底图的MDI窗口

【PB案例学习笔记】-25制作一个带底图的MDI窗口

写在前面 这是PB案例学习笔记系列文章的第25篇，该系列文章适合具有一定PB基础的读者。 通过一个个由浅入深的编程实战案例学习，提高编程技巧，以保证小伙伴们能应付公司的各种开发需求。 文章中设计到的源码，小凡都上传到了gite…
阅读更多...
什么是未授权访问漏洞？Hadoop Redis靶场实战——Vulfocus服务攻防

什么是未授权访问漏洞？Hadoop Redis靶场实战——Vulfocus服务攻防

什么是未授权访问漏洞？Hadoop & Redis靶场实战——Vulfocus服务攻防 一、介绍 未授权访问，也称为未经授权的访问或非法访问，是指在没有得到适当权限或授权的情况下，个人或系统访问了网络、计算机、数据库、文件、应用程序或…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023