Matplotlib | 一文搞定Matplotlib从入门到实战演练！

news2024/11/15 16:17:52

文章目录

  • 1 什么是Matplotlib
    • 1.1 Matplotlib的安装
    • 1.2 Matplotlib的基本使用
  • 2 绘制直线
  • 3 绘制折线
    • 设置标签文字和线条粗细
    • 设置中文标题
    • 风格的设置
  • 4 绘制曲线
    • 绘制曲线y=x^2
    • 绘制正弦曲线和余弦曲线
    • 画布分区
  • 5 绘制散点图
    • 绘制不同种类不同颜色的线
  • 6 绘制条形图（柱状）
    • 绘制带方差的条形图
  • 7 绘制饼状图
  • 7 绘制直方图
  • 8 绘制盒图
  • 9 绘制三维图
  • 练习
    • 1. 用matplotlib绘制余切曲线并保存成图片。
    • 2. 用matplotlib绘制生成3行2列的子画布，第1行第1列绘制余弦曲线和第3行第3列绘制正弦曲线。
    • 3. 用matplotlib绘制一个饼状图（数据可以自定指定）。
    • 4. 用matplotlib绘制一个柱状图分析3部电影3天的票房。

1 什么是Matplotlib

\qquad Matplotlib 是一个 Python 的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。官网https://matplotlib.org/

\qquad 学习Matplotlib 可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。Matplotlib是Python的库，又是开发中常用的库

1.1 Matplotlib的安装

pip install matplotlib

1.2 Matplotlib的基本使用

\qquad 在使用Matplotlib绘制图形时，其中有两个最为常用的场景。一个是画点，一个是画线。pyplot基本方法的使用如下表。

在这里插入图片描述

2 绘制直线

import matplotlib.pyplot as plt

# 将(0,1)点和(2,4)连起来
plt.plot([0, 2], [1, 4])
plt.show()

在这里插入图片描述

3 绘制折线

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
squares = [1, 14, 39, 16, 25]
plt.plot(x, squares)
plt.show()

在这里插入图片描述

设置标签文字和线条粗细

import matplotlib.pyplot as plt

datas = [1, 2, 3, 4, 5]
squares = [1, 14, 39, 16, 25]
plt.plot(datas,squares,linewidth=5) #设置线条宽度 
#设置图标标题，并在坐标轴上添加标签
plt.title('Numbers',fontsize=24)
plt.xlabel('datas',fontsize=14)
plt.ylabel('squares',fontsize=14)
plt.show()

在这里插入图片描述

设置中文标题

Matplotlib 默认情况不支持中文，我们可以使用以下简单的方法来解决：

import matplotlib.pyplot as plt

# 准备数据
datas = [1, 2, 3, 4, 5]
squares = [1, 14, 39, 16, 25]
# 注意x和squares列表中元素个数要相同
plt.plot(datas, squares, linewidth=5)  # 设置线条宽度
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
# 添加标题
plt.title('设置标题', fontsize=24)
# x轴添加标签
plt.xlabel('X轴', fontsize=14)
# y轴添加标签
plt.ylabel('Y轴', fontsize=14)
# 显示图形
plt.show()

在这里插入图片描述

风格的设置

import matplotlib.pyplot as plt

# 查看matplotlib中有哪些风格
# print(plt.style.available)

# 设置风格
plt.style.use('ggplot')
plt.plot([1, 2], [1, 4])
plt.show()

在这里插入图片描述

某周最高温度和最低温度变化

import matplotlib.pyplot as plt

# 构造数据
max_temperature = [26, 30, 31, 32, 33]
min_temperature = [12, 16, 16, 17, 18]
x = range(5)
plt.rcParams['font.family'] = ['SimHei']
x_ticks = ['星期{}'.format(i) for i in
           range(1, 6)]
plt.title('某年某周第N周的温度')
plt.xlabel('周')
plt.ylabel('温度：单位(℃)')
# 设置x轴标签
plt.xticks(x, x_ticks)
# 填充数据
plt.plot(x, max_temperature, label='最高温')
plt.plot(x, min_temperature, label='最低温')
# 显示图例
plt.legend(loc=2)
plt.show()

在这里插入图片描述

4 绘制曲线

绘制曲线y=x^2

Matplotlib有很多函数用于绘制各种图形，其中plot函数用于曲线， 需要将200个点的x坐标和Y坐标分别以序列的形式传入plot函数，然后调用show函数显示绘制的图形。

【示例】一元二次方程的曲线

import matplotlib.pyplot as plt

# 准备数据 x是200个点
x = range(-100, 100)
# y = x**2
y = [i ** 2 for i in x]
# 设置风格
plt.style.use('ggplot')
# 调用plot
plt.plot(x, y)
# 保存图片
plt.savefig('y=x的平方.jpg')
plt.show()

在这里插入图片描述

绘制正弦曲线和余弦曲线

使用plt函数绘制任何曲线的第一步都是生成若干个坐标点（x，y）， 理论上坐标点是越多越好。本例取0到10之间100个等差数作为x的坐标，然后将这100个x坐标值一起传入Numpy的sin和cos函数，就会得到100个y坐标值，最后就可以使用plot函数绘制正弦曲线和余弦曲线。

import matplotlib.pyplot as plt
import numpy as np

# 生成x的坐标(0-10的100个等差数列)
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制正弦曲线
plt.plot(x, y, label="sin")
# 绘制余弦曲线
plt.plot(x, np.cos(x), label="cos")
# 给图像加图例
plt.legend()
plt.show()

在这里插入图片描述

画布分区

【示例】subplot分区

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
# plt.plot(x, np.sin(x))
# plt.plot(x, np.cos(x))

# 将画布分为区域，将图画到画布的指定区域 subplot()画布分区
# 将画布分为2行2列在第三个区域绘制图形
# 两种传递参数都可以
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.subplot(222)
plt.plot(x, np.cos(x))
plt.subplot(2, 2, 3)
plt.plot(x, np.cos(x))
plt.subplot(224)
plt.plot(x, np.sin(x))

plt.show()

在这里插入图片描述

【示例】subplot分区

#将画布分为2行2列，将图画到画布的1区域
plt.subplot(221)

【示例】subplots分区

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
# plt.plot(x, np.sin(x))
# plt.plot(x, np.cos(x))

# 将画布分为区域，将图画到画布的指定区域 subplot()画布分区
# 将画布分为2行2列在第三个区域绘制图形
# 两种传递参数都可以
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.subplot(222)
plt.plot(x, np.cos(x))
plt.subplot(2, 2, 3)
plt.plot(x, np.cos(x))
plt.subplot(224)
plt.plot(x, np.sin(x))
# 使用subplots()进行画布分区
fig, ax = plt.subplots(nrows=2, ncols=3)
ax[0][0].plot(x, np.sin(x))
ax[1][2].plot(x, np.cos(x))
# ax[行索引, 列索引]
ax[0, 2].plot(x, np.sin(x))
ax[1, 0].plot(x, np.cos(x))
plt.show()

在这里插入图片描述

5 绘制散点图

用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联。
【示例】绘制散点图

import matplotlib.pyplot as plt
import numpy as np

# 画散点图
x = np.linspace(0, 10, 100)  # 生成0到10中100个等差数
# plt.scatter(x, np.sin(x))
plt.plot(x, np.sin(x), 'o')
plt.show()

在这里插入图片描述

【示例】使用scatter绘制不同大小不同颜色的散点图

import matplotlib.pyplot as plt
import numpy as np

# 绘制不同大小不同颜色的散点图
np.random.seed(0)
x = np.random.rand(100)
y = np.random.rand(100)
colors = np.random.rand(100)
size = np.random.rand(100) * 1000
plt.scatter(x, y, c=colors, s=size, alpha=0.7)
plt.show()

在这里插入图片描述

绘制不同种类不同颜色的线

作为线性图的替代，可以通过向 plot() 函数添加格式字符串来显示离散值。

可以使用以下格式化字符。

在这里插入图片描述

以下是颜色的缩写：

在这里插入图片描述

【示例】不同种类不同颜色的线

#不同种类不同颜色的线
x=np.linspace(0,10,100)
plt.plot(x,x+0,'-g') #实线 绿色
plt.plot(x,x+1,'--c') #虚线 浅蓝色
plt.plot(x,x+2,'-.k') #点划线 黑色
plt.plot(x,x+3,'-r') #实线 红色
plt.plot(x,x+4,'o') #点 默认是蓝色
plt.plot(x,x+5,'x') #叉叉 默认是蓝色
plt.plot(x,x+6,'d') #砖石 红色

【示例】不同种类不同颜色的线并添加图例

# 不同种类不同颜色的线并添加图例
x = np.linspace(0, 10, 100)
plt.plot(x, x + 0, '-g', label='-g')  # 实线 绿色
plt.plot(x, x + 1, '--c', label='--c')  # 虚线 浅蓝色
plt.plot(x, x + 2, '-.k', label='-.k')  # 点划线黑色
plt.plot(x, x + 3, '-r', label='-r')  # 实线 红色
plt.plot(x, x + 4, 'o', label='o')  # 点 默认是蓝色
plt.plot(x, x + 5, 'x', label='x')  # 叉叉 默认是蓝色
plt.plot(x, x + 6, 'dr', label='dr')  # 砖石 红色 
# 添加图例右下角lower right 左上角upper left 边框 透明度 阴影 边框宽度
plt.legend(loc='lower right', fancybox=True, framealpha=1, shadow=True, borderpad=1)

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x = np.linspace(0, 10, 50)
plt.plot(x, x + 0, '--', label='--')
plt.plot(x, x + 1, ':g', label=':g')
plt.plot(x, x + 2, 'vb', label='vb')
plt.plot(x, x + 3, 'sy', label='sy')
plt.plot(x, x + 4, 'hr', label='hr')
# 添加图例
# plt.legend(loc='lower right')

plt.legend(loc=4, fancybox=True, framealpha=1, shadow=True, borderpad=1)  # 要配合label去使用
plt.show()

在这里插入图片描述

6 绘制条形图（柱状）

条形图是用宽度相同的条形的高度或长短来表示数据多少的图形。 条形图可以横置或纵置，纵置时也称为柱形图。

使用bar函数可以绘制条形图。条形图主要用来纵向对比和横向对比的
bar(x,y,color,width) 函数来生成纵向条形图
barh(x,y,color,height) 函数来生成条形图

  • x 条装显示位置
  • y 显示的值
  • color 显示的颜色

【示例】使用bar绘制柱状图，并设置柱的宽度

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签

# 准备数据
x = [2020, 2025, 2030, 2035]
y = [12000, 30000, 10000, 50000]
# 调用bar绘制条形图
plt.bar(x, y, width=2)

# 设置xlabel， ylabel
plt.xlabel("年份")
plt.ylabel("销量")
# 添加标题
plt.title("4年的销售量")
# 调用xticks()
x_ticks = [f'{i}年' for i in x]
plt.xticks(x, x_ticks)
plt.show()

在这里插入图片描述

注意事项：bar函数的宽度并不是像素宽度。bar函数会根据二维坐标系的尺寸，以及x坐标值的多少，自动确定每一个柱的宽度，而 width指定的宽度就是这个标准柱宽度的倍数。该参数值可以是浮点数，如0。5，表示柱的宽度是标准宽度的0。5倍。

【示例】barh的使用

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签

# 准备数据
x = [2020, 2025, 2030, 2035]
y = [12000, 30000, 10000, 50000]

# 设置条的高度
plt.barh(x, y, height=2)
# xlabel ylabe1
plt.xlabel('销量')
plt.ylabel('年份')
plt.title('4年销量')

y_ticks = [f'{i}年' for i in x]
plt.yticks(x, y_ticks)
plt.show()

在这里插入图片描述

【示例】对部分条形图，使用颜色区分

import matplotlib.pyplot as plt

x = range(5)
y = [10, -13, 14, -20, 43]

v_bar = plt.bar(x, y, color='lightblue')
for bar, height in zip(v_bar, y):
    if height < 0:
        bar.set(color='lightgreen', linewidth='3')

在这里插入图片描述

绘制带方差的条形图

【示例】带方差的条形图

import matplotlib.pyplot as plt

# 准备数据
x = range(3)
x_label = ['bar1', 'bar2', 'bar3']
y = [1, 2, 3]
# 波动
variance = [0.2, 0.4, 0.5]
# 绘制柱形图
plt.bar(x, y, width=0.5, yerr=variance)
plt.xticks(x, x_label)
# 设置y轴坐标的范围 扩大范围
m = max(zip(y, variance))
maxy = (m[0] + m[1]) * 1.2
plt.ylim([0, maxy])
plt.show()

在这里插入图片描述

【示例】fill_between的使用

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 200)
y1 = 2 * x + 1
y2 = 3 * x + 1.5
plt.fill_between(x, y1, y2, color='red')
plt.show()

在这里插入图片描述

7 绘制饼状图

pie函数可以绘制饼状图，饼图主要是用来呈现比例的。只要传入比 例数据即可。
【示例】绘制饼状图

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
woman = 68187
man = 101351

# 计算男生女生所占的比
man_perc = man / (man + woman)
woman_perc = woman / (man + woman)
labels = ['女', '男']
color = ['blue', 'red']
# 调用pie绘制饼图 传入一个列表，列表中是比例数据
paches, texts, autotexts = plt.pie([woman_perc, man_perc], autopct="%0.1f%%", labels=labels, explode=(0, 0.05))
# explode裂开
# 设置字体大小和颜色
for text in autotexts:
    text.set_color("white")
    text.set_fontsize(20)
for t in texts:
    t.set_color("red")
    t.set_fontsize(20)
plt.show()

在这里插入图片描述

7 绘制直方图

由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据范围，纵轴表示分布情况。 特点：绘制连续性的数据，展示一组或多组数据的分布状况并统计

概念： 组距：每组数据的分割区域，例如1-5一组5-10一组。我们可以称数据的组距为5
组数：(最大数据-最小数据)/组距一般会100条数据可分5-12组

hist(data,bins,normed)

  • data 所有的数据
  • bins 分几组
  • normed y轴是否显示成百分比
import matplotlib.pyplot as plt
import numpy as np

# 获取正太分布数据
x = np.random.randn(1000)
# 绘制直方图  hist
# plt.hist(x)
plt.hist(x, bins=100)
# 获取数据
data = [45, 49, 42, 42, 36, 37, 31, 38, 35, 39, 43, 33, 34, 36, 35, 36, 34, 32, 36, 32, 37, 33, 32, 38, 35]
max(data)
min(data)
# 设置组距
bin_width = 2
# 计算组数
bin_count = int((max(data) - min(data)) / bin_width)
bin_count
# 设置xticks
x_ticks = range(min(data), max(data) + 1, bin_width)
plt.xticks(x_ticks)
plt.hist(data, bin_count)
plt.show()

在这里插入图片描述

8 绘制盒图

在这里插入图片描述
盒图尽管与直方图形态上有很大差异，但含义类似，都是用于表示分布状态，不过盒图还有一个功能，就是能体现数据的中位数Q2、 四分之一位Q1、四分之三位Q3和离群点IQR = Q3 Q1如果Q11.5IQR或者Q3+1.5IQR就是离群点。

import matplotlib.pyplot as plt
import numpy as np

# 准备数据 方差越大越分散 3就是很分散不集中 圈就是离群点
data = [np.random.normal(0, i, 100) for i in range(1, 4)]
# 调用boxplot()
# vert:是竖着画还是横着
# notch:切口 更好找到中位数
plt.boxplot(data, vert=True, notch=True)  # 默认是True
plt.title("boxplot")
plt.xticks([1, 2, 3], ["box1", "box2", "box3"])
plt.show()

在这里插入图片描述

9 绘制三维图

【示例】绘制三维图

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 准备数据
x = np.linspace(-10, 10, 100)
y = np.linspace(-10, 10, 100)
# 计算x y 的相交点
X, Y = np.meshgrid(x, y)
# 计算Z
Z = np.sqrt(X ** 2 + Y ** 2)
# 绘制三维图
# plt.contour(X,Y,Z)
plt.contourf(X, Y, Z)
# 三维画布绘制三维图
figure = plt.figure()
ax3d = Axes3D(figure)
ax3d.plot_surface(X, Y, Z)
plt.show()

在这里插入图片描述

练习

1. 用matplotlib绘制余切曲线并保存成图片。

2. 用matplotlib绘制生成3行2列的子画布，第1行第1列绘制余弦曲线和第3行第3列绘制正弦曲线。

3. 用matplotlib绘制一个饼状图（数据可以自定指定）。

4. 用matplotlib绘制一个柱状图分析3部电影3天的票房。

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
# 准备
real_names = ["人在囧途", "阿甘正传", "熊出没"]
real_num1 = [5453, 7548, 6543]
real_num2 = [1840, 4013, 3421]
real_num3 = [1080, 1673, 2342]
# 设置画布大小figure(figsize=(w,h))

plt.figure(figsize=(8, 6), dpi=80)  # 640 * 480
# 调用bar绘制
x = range(len(real_names))
width = 0.3
plt.bar(x, real_num1, width=width, color='g', label=real_names[0])
plt.bar([i + width for i in x], real_num2, width=width, color='b', label=real_names[1])
plt.bar([i + width * 2 for i in x], real_num3, width=width, color='r', label=real_names[2])

# 设置xlabel ylabel
# plt.xlabel("天")
plt.ylabel("票房")
plt.title('3天3部电影票房')

x_ticks = [f"第{i + 1}天" for i in x]
plt.xticks([i + width for i in x], x_ticks)

# 添加图例
plt.legend()
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt

data = range(200, 225, 5)
bar_labels = ['a', 'b', 'c', 'd', 'e']
x = range(len(bar_labels))

# 设置画布
plt.figure(figsize=(8, 6))
bars = plt.barh(x, data, height=0.6)
# 设置yticks
plt.yticks(x, bar_labels, fontsize=24)
# 在指定坐标位置设置内容text
text_data = 1000000
for bar, d in zip(bars, data):
    x = bar.get_width() + bar.get_width() * 0.05
    y = bar.get_y() + bar.get_height() / 2
    text_data = d
    plt.text(x, y, text_data, fontsize=20)

在这里插入图片描述

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/1989898.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

代码之外的生存指南——生产力

代码之外的生存指南——生产力

自己感觉今天都没有喝一口水的时间忙忙碌碌的工作了一天&#xff0c;但是到快下班或晚上回想一下今天自己到底在忙些什么的时候&#xff0c;却好像也没有做些什么对自己工作主线有意义的事情&#xff0c;大多时候时间都花费在了那些检查邮件、泡茶、拨打电话、开会议等干扰内容…
阅读更多...
科普文：业务场景之常见10家HIS厂商概叙

科普文：业务场景之常见10家HIS厂商概叙

智慧医院信息化经过几十年的发展&#xff0c;涌现出了一大批优秀的建设企业&#xff0c;我们选取了市面上部分主流的HIS厂商进行了汇集&#xff0c;包括厂商的发展情况、产品情况、技术情况、案例情况等。 卫宁健康 WINEX 口号&#xff1a;软件认知医疗 最新产品&#xff1a;…
阅读更多...
集智书童 | 浙江大学 蚂蚁集团提出 PAI，一种无需训练减少 LVLM 幻觉的方法 ！

集智书童 | 浙江大学 蚂蚁集团提出 PAI，一种无需训练减少 LVLM 幻觉的方法 ！

本文来源公众号“集智书童”&#xff0c;仅用于学术分享&#xff0c;侵权删&#xff0c;干货满满。 原文链接&#xff1a;浙江大学 & 蚂蚁集团提出 PAI&#xff0c;一种无需训练减少 LVLM 幻觉的方法 &#xff01; 浙江大学 & 蚂蚁集团提出 PAI&#xff0c;一种无需训…
阅读更多...
BERT预训练

BERT预训练

一、动机 1、在NLP中的迁移学习中&#xff0c;使用预训练好的模型抽取词、句子的特征&#xff0c;不更新预训练好的模型&#xff0c;而是在需要构建新的网络来抓取新任务需要的信息&#xff0c;也就是最后面加上一个MLP做分类&#xff1b; 2、由于基于微调的NLP模型&#xff…
阅读更多...
21. 合并两个有序链表(递归)

21. 合并两个有序链表(递归)

目录 一;题目&#xff1a; 二代码; 三&#xff1a;结果&#xff1a; 一;题目&#xff1a; 将两个升序链表合并为一个新的 升序 链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。 二代码; /*** Definition for singly-linked list.* struct ListNode {* …
阅读更多...
HTMX 和 FastAPI 绝佳搭配

HTMX 和 FastAPI 绝佳搭配

FastAPI的优势 FastAPI 是一个现代、快速&#xff08;高性能&#xff09;的 Web 框架&#xff0c;用于基于标准 Python 类型提示使用 Python 3.7 构建 API。以下是它的一些主要优点&#xff1a; 性能&#xff1a;FastAPI 基于 Starlette 和 Pydantic 构建&#xff0c;使其与 …
阅读更多...
Linux 中 core dump 异常的分析

Linux 中 core dump 异常的分析

目录 一、概述二、发生 core dump 的原因1. 空指针或非法指针2. 数组越界或指针越界3. 数据竞争 三、分析 core dump 的方法1. 启用 core dump2. 触发 core dump2.1 因空指针解引用而崩溃2.2 通过 信号触发 core dump 3. 利用 gdb 分析 core dump 一、概述 在 UNIX 系统中&…
阅读更多...
sqli-labs第一关详细解答

sqli-labs第一关详细解答

首先判断是否有注入点 发现and 11 和 and 12结果一样&#xff0c;所以应该是字符型注入&#xff0c;需要对单引号做闭合 做闭合后发现报错&#xff0c;提示Limit 0,1&#xff0c;那就说明存在注入点&#xff0c;但是要注释掉后面的limit 0,1 使用--注释掉limit 0,1后&#xff…
阅读更多...
25考研英语长难句Day05

25考研英语长难句Day05

25考研英语长难句Day05 【词组】【断句】 【词组】 单词解释gelimpsen.一瞥、瞥见rapidly adv.迅速&#xff1b;迅速地&#xff1b;高速&#xff1b;急速地&#xff1b;急促scene n.场景&#xff1b;&#xff08;尤指不愉快事件发生的)地点&#xff0c;现场&#xff1b;场面&a…
阅读更多...
记录下泡面神器的满血复活-Kindle Voyage刷安卓系统记录

记录下泡面神器的满血复活-Kindle Voyage刷安卓系统记录

Kindle在国内已经没有服务了&#xff0c;一段时间内通过连手机热点(上下班通勤)&#xff0c;用内置浏览器访问微信读书&#xff0c;但体验不是很好&#xff0c;在考虑是否购买一个国内的墨水屏阅读器时&#xff0c;偶然想到了是否可以刷安卓&#xff0c;然后装微信读书的墨水屏…
阅读更多...
超详细！网络安全知识入门及学习流程

超详细！网络安全知识入门及学习流程

第一章&#xff1a;网络安全的基本概念和术 一、网络安全的基本概念 1.保密性&#xff08;Confidentiality&#xff09; 定义&#xff1a;确保信息在存储、传输和处理过程中不被未授权的人员访问或获取。例子&#xff1a;企业的商业机密文件被加密存储&#xff0c;只有拥有正…
阅读更多...
5个理由让你爱上CleanMyMac2025告别卡顿，迎接极速体验！

5个理由让你爱上CleanMyMac2025告别卡顿，迎接极速体验！

CleanMyMac是一款Mac电脑专用的清理工具&#xff0c;具有系统垃圾、大型旧文件、邮件附件、iTunes垃圾、软件卸载残余等清理功能。 它采用先进的扫描技术&#xff0c;快速识别并清除垃圾文件&#xff0c;释放磁盘空间&#xff0c;提高系统运行速度。 同时&#xff0c;它还具备…
阅读更多...
Android经典实战之Kotlin中实现圆角图片和圆形图片

Android经典实战之Kotlin中实现圆角图片和圆形图片

本文首发于公众号“AntDream”&#xff0c;欢迎微信搜索“AntDream”或扫描文章底部二维码关注&#xff0c;和我一起每天进步一点点 实现圆角是一个很常见的需求&#xff0c;也有很多种方式&#xff0c;这里介绍2种&#xff0c;实现起来都不麻烦&#xff0c;很方便 方法一&…
阅读更多...
JS+CSS案例：可适应上下布局和左右布局的菜单（含二级菜单）

JS+CSS案例：可适应上下布局和左右布局的菜单（含二级菜单）

今天，我给大家分享一个原创的CSS菜单，整个菜单全由CSS写成，仅在切换布局时使用JS。合不合意，先看看效果图。 本例图片 接下来，我来详细给大家分享它的制作方法。 文件夹结构 因为涉及到了样式表切换，所以，你需要借鉴一下我的文件夹结构。 CSS文件夹： reset.css 用于…
阅读更多...
【Dash】Dash Layout

【Dash】Dash Layout

一、Dash Layout Dash apps are composed of two parts. The first part is the layout, which describes what the app looks like. The second part describes the interactivity of the app. To get started, create a file named app.py, copy the code below into it, a…
阅读更多...
Linux权限-chmod命令

Linux权限-chmod命令

作者介绍&#xff1a;简历上没有一个精通的运维工程师。希望大家多多关注作者&#xff0c;下面的思维导图也是预计更新的内容和当前进度(不定时更新)。 根据前面Linux用户介绍&#xff0c;里面涉及到超级管理员&#xff0c;普通用户&#xff0c;系统用户&#xff0c;既然用户有…
阅读更多...
微信小程序-Vant组件库的使用

微信小程序-Vant组件库的使用

一. 在app.json里面删除style&#xff1a;v2 为了避免使用Vant组件库和微信小程序组件样式的相互影响 二.在app.json里面usingComponents注册Vant组件库的自定义组件 "usingComponents": {"van-icon": "./miniprogram_npm/vant-weapp/icon/index&qu…
阅读更多...
Discourse 将主题打印成 PDF

Discourse 将主题打印成 PDF

Discourse 允许用户通过使用 打印主题&#xff08;Print topic&#xff09; 快捷键来生成 PDF 文件。这个快捷键针对操作系统的不同&#xff0c;可以通过键盘上的 ? 来进行查看。 大部分操作系统: ctrlpMacOS: ⌘p 使用快捷键后会打开一个新的浏览器窗口&#xff0c;在这个新…
阅读更多...
【LeetCode每日一题】——653.两数之和 IV - 输入二叉搜索树

【LeetCode每日一题】——653.两数之和 IV - 输入二叉搜索树

文章目录 一【题目类别】二【题目难度】三【题目编号】四【题目描述】五【题目示例】六【题目提示】七【解题思路】八【时间频度】九【代码实现】十【提交结果】 一【题目类别】 广度优先搜索 二【题目难度】 简单 三【题目编号】 653.两数之和 IV - 输入二叉搜索树 四【…
阅读更多...
使用MAC电脑、iPhone 真机调试 H5页面

使用MAC电脑、iPhone 真机调试 H5页面

使用MAC电脑、iPhone 真机调试 H5页面 简介Safari 浏览器设置iPhone 手机设置开始调试 简介 为方便在 H5开发过程中在真实手机调试 H5页面&#xff0c;可进行一下设置 Safari 浏览器设置 在 Mac 电脑打开浏览器后&#xff0c;点左上角的" Safari 浏览器" -> “设…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023