机器学习 Day02,matplotlib库绘图

news2025/3/12 0:06:40

1.matplotlib图像结构

  • 容器层：画板，画布，坐标系
  • 辅助层：刻度，标题，网格，图例等
  • 图像层：折线图（主讲），饼图，直方图，柱状图等等

2.基本画图框架

matplotlib.pyplot 模块。这是 Python 中一个用于数据可视化的强大模块，其中的函数与 Matlab 的绘图函数类似，方便易用，一般通过 import matplotlib.pyplot as plt 导入。

以下是使用 matplotlib.pyplot 绘图的标准流程：

创建画布：使用 plt.figure() 函数创建一个空白画布，如需自定义画布大小和分辨率，可这样写：

import matplotlib.pyplot as plt
# 创建一个宽为8英寸，高为6英寸，分辨率为100dpi的画布
fig = plt.figure(figsize=(8, 6), dpi=100)

绘制图像：以折线图为例，假设我们有一组数据，使用 plt.plot() 函数进行绘制：

显示图像：使用 plt.show() 函数展示绘制好的图像

比如要展示上海一周的天气温度，代码如下：

import matplotlib.pyplot as plt
# 创建画布，宽和高都设为10英寸，分辨率100dpi
plt.figure(figsize=(10, 10), dpi=100) 
# 横坐标表示周一到周日
week_days = [1, 2, 3, 4, 5, 6 ,7] 
# 纵坐标表示对应每天的温度
temperatures = [17,17,18,15,11,11,13] 
# 绘制折线图
plt.plot(week_days, temperatures) 
# 显示图像
plt.show()

3.基本修饰

3.1图的刻度

3.1.1准备数据并绘制初始折线图：如第二张图代码所示，先导入matplotlib.pyplot和random模块。通过range(60)生成表示 60 分钟的横坐标数据x，使用random.uniform(15, 18)生成 15 到 18 度之间的随机温度数据y_shanghai作为纵坐标。接着创建一个宽 20 英寸、高 8 英寸、分辨率 100dpi 的画布，再用plt.plot(x, y_shanghai)绘制折线图。

import matplotlib.pyplot as plt
import random

x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
plt.figure(figsize=(20, 8), dpi=100)
plt.plot(x, y_shanghai)

3.1.2添加 x，y 轴刻度

3.1.2.1生成刻度标签数据：如第三张图代码，对于 x 轴刻度标签，使用列表推导式["11点{}分".format(i) for i in x]生成从 “11 点 0 分” 到 “11 点 59 分” 的标签列表x_ticks_label；对于 y 轴刻度，简单使用range(40)生成从 0 到 39 的刻度值y_ticks。

x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

3.1.2.2设置刻度显示 ：在 Matplotlib 中不能直接用字符串修改坐标刻度，需同时传入刻度位置和对应的标签。plt.xticks(x[::5], x_ticks_label[::5])表示每隔 5 个数据点设置一个 x 轴刻度标签，这样能避免刻度标签过于密集；plt.yticks(y_ticks[::5])表示每隔 5 个刻度值显示一个 y 轴刻度。

可以理解为第一个参数表示隔多少取一个刻度，而第二个参数表示显示什么和第一个参数意义对应。

plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

3.1.3显示图像

plt.show()

注意，这个库中想要显示中文字体要进行如下操作

from pylab import mpl

# 设置显示中文字体为黑体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

3.2 添加网格线和标题坐标轴

3.2.1. 添加网格显示

使用plt.grid()函数可以为图形添加网格，方便更清晰地观察图形对应的值。以下是示例代码：

import matplotlib.pyplot as plt
import random

# 准备数据
x = range(60)
y = [random.uniform(15, 18) for _ in x]

# 创建画布
plt.figure(figsize=(10, 6), dpi=100)

# 绘制折线图
plt.plot(x, y)

# 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5) 
# True表示显示网格；linestyle='--'设置网格线为虚线；alpha=0.5设置网格线透明度为0.5

# 显示图像
plt.show()

在上述代码中，首先导入必要的模块，然后生成模拟的时间和温度数据。创建画布并绘制折线图后，通过plt.grid()函数添加网格，按照第一张图中的参数设置，让网格以虚线形式、50% 的透明度显示在图形上。

3.2.2. 添加描述信息

使用plt.xlabel()、plt.ylabel()和plt.title()函数分别为图形添加 x 轴标签、y 轴标签和标题，同时可以通过fontsize参数调整字体大小。示例代码如下：

import matplotlib.pyplot as plt
import random

# 准备数据
x = range(60)
y = [random.uniform(15, 18) for _ in x]

# 创建画布
plt.figure(figsize=(10, 6), dpi=100)

# 绘制折线图
plt.plot(x, y)

# 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5) 

# 添加描述信息
plt.xlabel("时间", fontsize=12)  # 添加x轴标签并设置字体大小为12
plt.ylabel("温度", fontsize=12)  # 添加y轴标签并设置字体大小为12
plt.title("中午11点0分到12点之间的温度变化图示", fontsize=20) 
# 添加标题并设置字体大小为20

# 显示图像
plt.show()

3.3 图片保存

import matplotlib.pyplot as plt
import random

# 准备数据
x = range(60)
y = [random.uniform(15, 18) for _ in x]

# 创建画布
plt.figure(figsize=(10, 6), dpi=100)

# 绘制折线图
plt.plot(x, y)

# 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)

# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点到12点温度变化图")

# 保存图像，指定保存路径和文件名，这里保存在当前目录下为test.png
plt.savefig("test.png")

# 显示图像
plt.show()
  • 保存图像的方法：使用plt.savefig()函数可以将绘制好的图像保存到指定路径。如代码plt.savefig("test.png")，表示将图像以test.png文件名保存，文件格式为 PNG。你可以根据需要修改文件名和路径，如plt.savefig("C:/images/weather_chart.jpg") ，将图像保存到 C 盘的 images 文件夹下，格式为 JPEG。
  • 注意事项：plt.show()会释放figure资源，如果先执行plt.show()再保存图片，保存的将是一张空图片。因此，建议在调用plt.show()之前先调用plt.savefig()保存图像。

4.一张图绘制多个图像，添加图例

import matplotlib.pyplot as plt
import random

# 准备横坐标数据，表示11点到12点的60分钟
x = range(60)

# 准备上海的温度数据，在15到18度之间随机取值
y_shanghai = [random.uniform(15, 18) for _ in x]

# 准备北京的温度数据，在1到3度之间随机取值
y_beijing = [random.uniform(1, 3) for _ in x]

# 创建画布
plt.figure(figsize=(10, 6), dpi=100)

# 绘制上海的温度变化折线图
plt.plot(x, y_shanghai, label='上海')

# 绘制北京的温度变化折线图，设置颜色为红色，线条样式为虚线
plt.plot(x, y_beijing, color='r', linestyle='--', label='北京')

# 添加网格显示，方便观察数据
plt.grid(True, linestyle='--', alpha=0.5)

# 添加x轴、y轴标签和标题
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点到12点城市温度变化图")

# 添加图例，显示每条折线对应的城市名称
plt.legend()

# 保存图像
plt.savefig("city_temperature.png")

# 显示图像
plt.show()
  1. 导入模块：开头导入matplotlib.pyplot用于绘图，random用于生成随机温度数据。
  2. 数据准备：分别生成表示 60 分钟的横坐标数据x，以及上海和北京的温度数据y_shanghai、y_beijing，这些数据都是随机生成的模拟值。
  3. 创建画布：使用plt.figure()创建一个指定大小和分辨率的画布。
  4. 绘制图像：
    • 第一次调用plt.plot()绘制上海的温度变化折线图，并通过label参数设置标签为 “上海”。
    • 第二次调用plt.plot()绘制北京的温度变化折线图，通过color参数设置线条颜色为红色，linestyle参数设置线条样式为虚线，同时也设置了label为 “北京”，方便后续添加图例。
  5. 添加辅助元素：
    • 使用plt.grid()添加网格，使图形数据更易观察。
    • 使用plt.xlabel()、plt.ylabel()和plt.title()分别添加 x 轴标签、y 轴标签和标题。
    • 使用plt.legend()添加图例，根据之前plot函数中设置的label，自动显示每条折线对应的城市名称。
  6. 保存和显示图像：先使用plt.savefig()保存图像，再使用plt.show()显示图像，注意保存要在显示之前，避免保存到空图。

显示图例函数

plt.legend()函数，用于在 Matplotlib 绘制的图形中显示图例：

  • 基本作用：当在一个坐标系中绘制多个图形时，plt.legend()能根据plt.plot()等绘图函数中设置的label参数，展示每个图形对应的标签说明，方便区分不同图形代表的数据 。
  • 使用方法：
    • 首先在绘图函数（如plt.plot() ）中通过label参数为图形设置标签，例如plt.plot(x, data1, label="数据1") 、plt.plot(x, data2, label="数据2") 。
    • 然后调用plt.legend()显示图例。若仅写plt.legend() ，会使用默认设置显示图例；若要指定图例位置，可使用loc参数，如plt.legend(loc="best") 让系统自动选最佳位置，loc还支持多种取值，图片中的表格列出了位置字符串（如'upper right' ）和对应的位置代码（如1 ）。
  • 注意事项：只在plt.plot()中设置label不能直接显示图例，必须调用plt.legend()才能将图例呈现在图形上。

至此画一个简单的图已经完善，这是完整代码：

import matplotlib.pyplot as plt
import random

# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for i in x]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制图像
plt.plot(x, y_shanghai, label="上海")
plt.plot(x, y_beijing, color="r", linestyle="--", label="北京")

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 2.2 添加网格显示
plt.grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

# 2.4 添加图例
plt.legend(loc=0)

# 2.5 图像保存
plt.savefig("./test.png")

# 3.图像显示
plt.show()

5.多个坐标系显示多个图

其实差不多，只不过是调用对象不一样，调用的方法有差别。

  • 当需要将多个数据可视化结果展示在同一幅图的不同坐标系中时，可使用plt.subplots函数。如想同时展示上海和北京中午 11 点到 12 点的天气温度变化图，就可利用该函数。
  • 函数介绍：matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw)，其中nrows和ncols用于设置子图的行数和列数，默认都为 1；该函数返回两个值，fig代表整个图像对象，axes返回相应数量的坐标系对象。所以需要两个变量去接收，之后可以用axes这个变量当做每个子图去使用，见代码。
  • axes数组表示方法：

    axes数组的索引从 0 开始，通过axes[row_index, col_index]来定位特定的子坐标系，其中row_index是行索引，col_index是列索引。例如：axes[0, 0]：表示第 1 行第 1 列的子坐标系。axes[0, 1]：表示第 1 行第 2 列的子坐标系。axes[1, 0]：表示第 2 行第 1 列的子坐标系。axes[1, 1]：表示第 2 行第 2 列的子坐标系。

  • 设置方法差异：相比之前直接用plt的方式，面向对象的方法中设置坐标轴刻度、标签等需通过axes对象的方法，如set_xticks（设置 x 轴刻度）、set_xlabel（设置 x 轴标签）等。
  • 代码示例讲解：
    • 创建画布：fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)，创建了一个包含 1 行 2 列子图的画布，宽 20 英寸，高 8 英寸，分辨率 100dpi，fig为整个图像对象，axes是包含两个子坐标系对象的数组。
    • 绘制图像：通过axes[0].plot(x, y_shanghai, label="上海")在第一个子坐标系绘制上海温度变化图 ；axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京")在第二个子坐标系绘制北京温度变化图。
import matplotlib.pyplot as plt
import random

# 准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for i in x]

# 创建画布
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)

# 绘制图像
axes[0].plot(x, y_shanghai, label="上海")
axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京")

# 为第一个子图添加辅助元素
axes[0].set_title("上海中午11点--12点温度变化图")
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].grid(True, linestyle="--", alpha=0.5)
axes[0].legend()

# 为第二个子图添加辅助元素
axes[1].set_title("北京中午11点--12点温度变化图")
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].grid(True, linestyle="--", alpha=0.5)
axes[1].legend()

# 显示图像
plt.show()

但是这里注意在显示刻度的时候有一个差别，它不能像唯一一个图一样用两个参数去做，而需要拆分为两个函数

这是一个图 这是多个图：

import matplotlib.pyplot as plt
import random

# 准备横坐标数据，表示11点到12点的60分钟
x = range(60)
# 准备上海的温度数据，在15到18度之间随机取值
y_shanghai = [random.uniform(15, 18) for _ in x]
# 准备北京的温度数据，在1到3度之间随机取值
y_beijing = [random.uniform(1, 3) for _ in x]

# 创建2×1的子图布局
fig, axes = plt.subplots(nrows=2, ncols=1, figsize=(10, 8))

# 绘制图像
axes[0].plot(x, y_shanghai, label="上海")
axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京")

# 2.1 添加x,y轴刻度
# 设置x,y轴刻度 
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 修改x,y轴坐标刻度显示
axes[0].set_xticks(x[::5])  # 为第一个子坐标系的x轴每隔5个数据点设置一个刻度
axes[0].set_yticks(y_ticks[::5])  # 为第一个子坐标系的y轴每隔5个刻度值设置一个刻度
axes[0].set_xticklabels(x_ticks_label[::5])  # 为第一个子坐标系的x轴刻度设置对应标签，每隔5个刻度显示一个

axes[1].set_xticks(x[::5])  # 为第二个子坐标系的x轴每隔5个数据点设置一个刻度
axes[1].set_yticks(y_ticks[::5])  # 为第二个子坐标系的y轴每隔5个刻度值设置一个刻度
axes[1].set_xticklabels(x_ticks_label[::5])  # 为第二个子坐标系的x轴刻度设置对应标签，每隔5个刻度显示一个


# 显示图像
plt.show()
  • 对于第一个子坐标系（axes[0]）：
    • axes[0].set_xticks(x[::5])：设置 x 轴刻度位置，每隔 5 个数据点显示一个刻度 ，x[::5]表示从x中每隔 5 个元素取一个。
    • axes[0].set_yticks(y_ticks[::5])：设置 y 轴刻度位置，每隔 5 个刻度值显示一个刻度 ，y_ticks[::5]表示从y_ticks中每隔 5 个元素取一个。
    • axes[0].set_xticklabels(x_ticks_label[::5])：设置 x 轴刻度标签，与set_xticks配合，每隔 5 个刻度显示对应的标签。
  • 对于第二个子坐标系（axes[1]）：
    • axes[1].set_xticks(x[::5])、axes[1].set_yticks(y_ticks[::5]) 、axes[1].set_xticklabels(x_ticks_label[::5]) ：作用与在axes[0]中的设置类似，分别设置第二个子坐标系的 x 轴刻度位置、y 轴刻度位置以及 x 轴刻度标签 。

 这是整体代码：

import matplotlib.pyplot as plt
import random

# 0. 准备数据
# 生成表示60分钟的时间序列，作为横坐标数据
x = range(60)
# 生成上海的温度数据，每个数据在15到18度之间随机取值
y_shanghai = [random.uniform(15, 18) for i in x]
# 生成北京的温度数据，每个数据在1到3度之间随机取值
y_beijing = [random.uniform(1, 3) for i in x]

# 1. 创建画布
# 创建一个1行2列的子图布局，设置画布大小为宽20英寸，高8英寸，分辨率为100dpi
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)

# 2. 绘制图像
# 在第一个子坐标系中绘制上海的温度变化折线图，并添加标签
axes[0].plot(x, y_shanghai, label="上海")
# 在第二个子坐标系中绘制北京的温度变化折线图，设置颜色为红色，线条样式为虚线，并添加标签
axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京")

# 2.1 添加x,y轴刻度
# 构造x轴刻度标签，格式为“11点几分”
x_ticks_label = ["11点{}分".format(i) for i in x]
# 生成y轴刻度值，范围是0到39
y_ticks = range(40)

# 修改x,y轴坐标刻度显示
# 为第一个子坐标系的x轴每隔5个数据点设置一个刻度
axes[0].set_xticks(x[::5])
# 为第一个子坐标系的y轴每隔5个刻度值设置一个刻度
axes[0].set_yticks(y_ticks[::5])
# 为第一个子坐标系的x轴刻度设置对应标签，每隔5个刻度显示一个
axes[0].set_xticklabels(x_ticks_label[::5])

# 为第二个子坐标系的x轴每隔5个数据点设置一个刻度
axes[1].set_xticks(x[::5])
# 为第二个子坐标系的y轴每隔5个刻度值设置一个刻度
axes[1].set_yticks(y_ticks[::5])
# 为第二个子坐标系的x轴刻度设置对应标签，每隔5个刻度显示一个
axes[1].set_xticklabels(x_ticks_label[::5])

# 2.2 添加网格显示
# 为第一个子坐标系添加虚线网格，不透明度为1（完全不透明）
axes[0].grid(True, linestyle="--", alpha=1)
# 为第二个子坐标系添加虚线网格，不透明度为1（完全不透明）
axes[1].grid(True, linestyle="--", alpha=1)

# 2.3 添加描述信息
# 为第一个子坐标系设置x轴标签为“时间”
axes[0].set_xlabel("时间")
# 为第一个子坐标系设置y轴标签为“温度”
axes[0].set_ylabel("温度")
# 为第一个子坐标系设置标题为“中午11点-12点某城市温度变化图”，字体大小为20
axes[0].set_title("中午11点-12点某城市温度变化图", fontsize=20)

# 为第二个子坐标系设置x轴标签为“时间”
axes[1].set_xlabel("时间")
# 为第二个子坐标系设置y轴标签为“温度”
axes[1].set_ylabel("温度")
# 为第二个子坐标系设置标题为“中午11点-12点某城市温度变化图”，字体大小为20
axes[1].set_title("中午11点-12点某城市温度变化图", fontsize=20)

# 2.4 显示图例
# 在第一个子坐标系中显示图例，位置自动选择最佳
axes[0].legend(loc=0)
# 在第二个子坐标系中显示图例，位置自动选择最佳
axes[1].legend(loc=0)

# 2.5 图像保存
# 将绘制好的图像保存为当前目录下的test.png文件
plt.savefig("./test.png")

# 3. 图像显示
# 显示绘制好的图形
plt.show()

6.对于其他图只是创建时把plot改一下并且后面参数对应即可，自己可查 

记一下：

plt.figure（figsize=（长，宽），dpi=清晰度）创建画布

plt.plot（x，y）

plt.x/yticks（）掌控刻度，不可直接中文

plt.x/ylable（）掌握坐标标题

plt.title（）掌握标题

plt.grid（True，linestyle="样式"，alpha=透明度）掌握网格线

plt.legend（loc=""）掌握图例，在plot里加lable

plt.show（）展示

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/2313456.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

MySQL中有哪几种锁？

MySQL中有哪几种锁？

大家好，我是锋哥。今天分享关于【MySQL中有哪几种锁？】面试题。希望对大家有帮助； MySQL中有哪几种锁？ 1000道 互联网大厂Java工程师 精选面试题-Java资源分享网 在 MySQL 中，锁是用于确保数据的一致性和并发控制的机…
阅读更多...
Unity单例模式更新金币数据

Unity单例模式更新金币数据

单例模式（Singleton Pattern）是一种创建型设计模式，它确保一个类只有一个实例，并提供一个全局访问点来获取该实例。在游戏开发中，单例模式非常适合用于管理全局唯一的数据，比如玩家的金币数量。通过使用单例…
阅读更多...
【javaEE】多线程（进阶）

【javaEE】多线程（进阶）

1.❤️❤️前言~🥳🎉🎉🎉 Hello, Hello~ 亲爱的朋友们👋👋，这里是E绵绵呀✍️✍️。 如果你喜欢这篇文章，请别吝啬你的点赞❤️❤️和收藏📖📖。如果你对我的…
阅读更多...
Vue3实战学习（Element-Plus常用组件的使用(输入框、下拉框、单选框多选框、el-image图片)）(上)(5)

Vue3实战学习（Element-Plus常用组件的使用(输入框、下拉框、单选框多选框、el-image图片)）(上)(5)

目录 一、Vue3工程环境配置、项目基础脚手架搭建、Vue3基础语法、Vue3集成Element-Plus的详细教程。(博客链接如下) 二、Element-Plus常用组件使用。 &#xff08;1&#xff09;el-input。(input输入框) <1>正常状态的el-input。 <2>el-input的disable状态。 <3…
阅读更多...
C++ 链表List使用与实现：拷贝交换与高效迭代器细致讲解

C++ 链表List使用与实现：拷贝交换与高效迭代器细致讲解

目录 list的使用&#xff1a; 构造与赋值 元素访问 修改操作 容量查询 链表特有操作 拼接&#xff08;Splice&#xff09; C11 新增方法 注意&#xff1a; stl_list的模拟实现&#xff1a; 一、链表节点设计的艺术 1.1 结构体 vs 类的选择 二、迭代器实现的精髓 2…
阅读更多...
知乎后台管理系统：数据库系统原理实验1——数据库基础概念

知乎后台管理系统：数据库系统原理实验1——数据库基础概念

实验背景 通过练习绘制语义网络&#xff0c;加深对于基本概念之间关系的理解和掌握。掌握在VISIO中绘制能准确表达基本概念之间关系的语义网络的技能。了解并比较数据模型的Chen’s表示法和UML表示法。理解关系模型设计中的完整性约束的重要性。掌握在Linux操作系统下远程访问…
阅读更多...
docker compose 以redis为例

docker compose 以redis为例

常见docker compose 命令 》》注意这个是旧版本的&#xff0c;新版本 docker 与compose 之间没有 - 新版本的 docker compose 把 version 取消了 &#xff0c;redis 默认是没有配置文件的 &#xff0c;nginx&#xff0c;mysql 默认是有的 services:redis:image: redis:lat…
阅读更多...
ES C++客户端安装及使用

ES C++客户端安装及使用

1. ES 介绍 Elasticsearch &#xff0c; 简称 ES &#xff0c;它是个开源分布式搜索引擎&#xff0c;它的特点有&#xff1a;分布式&#xff0c;零配 置&#xff0c;自动发现&#xff0c;索引自动分片&#xff0c;索引副本机制&#xff0c; restful 风格接口&#xff0c;多…
阅读更多...
【软件工程】一篇入门UML建模图（状态图、活动图、构件图、部署图）

【软件工程】一篇入门UML建模图（状态图、活动图、构件图、部署图）

&#x1f308; 个人主页&#xff1a;十二月的猫-CSDN博客 &#x1f525; 系列专栏&#xff1a; &#x1f3c0;软件开发必练内功_十二月的猫的博客-CSDN博客 &#x1f4aa;&#x1f3fb; 十二月的寒冬阻挡不了春天的脚步&#xff0c;十二点的黑夜遮蔽不住黎明的曙光 目录 1. 前…
阅读更多...
应急响应--流量分析

应急响应--流量分析

&#xff08;一&#xff09;Cobalt Strike流量特征分析 1.HTTP特征 源码特征&#xff1a; 在流量中&#xff0c;通过http协议的url路径&#xff0c;在checksum8解密算法计算后&#xff0c;32位的后门得到的结果是92&#xff0c;64位的后门得到的结果是93&#xff0c;该特征符…
阅读更多...
自然语言处理：高斯混合模型

自然语言处理：高斯混合模型

介绍 大家好&#xff0c;博主又来给大家分享知识了&#xff0c;今天给大家分享的内容是自然语言处理中的高斯混合模型。 在自然语言处理这个充满挑战与机遇的领域&#xff0c;我们常常面临海量且复杂的文本数据。如何从这些数据中挖掘出有价值的信息&#xff0c;对文本进行有…
阅读更多...
【C++指南】一文总结C++类和对象【中】

【C++指南】一文总结C++类和对象【中】

&#x1f31f; 各位看官好&#xff0c;我是egoist2023&#xff01; &#x1f30d; 种一棵树最好是十年前&#xff0c;其次是现在&#xff01; &#x1f680; 今天来学习C类和对象的语法知识。注意&#xff1a;在本章节中&#xff0c;小编会以Date类举例 &#x1f44d; 如果觉得…
阅读更多...
再聊 Flutter Riverpod ，注解模式下的 Riverpod 有什么特别之处，还有发展方向

再聊 Flutter Riverpod ，注解模式下的 Riverpod 有什么特别之处，还有发展方向

三年前我们通过 《Flutter Riverpod 全面深入解析》 深入理解了 riverpod 的内部实现&#xff0c;而时隔三年之后&#xff0c;如今Riverpod 的主流模式已经是注解&#xff0c;那今天就让我们来聊聊 riverpod 的注解有什么特殊之处。 前言 在此之前&#xff0c;我们需要先回忆…
阅读更多...
Go语言集成DeepSeek API和GoFly框架文本编辑器实现流式输出和对话（GoFly快速开发框架）

Go语言集成DeepSeek API和GoFly框架文本编辑器实现流式输出和对话（GoFly快速开发框架）

说明 本文是GoFly快速开发框架集成Go语言调用 DeepSeek API 插件&#xff0c;实现流式输出和对话功能。为了方便实现更多业务功能我们在Go服务端调用AI即DeepSeek接口&#xff0c;处理好业务后再用Gin框架实现流失流式输出到前端&#xff0c;前端使用fetch请求接收到流式的mar…
阅读更多...
docker不停机部署

docker不停机部署

背景 最近做大疆项目时&#xff0c;后台更新部署时&#xff0c;机场和无人机就会掉线。设备自动重连注册时间比较长&#xff0c;应用长时间不可用。所以需要灰色发布服务。docker-compose的swarm模式可解决此问题。 服务构建脚本Dockerfile # 使用官方Java基础镜像&#xff…
阅读更多...
ZLG嵌入式笔记 | ZLG核心板散热设计指引

ZLG嵌入式笔记 | ZLG核心板散热设计指引

在嵌入式系统设计中&#xff0c;散热是影响处理器性能与稳定性的关键问题。本文聚焦于高端嵌入式处理器的散热设计&#xff0c;探讨核心板的热设计与系统级热设计方法&#xff0c;以及导热材料和布局的建议&#xff0c;为解决高温问题提供参考。 用高端嵌入式处理器设计系统&am…
阅读更多...
[Java]使用java进行JDBC编程

[Java]使用java进行JDBC编程

首先要从中央仓库下载api(类似驱动程序)&#xff0c;为了链接java和mysql 下载jar包&#xff0c;需要注意的是jar包的版本要和mysql保持一致 下面是新建文件夹lib&#xff0c;把jar包放进去&#xff0c;并添加为库 sql固定的情况下运行 import com.mysql.cj.jdbc.MysqlDataSo…
阅读更多...
MySQL进阶-关联查询优化

MySQL进阶-关联查询优化

采用左外连接 下面开始 EXPLAIN 分析 EXPLAIN SELECT SQL_NO_CACHE * FROM type LEFT JOIN book ON type.card book.card; 结论&#xff1a;type 有All ,代表着全表扫描&#xff0c;效率较差 添加索引优化 ALTER TABLE book ADD INDEX Y ( card); #【被驱动表】&#xff0…
阅读更多...
fiddler+雷电模拟器(安卓9)+https配置

fiddler+雷电模拟器(安卓9)+https配置

一、fiddler配置 1、开启https代理 2、根证书安装&#xff1a;导出证书系统安装 二、模拟器设置 1、设置网络桥接模式 【点击安装】提示安装成功后保存即可 2、开启root&#xff08;开启adb远程调试&#xff09; 3、开启磁盘写入 4、设置WLAN代理 5、证书安装&#xff1a;物…
阅读更多...
STM32-SPI通信协议

STM32-SPI通信协议

目录 一&#xff1a;什么是通信协议&#xff1f; 二&#xff1a;电路结构 1.硬件电路 2&#xff1a;移位 3&#xff1a;时序图 4.交换字节 三&#xff1a;W25Q64简介 硬件电路&#xff1a;​编辑 存储器地址划分 Dlash操作注意事项 状态寄存器 SPI指令集 四&am…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023