python学习——Matplotlib数据可视化基础

news2024/9/25 1:17:50

目录

  • Matplotlib数据可视化基础
  • 1.基础语法与折线图
    • rc参数调整
    • 中文显示的问题
  • 2.散点图
  • 3.条形图
    • 案例一：横向条形图
    • 案例二：多个条形图
    • 案例三：最后一个刻度
  • 4.直方图
    • 实例1 频率分布直方图和频数分布直方图
  • 5.饼图
  • 6.箱线图
    • 综合案例：直方图 + 饼图

Matplotlib数据可视化基础

官方网站：https://matplotlib.org/
百度前端：https://www.echartsjs.com/zh/index.html
plotly:可视化工具：https://plot.ly/python/

matplotlib: 最流行的Python底层绘图库，主要做数据可视化图表,名字取材于MATLAB，模仿MATLAB构建

1.基础语法与折线图

在这里插入图片描述

实例1

from matplotlib import pyplot as plt
plt.figure(figsize=(20,10),dpi=80)
x=range(2,26,2)
y=[15,13,14.5,17,20,25,26,26,27,22,18,15]
plt.plot(x,y)
plt.xticks(x[::1])
plt.yticks(range(min(y),max(y)+1))
plt.show()

在这里插入图片描述

实例2

import random
from matplotlib import pyplot as plt
## 设置字体为SimHei显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
plt.figure(figsize=(20,10),dpi=80)#设置窗口大小
y= [random.randint(20,35) for i in range(120)]
x=range(0,120)
plt.plot(x,y)
_x=list(x)
# _xticks_labels=["hello,{}".format(i) for i in _x]
_xticks_labels=["10点{}分".format(i) for i in range(60)]
_xticks_labels+=["11点{}分".format(i) for i in range(60)]
#取步长，数字和字符串一一对应，数据长度一样
plt.xticks(_x[::3],_xticks_labels[::3],rotation=45)#rotation旋转90度
plt.xlabel('时间')
plt.ylabel('温度 单位（℃）')
plt.title('十点每分钟温度变化情况')
plt.show()


import numpy as np  #导入NumPy库
import matplotlib.pyplot as plt
data = np.arange(0,1.1,0.01)
plt.figure(figsize=(20,10),dpi=80) #设置图片大小
plt.title('lines') ## 添加标题
plt.xlabel('x')    ## 添加x轴的名称
plt.ylabel('y')    ## 添加y轴的名称
plt.xlim((0,1))    ## 确定x轴范围
plt.ylim((0,1))    ## 确定y轴范围
plt.xticks([0,0.2,0.4,0.6,0.8,1]) ## 规定x轴刻度
plt.yticks([0,0.2,0.4,0.6,0.8,1]) ## 确定y轴刻度
plt.plot(data,data**2)  ## 添加y=x^2曲线
plt.plot(data,data**4)  ## 添加y=x^4曲线
plt.legend(['y=x^2','y=x^4'])
plt.grid(alpha=0.1)#绘制网格和透明度更改[0:1]
plt.savefig("F:\python\y=x^2.png")
plt.show()

子图

##第一幅子图
p1 = plt.figure(figsize=(8,6),dpi=80)## 确定画布大小
ax1 = p1.add_subplot(2,1,1)## 创建一个两行1列的子图，并开始绘制第一幅
##第二幅子图
ax2 = p1.add_subplot(2,1,2)## 创开始绘制第2幅

rc参数调整

在这里插入图片描述

plt.plot(x,y,label="硕硕",color="cyan",linestyle="--")
plt.rcParams['lines.linestyle'] = '-.' #改变线性'--'':''-'
plt.rcParams['lines.linewidth'] = 3    #线条宽度0~10
lines.markers     #点形状o D h . , S
lines.markersize  #点大小0~10

中文显示的问题

## 设置字体为SimHei显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
plt.plot(x,y,label="$sin(x)$")              ## 绘制三角函数
plt.title('sin曲线')
plt.savefig('../tmp/显示中文标题sin曲线.png')
plt.show()

2.散点图

data=np.load("F:\python\国民经济核算季度数据.npz",allow_pickle=True)
plt.scatter(values[:,0],values[:,2],marker='*')

实例1
在这里插入图片描述

from matplotlib import pyplot as plt
## 设置字体为SimHei显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
plt.figure(figsize=(20,10),dpi=80)#设置窗口大小
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_3=range(1,32)
x_10=range(51,82)
plt.scatter(x_3,y_3,label="3月份")#绘制散点图
plt.scatter(x_10,y_10,label="10月份")

_x=list(x_3)+list(x_10)
# _xticks_labels=["hello,{}".format(i) for i in _x]
_xticks_labels=["3月{}日".format(i) for i in x_3]
_xticks_labels+=["10月{}日".format(i-50) for i in x_10]
#取步长，数字和字符串一一对应，数据长度一样
plt.xticks(_x[::3],_xticks_labels[::3],rotation=45)

plt.xlabel("时间")
plt.ylabel("温度")
plt.title("温度变化")
plt.legend(loc="upper left")
plt.show()

案例2
在这里插入图片描述

import numpy as np  #导入NumPy库
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data=np.load("F:\python\国民经济核算季度数据.npz",allow_pickle=True)
name = data['columns'] ## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
plt.figure(figsize=(9,9))
plt.scatter(values[:,0],values[:,2],marker='*')
## 绘制散点1
plt.scatter(values[:,0],values[:,3], marker='o',c='red')
## 绘制散点2
plt.scatter(values[:,0],values[:,4], marker='D',c='blue')
## 绘制散点3
plt.scatter(values[:,0],values[:,5], marker='v',c='yellow')
plt.xlabel("年份");plt.ylabel('生产总值（亿元）')
plt.ylim((0,225000))
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.legend(['总值','第一产业','第二产业','第三产业'])## 添加图例
plt.title("2000-2017各季度各产业国民生产值")
plt.show()

3.条形图

plt.bar(range(len(a)),b,width=0.3)#绘制条形图

案例一：横向条形图

在这里插入图片描述

from matplotlib import pyplot as plt
## 设置字体为SimHei显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
plt.figure(figsize=(20,15),dpi=80)#设置窗口大小
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊"]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
#绘制横版条形图
plt.barh(range(len(a)),b,height=0.3,color="orange")
plt.yticks(range(len(a)),a,rotation=0)
plt.grid(alpha=0.3)
plt.show()

案例二：多个条形图

在这里插入图片描述

from matplotlib import pyplot as plt
## 设置字体为SimHei显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
plt.figure(figsize=(20,8),dpi=80)#设置窗口大小

a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]

bar_width=0.2
x_14=list(range(len(a)))
x_15=[i+bar_width for i in x_14] #x往右移
x_16=[i+bar_width*2 for i in x_14]
plt.bar(range(len(a)),b_14,width=bar_width,color="orange",label="9月14日")
plt.bar(x_15,b_15,width=bar_width,color="red",label="9月15日")
plt.bar(x_16,b_16,width=bar_width,color="cyan",label="9月16日")

plt.xticks(x_15,a,rotation=0)
plt.legend()
plt.grid(alpha=0.3)
plt.show()

案例三：最后一个刻度

在这里插入图片描述

from matplotlib import pyplot as plt
## 设置字体为SimHei显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
plt.figure(figsize=(20,15),dpi=80)#设置窗口大小
a = [0,5,10,15,20,25,30,35,40,45,60,90]
c = [5,5,5,5,5,5,5,5,5,15,30,60]
b = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]
_x=[i-0.5 for i in range(13)]
_xtick_labels=a+[150]#最后一个刻度：+[150]
plt.bar(range(len(a)),b,width=1)
plt.xticks(_x,_xtick_labels)
plt.grid(alpha=0.3)
plt.show()

4.直方图

能够使用plt.hist方法的是那些没有统计过的数据

在这里插入图片描述
在这里插入图片描述

plt.bar(range(3),values[-1,3:6],width = 0.5)  ## 绘制直方图
label = ['第一产业','第二产业','第三产业']      ## 刻度标签
plt.xticks(range(3),label)

实例1 频率分布直方图和频数分布直方图

from matplotlib import pyplot as plt
## 设置字体为SimHei显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
plt.figure(figsize=(20,8),dpi=80)#设置窗口大小
a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
#计算组数
d=3 #组距
num_bins=(max(a)-min(a))//d
#plt.hist(a,num_bins)#频数分布直方图
plt.hist(a,num_bins,normed=True)#频率分布直方图
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))
plt.grid()
plt.show()

5.饼图

在这里插入图片描述

label= ['第一产业','第二产业','第三产业']## 定义饼状图的标签，标签是列表
plt.pie(values[-1,3:6],explode=explode,labels=label,autopct='%1.1f%%')## 绘制饼图

import numpy as np  #导入NumPy库
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load('F:\python\国民经济核算季度数据.npz',allow_pickle=True)
name = data['columns']## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
plt.figure(figsize=(6,6))## 将画布设定为正方形，则绘制的饼图是正圆
label= ['第一产业','第二产业','第三产业']## 定义饼状图的标签，标签是列表
explode = [0.01,0.01,0.01]## 设定各项离心n个半径
plt.pie(values[-1,3:6],explode=explode,labels=label,
        autopct='%1.1f%%')## 绘制饼图
plt.title('2017年第一季度各产业国民生产总值饼图')
plt.show()

6.箱线图

在这里插入图片描述

label= ['第一产业','第二产业','第三产业']## 定义标签
gdp = (list(values[:,3]),list(values[:,4]),list(values[:,5]))
plt.boxplot(gdp,notch=True,labels = label, meanline=True)
plt.title('2000-2017各产业国民生产总值箱线图')
plt.show()

综合案例：直方图 + 饼图

在这里插入图片描述

import numpy as np  #导入NumPy库
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load('F:\python\国民经济核算季度数据.npz',allow_pickle=True)
name = data['columns']## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
label= ['第一产业','第二产业','第三产业']## 定义标签
labe2=['农业','工业','建筑','批发','交通','餐饮','金融','房地产','其他']

#############绘制直方图
p1=plt.figure(figsize=(12,12))
#子图1
a1=p1.add_subplot(2,2,1)
plt.bar(range(3),values[0,3:6],width=0.5)
plt.xticks(range(3),label)
plt.xlabel('产业')
plt.ylabel('生产总值（亿元）')
plt.title('2000年第一季度国民生产总值产业构成分布直方图')
#子图2
a2=p1.add_subplot(2,2,2)
plt.bar(range(3),values[-1,3:6],width=0.5)
plt.xticks(range(3),label)
plt.xlabel('产业')
plt.ylabel('生产总值（亿元）')
plt.title('2017年第一季度国民生产总值产业构成分布直方图')
#子图3
a3=p1.add_subplot(2,2,3)
plt.bar(range(9),values[0,6:],width=0.5)
plt.xticks(range(9),labe2)
plt.xlabel('行业')
plt.ylabel('生产总值（亿元）')
plt.title('2000年第一季度国民生产总值行业构成分布直方图')
#子图4
a4=p1.add_subplot(2,2,4)
plt.bar(range(9),values[-1,6:],width=0.5)
plt.xticks(range(9),labe2)
plt.xlabel('行业')
plt.ylabel('生产总值（亿元）')
plt.title('2017年第一季度国民生产总值行业构成分布直方图')

###########绘制饼图
explode1 = [0.01,0.01,0.01]  #指定项距离饼图圆心为n个半径
explode2 = [0.01,0.01,0.01,0.01,0.01,0.01,0.01,0.01,0.01]
p = plt.figure(figsize=(12,12))
## 子图1
ax1 = p.add_subplot(2,2,1)
plt.pie(values[0,3:6],explode=explode1,labels=label,
        autopct='%1.1f%%')## 绘制散点图
plt.title('2000年第一季度国民生产总值产业构成分布饼图')
## 子图2
ax2 = p.add_subplot(2,2,2)
plt.pie(values[-1,3:6],explode=explode1,labels=label,
        autopct='%1.1f%%')## 绘制散点图
plt.title('2017年第一季度国民生产总值产业构成分布饼图')
## 子图3
ax3 = p.add_subplot(2,2,3)
plt.pie(values[0,6:],explode=explode2,labels=labe2,
        autopct='%1.1f%%')## 绘制散点图
plt.title('2000年第一季度国民生产总值行业构成分布饼图')## 添加图表标题
## 子图4
ax4 = p.add_subplot(2,2,4)
plt.pie(values[-1,6:],explode=explode2,labels=labe2,
        autopct='%1.1f%%')## 绘制散点图
plt.title('2017年第一季度国民生产总值行业构成分布饼图')## 添加图表标题
## 保存并显示图形

############绘制箱线图
gdp1 = (list(values[:,3]),list(values[:,4]),list(values[:,5]))
gdp2 = ([list(values[:,i]) for i in range(6,15)])
p = plt.figure(figsize=(8,8))
## 子图1
b1= p.add_subplot(2,1,1)
## 绘制箱线图
plt.boxplot(gdp1,notch=True,labels = label, meanline=True)
plt.title('2000-2017各产业国民生产总值箱线图')
plt.ylabel('生产总值（亿元）')## 添加y轴名称
## 子图2
b2 = p.add_subplot(2,1,2)
## 绘制箱线图
plt.boxplot(gdp2,notch=True,labels = labe2, meanline=True)
plt.title('2000-2017各行业国民生产总值箱线图')
plt.xlabel('行业')## 添加横轴标签
plt.ylabel('生产总值（亿元）')## 添加y轴名称
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/672379.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

Centos7 上的sqlite3安装及升级

Centos7 上的sqlite3安装及升级

一.wget升级 yum install -y wget 二.sqlite3安装 sudo yum install sqlite-devel 查看sqlite3的版本 sqlite3 -version 三.sqlite3升级 下载源码 wget https://www.sqlite.org/2023/sqlite-autoconf-3420000.tar.gz 版本可去官网选择 SQLite Download Page 解压、编译 tar z…
阅读更多...
类的真正形态

类的真正形态

问题 经过不停地改进，结构体 struct 变得越来越不像它在 C 语言中的样子了！！！ struct 在 C 语言中已经有了自己的含义，必须继续兼容 在 C 中提供了新的关键字 class 用于类定义 class 和 struct 的用法是完全相同的…
阅读更多...
微信接口测试拓展

微信接口测试拓展

背景 最近收到一个SRC提交的漏洞，泄露了微信小程序的appkey和appSecret；于是乎为了搞清楚影响，漏洞风险和利用方式，便有了这篇文章； 在了解漏洞风险之前先来了解一下微信的几个平台； 微信公众号平台 微…
阅读更多...
进行压力测试的目的是什么？重要性体现在哪？

进行压力测试的目的是什么？重要性体现在哪？

进行压力测试的目的是什么？重要性体现在哪？压力测试是通过施加一定压力或负荷于测试对象，以评估其结构、性能和可靠性的过程。它可以是静态压力测试，即施加一定压力并持续一段时间，也可以是动态压力测试，即…
阅读更多...
十四.EtherCAT开发之ST MCU STM32F407ZGt6+ AX58100的开发FOE应用

十四.EtherCAT开发之ST MCU STM32F407ZGt6+ AX58100的开发FOE应用

十四.EtherCAT开发之ST MCU STM32F407ZGt6 AX58100的开发FOE应用 STM32F407ZGt6与AX58100是 SPI连接，工作在SPI模式。 FoE(File Access over EtherCAT)可实现EtherCAT节点之间的文件传输。 14.1 SSC TOOL配置 boot mode与FOE支持 FOE 说是要在状态机的boot mod…
阅读更多...
本地同城美食小程序软件开发

本地同城美食小程序软件开发

以下是同城美食小程序软件的一些常见需求： 餐厅列表和搜索：提供详细的餐厅信息，包括店铺地址、联系方式、特色菜品等，并让用户可以通过关键字或地理位置搜索并筛选餐厅。 菜单浏览：展示每个餐厅的菜单&#xf…
阅读更多...
控制您的数据：Web3私有链为数据主权带来的突破性变革

控制您的数据：Web3私有链为数据主权带来的突破性变革

在数字化时代，数据已经成为企业和个人最宝贵的资产之一。然而，随着大规模数据泄露和滥用事件的频发，数据主权和隐私保护成为了备受关注的问题。在这个背景下，Web3私有链的出现为数据主权带来了一场突破性的变革。 首先&#xff0c…
阅读更多...
基于51单片机的数字电子钟

基于51单片机的数字电子钟

目录 摘 要 1.课程设计任务 1.1课程设计题目 1.2设计的要求 2.设计总体方案 2.1初步设计方案 2.2芯片的选型 2.2.1时钟芯片的选择 2.2.2温度传感器的选择 2.2.3显示电路的选择 2.2.4输入按键的选择 2.2.5控制电路芯片的选择 2.3总体方案 3.单元模块设计 3.1显…
阅读更多...
端午佳节|展望现代科技下的传统佳节

端午佳节|展望现代科技下的传统佳节

目录 引言 一、利用代码传承端午节文化 1. 编写端午节的相关小程序或网页应用 2. 开发端午节主题的应用程序或游戏 二、科技让传统更便捷 1. 线上购物与送礼 2. 线上分享与互动 结语： 引言 加入CSDN已经是6个端午的年头了。今年端午正好是第6年&#xff0c…
阅读更多...
Ubuntu Nvidia Failed to initialize NVML: Driver/library version mismatch 解决方案

Ubuntu Nvidia Failed to initialize NVML: Driver/library version mismatch 解决方案

一、nvidia显卡驱动丢失 现象： 执行nvidia-smi报错 原因： NVIDIA 内核版本与系统驱动版本不适配，Ubuntu自动将nvidia的驱动从525.105更新到了525.116 如下图 注：当使用 apt-get 命令时，默认会将所有需要更新的包都下…
阅读更多...
具身智能与强化学习前沿进展 | 2023智源大会精彩回顾

具身智能与强化学习前沿进展 | 2023智源大会精彩回顾

导读 今年是具身智能值得纪念的一年，从谷歌发布具身多模态大模型，展示了智能体与环境智能交互的能力；再到特斯拉的人形机器人引发人们对具身智能和未来通用机器人的想象。那么，具身智能究竟“走”到哪里了？ 在2023北京…
阅读更多...
Three.js创建场景学习

Three.js创建场景学习

Three.js 入门示例_bcbobo21cn的博客-CSDN博客 这里做了Three.js入门示例，显示一个球体； 下面单独看一下场景Scene； 先只有2句代码， const scene new THREE.Scene(); var x 5; 然后进入前端调试；中断在 var x 5 …
阅读更多...
Android系统安全 — 6.1 WiFi安卓架构

Android系统安全 — 6.1 WiFi安卓架构

1. Android Wi-Fi架构介绍 Android WiFi系统引入了wpa_supplicant，它的整个WiFi系统以wpa_supplicant为核心来定义上层用户接口和下层驱动接口。整个WiFi系统架构如下图所示： 1.1 WifiService 由SystemServer启动的时候生成的ConnecttivityService创…
阅读更多...
加速“虚拟人+X”，魔珐科技撬动AIGC的杠杆

加速“虚拟人+X”，魔珐科技撬动AIGC的杠杆

ChatGPT元宇宙虚拟人，将开创怎样的未来？ 2022年11月30日，OpenAI凭借七年研发积累发布了全新聊天机器人模型ChatGPT，掀起新的人工智能革命。 2023年6月6日，苹果带着研发七年之久的MR头显产品Vision Pro亮相&#xff0…
阅读更多...
WordPress上传.csv格式文件提示”抱歉，由于安全原因，这个文件类型不受支持。”错误的解决方法

WordPress上传.csv格式文件提示”抱歉，由于安全原因，这个文件类型不受支持。”错误的解决方法

在WordPress外贸商城建站过程中，使用WooCommerce的产品导入功能是比较方便快捷的方法，默认使用的导入数据表格式是 .csv 格式，有用户反馈，在使用 WooCommerce 的产品导入 .csv 数据表文件时，会出现 ”抱歉&#xff0c…
阅读更多...
Flink流批一体计算（3）：FLink作业调度

Flink流批一体计算（3）：FLink作业调度

架构 所有的分布式计算引擎都需要有集群的资源管理器，例如：可以把MapReduce、Spark程序运行在YARN集群中、或者是Mesos中。Flink也是一个分布式计算引擎，要运行Flink程序，也需要一个资源管理器。而学习每一种分布式计算引擎&…
阅读更多...
debian11 安装图解

debian11 安装图解

debian11 安装详细图解（实体机） debian是linux几大分支之一，ubuntu也是debian的分支 debian不分服务器、个人桌面版本。 debian12.0.0截至写这篇的时候已经出来了，和11的安装方法一致，由于刚刚出来，相关配套…
阅读更多...
网络安全|渗透测试入门学习，从零基础入门到精通—带你学会 身份认证协议Kerberos

网络安全|渗透测试入门学习，从零基础入门到精通—带你学会 身份认证协议Kerberos

目录 Kerberos Kerberos模型 三、Kerberos 基本概念 3.1 基本概念 3.2 KDC 四、Kerberos 原理 4.1 客户端与 Authentication Service 4.2 客户端与 Ticket Granting Service 4.3 客户端与 HTTP Service 五、Kerberos 的优势 Kerberos是一种计算机网络授权协议&#…
阅读更多...
把大模型“OTA”进智能座舱，一场革新还是泡沫？

把大模型“OTA”进智能座舱，一场革新还是泡沫？

文|智能相对论 作者|leo陈 ChatGPT走红后，大模型的热度持续不减。时至今日，随着国内多巨头掀起“百模大战”，热度又被顶到更高峰。 前两个月里，百度、阿里、腾讯加入；进入5月，先有网易有道，发…
阅读更多...
X2000 Linux 调试VL53L0X

X2000 Linux 调试VL53L0X

之前在RK3566上调试过VL53L0X，这次主要参照之前的记录，在X2000 linux上进行调试。 一、SDK中加入驱动 1、加入源码 不同于常规的方式，将驱动添加到kernel/driver下，君正的linux sdk，需要将驱动添加到module_driver下…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023