速通matplotlib库

news2024/11/26 1:31:04

速通matplotlib库

前言

​ 最近在复习之前学习过的知识点，因此想到把学过的总结一下，方便后面再次复习，所以有了这个系列。

说明

​ 由于标题写的是“速通”，因此我的想法是可以让大家看完这篇文章，可以上手matplotlib库，并且明白怎么去实现自己想要的效果。
​ 有解释错误的地方，请大家批评指正。有任何问题，也欢迎留言询问，博主看见有空就会回。

目录结构

文章目录

    • 速通matplotlib库
      • 1. 作用与流程
        • 1.1 作用
        • 1.2 流程
      • 2. 画图方法速通
        • 2.1 常用参数与其值
        • 2.2 各个方法与其独有参数
      • 3. 其它常用方法讲解
        • 3.1 创建画布
        • 3.2 显示图例
        • 3.3 显示图像
        • 3.4 保存图像
      • 4. 常用的美化图像方法
        • 4.1 开启网格线
        • 4.2 设置坐标轴刻度
        • 4.3 设置坐标轴显示范围
        • 4.4 坐标轴标题和图标题
        • 4.5 添加文字
      • 5. 常用的技巧（重要）
        • 5.1 解决不显示中文和负号的问题
        • 5.2 如何一幅图多条直线
        • 5.3 如何生成子图并进行绘画
        • 5.4 画三维图
        • 5.5 画双三次贝塞尔面
      • 6. 总结

在这里插入图片描述

1. 作用与流程

1.1 作用

​ matplotlib库，可以实现我们常见的二维图、三维图的构建，并且支持各种方法来美化所画的图。

1.2 流程

​ 在使用这个库之前，需要进行安装，不过很简单，直接pip一下即可：

pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

​ matplotlib库的使用，遵循一个基本流程：

1. 准备数据
2. 创建画布
3. 画图
4. 美化图像
5. 显示/保存图像

​ 小小的例子（画一个sinx函数），演示一下上面的流程：

import numpy as np
from matplotlib import pyplot as plt
# 1. 准备数据
x = np.arange(-10,10,0.1)
y = np.sin(x)
# 2. 创建画布
plt.figure()
# 3. 画图
plt.plot(x,y,label='sin(x)')
# 4. 美化图像
plt.legend()    # 显示上面的label
# 5. 显示/保存图像
plt.show()

​ 结果如下图：

在这里插入图片描述

2. 画图方法速通

​ 所谓的画图方法，即你选用什么样的图，常见的如折线图、散点图、柱状图等等。

​ 在matplotlib中，一个很关键的点在于：许多的参数都是相同的（当然你也要自己思考这个参数在某个图中是否存在，比如折线图中的每个点可以设置形状，但是你在饼状图中肯定没有这个参数，而在散点图中肯定存在这个参数），因此你只需要记住各个方法的英文名字是什么即可。

2.1 常用参数与其值

​ 第一个参数：颜色，参数名为color，可以简写为c：（几乎所有都有这个参数）

取值含义
b蓝色
g绿色
r红色
c青色
m洋红色
y黄色
k黑色
w白色
十六进制的RGB值对应颜色

​ 第二个参数：线形，参数名为linestyle，可以简写为 ls（折线图专用）：

取值含义
-实直线
–破折线
：点虚线
-.点画线

​ 第三个参数：点形状，参数名为marker（折线图、散点图都有）：

取值含义
.点形
o圆圈
v向下的三角形
^向上的三角形
<向左的三角形
>向右的三角形
s正方形
p五边形
*星形
++形
xx形
|竖线
_横线

​ 第四个参数：点的大小，名为markersize，简写为ms，这个参数与上面的配合使用，其值为整数值，数值越大点越大。

​ 第五个参数：线的宽度，名为linewidth，简写为lw，这个参数值也是整数值，值越大，线越宽。

​ 第六个参数：标签名称，名为label，这个参数几乎所有方法都有，并且很重要，其效果就是图中的图例（如下图），不过要使用该参数，需要配合plt.legend()方法使用。

在这里插入图片描述

2.2 各个方法与其独有参数

​ 包含：折线图、柱状图、条形图、饼图、散点图、直方图。

折线图

plot(x,y,**kwargs):
	参数：
		x ： 横轴
		y ： 纵轴
		kwargs： 其它参数

​ 小例子：

import numpy as np
from matplotlib import pyplot as plt
# 1. 准备数据
x = np.arange(-10,10,0.1)
y = np.sin(x)
# 2. 创建画布
plt.figure()
# 3. 画图
plt.plot(x,y,label='sin(x)',c='y',marker='o',ls='--')
# 4. 美化图像
plt.legend()    # 显示上面的label
# 5. 显示/保存图像
plt.show()

在这里插入图片描述

柱状图

bar(left,height,alpha=1,width=0.8,bottom=None,**kwargs)
	参数：
		left ： x 轴的值
		height ： y 轴的值，即图形的高度
		alpha ： 透明度，值为：0-1
		width ： 柱形的宽度
		bottom: 底部变量
		除去这些参数外，还有：color、linewidth（边框宽度）、label、edgecolor（边框颜色）等

​ 小例子：

# 导包
from matplotlib import pyplot as plt
import numpy as np
# 1. 准备数据
x = ['a','b','c','d']
y = [1,2,3,4]
# 2. 生成画布
fig = plt.figure()
# 3. 画柱状图
plt.bar(x,y,alpha=0.8,width=0.3,color=['r','b','y','c'],edgecolor='k',linewidth=3)
# 4. 显示曲线
plt.show()

在这里插入图片描述

​ 注意点：color参数。可以看见的是，由于我们画的图有四个，因此，color参数可以写一个值（共用颜色），也可以写四个值（分开使用颜色）。其它类似的画图方法都可以使用这个思路。

条形图

​ 其实条形图就是柱状图翻转一下，语法也很类似：

barh(y,width,**kwargs)

​ 小例子：

# 导包
from matplotlib import pyplot as plt
# 生成画布
fig = plt.figure()
# 准备数据
x1 = [1,3,5]
y1 = [3,8,9]
# 画图
plt.barh(y=x1,width=y1,color='g',label='A')
# 其它处理
plt.legend()
# 显示曲线
plt.show()

在这里插入图片描述

直方图

hist(x,bins=10,stacked=False,weights=None,histtype=u'bar',edgecolor,**kwargs):
	x : n维数据或者序列
	bins ： 组数，其值可以是整数或者序列或者auto。其中，如果是整数，则为bins+1个组；如果是序列，如[1,2,3,4]，则为[1,2),[2,3),[3,4]三组；如果是auto，则会自动计算
	stacked： 是否垂直重叠，默认水平重叠
	weights： 数据的权重
	histtype ： 绘制直方图的样式，默认是条形的。
	edgecolor: 边框颜色

​ 小例子：

# 导包
from matplotlib import pyplot as plt
import numpy as np
# 生成画布
fig = plt.figure()
# 准备数据
mu = 100
sigma = 15
x = mu + sigma * np.random.randn(10000)
# 画图
plt.hist(x,50,facecolor='b',alpha=1,edgecolor='k')
# 显示曲线
plt.show()

在这里插入图片描述

饼图

pie(x,explode=None,labels=None,autopct=None,pctdistance=0.6,radius=None,**kwargs):
	x : 每个扇形区域的比例，如果没有归一化会自动归一化
	explode： 每个扇形区域离开中心的距离
	labels： 每个扇形区域的文字说明
	autopct： 设置每个扇形区域的百分比文字
	pctdistance： 每个扇形区域中百分比文字的距离
	radius： 扇形半径

​ 小例子：

# 导包
from matplotlib import pyplot as plt
# 生成画布
fig = plt.figure(figsize=(10,8),dpi=80)
# 准备数据
labes = ['A_Sector','B_Sector','C_Sector','D_Sector']
nums = [25,50,15,35]
colors = ['c','m','y','g']
explode = [0.1,0.1,0.1,0.1]
# 画图
plt.pie(nums,explode=explode,labels=labes,colors=colors,autopct='%3.1f%%')
# 显示曲线
plt.show()

在这里插入图片描述

​ 注意点：autopct参数的用法。为了显示%，我们需要使用%来格式化%，因此需要两个%%。

​ 除此之外，同柱状图，当用到多个颜色时，用列表来表示。

散点图

scatter(x,y,s=None,c=None,marker=None,alpha=None,**kwargs):
	x：横轴数据
	y：纵轴数据
	s：点的大小 === markersize
	c：点的颜色 === color
	marker： 点的形状
	alpha：透明度

​ 小例子：

# 导包
from matplotlib import pyplot as plt
import numpy as np
# 生成画布
fig = plt.figure(figsize=(10,8),dpi=80)
# 准备数据
x1 = np.random.randn(10)
y1 = np.random.randn(10)
# 画图
plt.scatter(x1,y1,color='r',marker='*',s=500)
# 显示曲线
plt.show()

在这里插入图片描述

3. 其它常用方法讲解

​ 上面讲解了画图的方法，下面讲解一下除去画图外常用的方法。

3.1 创建画布

​ 方法名：plt.figure

​ 常用参数：

参数名意义值
figsize图像宽和高的基础大小（width，height）
dpi不管它真实意义是什么，它的作用就是让图像真实大小变为： width * dppi，height * dpi整数值

​ 返回值：返回图像操作对象（不过它的返回对象用的不多）。

3.2 显示图例

​ 之前画图方法有一个重要参数，即label，该参数显示的是图像的图例，但是需要配合一个方法使用，即：

​ 方法名：plt.legend()

​ 作用： 让使用了label参数的曲线显示出图例。

3.3 显示图像

​ 方法名：plt.show()

​ 作用：让图像显示出来，如果不使用它最后不会显示出图像的。

​ 注意点：如果调用了该方法，那么相当于内存释放了该图像，此时再调用保存图像的方法是没有效果的。

3.4 保存图像

​ 方法名：plt.savefig()

​ 参数：只有一个参数，即保存的文件名，不过这个文件名必须带有路径，比如.\test.png之类的。

​ 注意点：该方法需要在调用显示图像方法之前使用。

4. 常用的美化图像方法

4.1 开启网格线

​ 方法名：plt.grid()

​ 常用参数：（其实一般都直接默认参数即可）

ls :网格的线形
lw ： 线宽，如：0.8
color ：颜色

​ 小例子：（上面的散点图为例）

# 导包
from matplotlib import pyplot as plt
import numpy as np
# 生成画布
fig = plt.figure(figsize=(10,8),dpi=80)
# 准备数据
x1 = np.random.randn(10)
y1 = np.random.randn(10)
# 画图
plt.scatter(x1,y1,color='r',marker='*',s=500)
plt.grid()
# 显示曲线
plt.show()

在这里插入图片描述

4.2 设置坐标轴刻度

​ 方法名：plt.xticks() or plt.yticks()

​ 常用参数： 显示的坐标刻度范围，接受列表/ndarray参数，比如plt.xticks(np.arange(-10,10))。

​ 举个例子：

# 导包
from matplotlib import pyplot as plt
import numpy as np
# 生成画布
fig = plt.figure(figsize=(10,8),dpi=80)
# 准备数据
x1 = np.random.randn(10)
y1 = np.random.randn(10)
# 画图
plt.scatter(x1,y1,color='r',marker='*',s=500)
# 坐标值刻度
plt.xticks(np.arange(-10,10))
plt.yticks(np.arange(-10,10))
# 显示网格
plt.grid()
# 显示曲线
plt.show()

在这里插入图片描述

4.3 设置坐标轴显示范围

​ 这个与上面是不同的，这里设置的是坐标轴可以显示的范围，而上面设置的是坐标轴总的刻度范围，即如果刻度范围超过显示范围，会被截断。

​ 方法名：plt.ylim() or plt.xlim()

​ 常用参数：显示的范围，一般接受一个列表或元组，其包含两个值，即显示范围最小值和最大值。

​ 举个例子：

# 导包
from matplotlib import pyplot as plt
import numpy as np
# 生成画布
fig = plt.figure(figsize=(10,8),dpi=80)
# 准备数据
x1 = np.random.randn(10)
y1 = np.random.randn(10)
# 画图
plt.scatter(x1,y1,color='r',marker='*',s=500)
# 坐标值刻度
plt.xticks(np.arange(-10,10))
plt.yticks(np.arange(-10,10))
# 坐标轴显示范围
plt.xlim((-5,5))
plt.ylim((-5,5))
# 显示网格
plt.grid()
# 显示曲线
plt.show()

在这里插入图片描述

​ 上面就是刻度范围超过显示范围了，因此被截断了。

4.4 坐标轴标题和图标题

​ 方法名：plt.xlabel() or plt.ylabel() or plt.title()

​ 参数：都是各个标题的内容，字符串值。

​ 举个例子：

# 导包
from matplotlib import pyplot as plt
import numpy as np
# 生成画布
fig = plt.figure(figsize=(10,8),dpi=80)
# 准备数据
x1 = np.random.randn(10)
y1 = np.random.randn(10)
# 画图
plt.scatter(x1,y1,color='r',marker='*',s=500)
# 各个标题
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.title('the title of figure')
# 坐标值刻度
plt.xticks(np.arange(-5,5))
plt.yticks(np.arange(-5,5))
# 坐标轴显示范围
plt.xlim((-5,5))
plt.ylim((-5,5))
# 显示网格
plt.grid()
# 显示曲线
plt.show()

在这里插入图片描述

4.5 添加文字

​ 方法名：plt.text()

​ 常用参数：

参数名意义
x文字左下角x坐标
y文字左下角y坐标
s文字内容，为字符串

​ 看例子：

# 导包
from matplotlib import pyplot as plt
import numpy as np
# 生成画布
fig = plt.figure(figsize=(10,8),dpi=80)
# 准备数据
x1 = np.random.randn(10)
y1 = np.random.randn(10)
# 画图
plt.scatter(x1,y1,color='r',marker='*',s=500)
# 各个标题
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.title('the title of figure')
# 坐标值刻度
plt.xticks(np.arange(-5,5))
plt.yticks(np.arange(-5,5))
# 坐标轴显示范围
plt.xlim((-5,5))
plt.ylim((-5,5))
# 文字显示
plt.text(1,3,'hello')
# 显示网格
plt.grid()
# 显示曲线
plt.show()

在这里插入图片描述

​ 可以发现一个事情：这里参数中的x、y坐标与图中的x、y坐标是对应的，那么也方便我们确定了所填写文本的位置。

5. 常用的技巧（重要）

5.1 解决不显示中文和负号的问题

​ 由于一些众所周知的原因，matplotlib库不直接支持中文以及负号的显示，因此需要特别进行处理，这里大家不用管原理，用到的时候直接拷贝过去用即可：

# 处理中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
# 处理负号显示问题
plt.rcParams['axes.unicode_minus'] = False

5.2 如何一幅图多条直线

​ 这一点非常简单，只需要在同一个代码中多次调用画图方法即可，举个例子：

# 导包
from matplotlib import pyplot as plt
import numpy as np
# 生成画布
fig = plt.figure(figsize=(10,8),dpi=80)
# 准备数据
a = np.random.random((9,3))*2   # 区间 (0，2)
y1 = a[0:,1]
y2 = a[0:,2]
x = np.arange(1,10)
width = 10
height = 3
plt.xlim(-0.5,width+0.2)
plt.ylim(-0.5,height+0.2)
# 画折线
plt.plot(x,y1,linestyle='-',linewidth=1.5,color='k',marker='>')
plt.plot(x,y2,linestyle='-',linewidth=1.5,color='r',marker='*')
# 显示曲线
plt.show()

在这里插入图片描述

5.3 如何生成子图并进行绘画

​ 其效果图如下：

在这里插入图片描述

​ 那么，首先我们需要讲解一个新方法：

新方法

fig,ax = plt.subplots(nrows=num1,ncols=num2)
	参数：
		nrows： 行的个数
		ncols ： 列的个数
		（总的画纸个数为：  行*列，但是同时注意1行2列与2行1列是不同的，虽然它们的画纸都是两个）
	返回值：
		ax ： 返回的操作画纸的对象，可以使用ax[x,x]或者ax[x][x]的方式去索引获取目标画纸

​ 有了上述新方法和其使用方法后，可以简单的实现一下：

# 导包
from matplotlib import pyplot as plt
import numpy as np

# 生成画布
plt.figure(figsize=(10,8),dpi=80)
fig,ax = plt.subplots(nrows=2,ncols=2)
# 处理中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
# 处理负号显示问题
plt.rcParams['axes.unicode_minus'] = False
# 准备数据
x = np.linspace(0,5,100)
y = np.cos(x)
# 画图
ax[0,0].plot(x,y)
ax[0,1].plot(x,y)
ax[1][0].plot(x,y)
ax[1][1].plot(x,y)
# 显示曲线
plt.show()

在这里插入图片描述

​ 注意事项：

​ 令人悲伤的事情，当我们操作的对象变为了ax后，有些原本的方法名字改变了，比如调整刻度范围，原来是xticks，现在变为了set_xticks。你也许会觉得不就是在原来的方法上加上了set_嘛，其实不全是，但是这是一个好的思路。

​ 综上，如果你在操作ax，记得方法名会改变（画图的函数名字不会改变），大多数是加上set_，但是仍然有少数不是。

5.4 画三维图

​ matplotlib当然也支持三维图的绘画，只是相比于二维图，三维图麻烦很多，主要是数据上准备的麻烦，方法到很简单。

方法

​ 线框图：

axes.plot_wireframe(x,y,z)
	x ： x轴的数据
	y ： y轴的数据
	z ： z轴的数据
    axes ： 可以3d显示的对象

​ 其中，axes对象获取的方法如下（必须设置的）：

# 设置画布
plt.figure(figsize=(10,8),dpi=80),
# 设置画纸,并设置成三维显示模式
axes = plt.axes(projection='3d')

​ 另外，还支持画面，而不是线框，参数同上，只是方法名变为了plot_surface(x,y,z)

举个例子

import numpy as np
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import axes3d

# 设置画布
plt.figure(figsize=(10,8),dpi=80),
# 设置画纸,并设置成三维显示模式
axes = plt.axes(projection='3d')
# 准备数据
r = np.linspace(0,1.25,50)
p = np.linspace(0,2*np.pi,50)
# 映射
R ,P = np.meshgrid(r,p)
# 继续生成数据
Z = ((R**2-1)**2)
X , Y = R * np.cos(P) , R * np.sin(P)
axes.plot_surface(X,Y,Z)
plt.show()

在这里插入图片描述

​ 其实麻烦的就是数据的准备。

5.5 画双三次贝塞尔面

​ 这个是我自己在上课时实现的一个案例，其实主要是如何根据公式生成数据，这里肯定只有对双三次贝塞尔曲面感兴趣的才会看，所以我就不贴公式了：

# author: baiCai
import numpy as np
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import axes3d
# 设置画布
plt.figure(figsize=(10,8),dpi=80),
# 设置画纸,并设置成三维显示模式
axes = plt.axes(projection='3d')
# 控制点
Px = np.array([
    [0,2,4,6],
    [0,2,4,6],
    [0,2,4,6],
    [0,2,4,6]
])
Py = np.array([
    [6,6,6,6],
    [4,4,4,4],
    [2,2,2,2],
    [0,0,0,0]
])
Pz = np.array([
    [0,1,1,0],
    [0.5,1.5,1.5,0.5],
    [0.5,1.5,1.5,0.5],
    [0,1,1,0]
])
# 定义u\v
U = np.arange(0,1,0.01)
V = np.arange(0,1,0.01)
[u,v]= np.meshgrid(U,V)
# 长度
d=len(u)
Bu0 = (1 - u)**3
Bu1 = 3 * u * ((1 - u)**2)
Bu2 = 3 * (u**2) * (1 - u)
Bu3 = u**3

Bv0 = (1 - v)**3
Bv1 = 3 * v * ((1 - v)**2)
Bv2 = 3 * (v**2) * (1 - v)
Bv3 = v**3

Bu = np.concatenate((Bu0,Bu1,Bu2,Bu3),axis=0)
Bv = np.concatenate((Bv0,Bv1,Bv2,Bv3),axis=0)

# 初始化X、Y、Z
X=np.zeros(d)
Y=np.zeros(d)
Z=np.zeros(d)

# 开始计算
for i in range(0,4):
    for j in range(0,4):
        nj = d*j
        ni = d*i
        X = X + Px[i,j] * Bu[nj:nj+(d-1),:] * Bv[ni:ni+(d-1),:]
        Y = Y + Py[i,j] * Bu[nj:nj+(d-1),:] * Bv[ni:ni+(d-1),:]
        Z = Z + Pz[i,j] * Bu[nj:nj+(d-1),:] * Bv[ni:ni+(d-1),:]

axes.plot_surface(X,Y,Z)
plt.show()

在这里插入图片描述

6. 总结

​ 上面简单介绍了matplotlib这个库的使用方法，更加深入的技巧就需要根据自己的需求去网上查找源码了。

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/750395.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

WebSocket从入门到精通

WebSocket从入门到精通

WebSocket 是什么&#xff1f; WebSocket是HTML5规范提出的一种协议&#xff1b;目前除了IE浏览器&#xff0c;其他浏览器都基本支持。它是一种协议&#xff0c;万变不离其宗&#xff0c;也是基于TCP协议的&#xff0c;和HTTP协议是并存的两种协议。HTML5 Web Sockets规范定义了…
阅读更多...
快速排序算法解析

快速排序算法解析

快速排序算法解析 快速排序法 快速排序是一种经典的分治算法&#xff0c;它采用递归的方式将待排序数组分割成较小的子数组&#xff0c;然后通过基准元素的选择和元素的交换来达到排序的目的。 快速排序的核心思想是通过选取基准元素&#xff0c;并将其他元素与基准元素进行比…
阅读更多...
如何在工作中保持稳定的情绪？ – 个人看法和建议

如何在工作中保持稳定的情绪？ – 个人看法和建议

文章目录 每日一句正能量前言情绪波动的原因建议情绪调节技巧和策略身处逆境&#xff0c;如何治愈自己 后记 每日一句正能量 所谓的快乐&#xff0c;是指身体的无痛苦和灵魂的无纷扰。——伊壁鸠鲁 前言 在工作中保持稳定的情绪对于每一个职场人来说都是非常重要的。随着工作压…
阅读更多...
什么是vlan为什么要划分vlan

什么是vlan为什么要划分vlan

首先了解交换机的数据的转发方式。&#xff0c;有两种情况会使用广播方式进行数据分发&#xff0c;第一种就是目的地址是全F的&#xff08;FF-FF-FF-FF-FF-FF&#xff09;&#xff0c;第二种是位置的单播帧&#xff0c;这样的情况下会带来什么杨的问题呢。 场景引入&#xff1…
阅读更多...
Vue2 使用vcolorpicker报错问题解决

Vue2 使用vcolorpicker报错问题解决

1、安装步骤省略 2、全局引入步骤省略 3、引入后注册组件会报如下错误 Failed to mount component: template or render function not defined. 按照文档给的例子直接这样写 不用注册组件就不报错了~
阅读更多...
菜鸡shader:L10 帧序列动画和极坐标的使用

菜鸡shader:L10 帧序列动画和极坐标的使用

文章目录 帧序列动画代码最后效果 极坐标代码最后效果 顶点色 这次笔记就直接放最后的效果了&#xff0c;因为课程上老师也没有给代码图片或是什么技巧说明。 下图左边是帧序列动画(鬼火)&#xff0c;右边是极坐标。 帧序列动画 帧序列的原理是对一张有规律行列排序的序列帧…
阅读更多...
35. 反转链表

35. 反转链表

目录 链接&#xff1a; 题目&#xff1a; 思路&#xff1a; 代码&#xff1a; 图片&#xff1a; 链接&#xff1a; 原题链接 题目&#xff1a; 定义一个函数&#xff0c;输入一个链表的头结点&#xff0c;反转该链表并输出反转后链表的头结点。 思考题&#xff1a; 请同时…
阅读更多...
逻辑(css)-背景网格制作(linear-gradient)

逻辑(css)-背景网格制作(linear-gradient)

目录 linear-gradient需求实现 linear-gradient 语法&#xff1a;linear-gradient([direction], color-stop1, color-stop2, ...) 第一个参数为(可选)方向参数&#xff0c;可以是度数也可以是方位名词,方向与读书的关系如下&#xff1a; 角度方位文字说明示例0degto top从下…
阅读更多...
centos7 环境下部署 nacos单机模式

centos7 环境下部署 nacos单机模式

1、官网下载 nacos 官网地址&#xff1a;home 去github上下载nacos-server。我下载的是 nacos-server-1.4.1.tar.gz 2、安装 nacos 下载完成后&#xff0c;将安装包上传到 centos 创建 nacos 目录&#xff08;安装位置任意&#xff09; mkdir -p /usr/local/nacos解压 nac…
阅读更多...
springboot html乱码

springboot html乱码

一、问题重现 二、代码展示 代码的编码都是正常的 修改了File Encodings配置项&#xff0c;结果不管用 三、终极解决方案 终于解决
阅读更多...
MATLAB 基于CPD的点云配准 （24）

MATLAB 基于CPD的点云配准 （24）

MATLAB 基于CPD的点云配准 （24） 一、算法简介二、具体使用1.代码（注释详细）2.函数介绍3.使用技巧4.重复叠加配准效果如何一、算法简介 MATLAB 中包含了一种基于CPD的点云配准方法，这里对其进行使用，查看其配准效果，结果来看如上图所示，还是可用的。 二、具体使用 1.代…
阅读更多...
模板类和友元

模板类和友元

模板类和友元 非模板友元约束模板友元 非模板友元 友元函数不是模板函数&#xff0c;而是利用模板类参数生成的函数&#xff0c;只能在类内实现。 友元函数访问类的私有变量的方法&#xff1a; 将模板类的引用传递给友元函数&#xff1a; 测试调用&#xff1a; 对于有多个…
阅读更多...
Android oom_adj 更新原理(二)

Android oom_adj 更新原理(二)

源码基于&#xff1a;Android R 接上一篇&#xff1a;Android oom_adj 更新原理(一) 12. computeOomAdjLocked() frameworks/base/services/core/java/com/android/server/am/OomAdjuster.javaprivate final boolean computeOomAdjLocked(ProcessRecord app, int cachedAdj,Pr…
阅读更多...
深入解析Android Lifecycle；从基本使用到源码实现，全面掌握生命周期管理

深入解析Android Lifecycle；从基本使用到源码实现，全面掌握生命周期管理

Lifecycle 是 Android Jetpack 中的一个组件&#xff0c;用于管理 Android 应用组件&#xff08;如 Activity 和 Fragment&#xff09;的生命周期。通过使用 Lifecycle&#xff0c;开发者可以更容易地管理组件的生命周期并执行相关的操作。 Lifecycle 提供了一组生命周期事件&…
阅读更多...
关于torch.load()更改了cuda位置还是cuda内存不够的问题

关于torch.load()更改了cuda位置还是cuda内存不够的问题

关于torch.load()变了cuda位置还是cuda内存不够的问题 问题背景&#xff1a;在一次任务中&#xff0c;由于需要使用cuda进行代码运行&#xff0c;但是分明修改了cuda到一个空闲的卡位置&#xff0c;但是依然抱错cuda out of memory的问题 在任务中&#xff0c;最开始原始代码是…
阅读更多...
Node+mysql-注册和登录账号实现（原生）

Node+mysql-注册和登录账号实现（原生）

1.创建数据表 说明&#xff1a;创建id&#xff0c;username,password字段&#xff0c;并设置了类型。 2.导入mysql库 npm i mysql2.18.1 3.创建了db文件夹 说明&#xff1a;创建mysql数据池 // 导入mysql包 const mysqlrequire("mysql") // 创建mysql连接池 const…
阅读更多...
react-flow实现dag工作流

react-flow实现dag工作流

1. 官方文档 Introduction to React Flow 2.效果 3. 代码 index.jsx import { useState, useCallback, useEffect } from react; import ReactFlow, {Controls,Background,applyNodeChanges,applyEdgeChanges,addEdge,ReactFlowProvider,useReactFlow } from reactflow;…
阅读更多...
C++编程（二）—— 设计模式

C++编程（二）—— 设计模式

文章目录 单例模式饿汉式单例模式懒汉式单例模式懒汉式单例模式2 工厂模式&#xff08;创建型模式&#xff09;简单工厂工厂方法抽象工厂总结 单例模式 一个类不管创建多少次多线&#xff0c;永远只能得到该类型一个对象的实例。 A* p1 new A(); A *p2 new A(); A *p3 new…
阅读更多...
msvcr110.dll丢失的修复教程，找不到msvcr110.dll解决办法哪个更推荐

msvcr110.dll丢失的修复教程，找不到msvcr110.dll解决办法哪个更推荐

msvcr110.dll是微软的Visual C运行库文件之一。它是Microsoft Visual Studio 2012的一部分&#xff0c;用于支持运行在Windows操作系统上使用Visual C编写的应用程序。在Windows系统中非常重要&#xff0c;如果丢失或是损坏就会造成很多程序无法启动运行。 会出现以下的报错提…
阅读更多...
将C++对象注册成QML控件并提供可被调用的函数

将C++对象注册成QML控件并提供可被调用的函数

0x00 使用QML编写界面 import QtQuick 2.14 import QtQuick.Window 2.14 import QtQuick.Controls 1.4 import QtQuick.Controls 2.12 as Controls import QtQuick.Controls.Styles 1.4 import QtQuick.Controls.Material 2.12 //import com.HLD 1.0Window {visible: true;mini…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023