【100天精通Python】Day63：Python可视化_Matplotlib绘制子图，子图网格布局属性设置等示例+代码

 目录

1 基本子图绘制示例

2 子图网格布局

3 调整子图的尺寸

4 多行多列的子图布局

5 子图之间的共享轴

6 绘制多个子图类型

7 实战：

绘制一个大图，里面包含6个不同类别的子图，不均匀布局。

绘制子图（subplots）是在Matplotlib中创建多个子图的常见任务。通过子图，您可以将多个图形放置在同一图表中，以便比较不同的数据或可视化多个相关的图形。一般流程如下：

  1. 创建图形对象：首先，您需要创建一个图形对象，可以使用plt.figure()函数来完成。该图形对象代表整个图形窗口，您可以在其中放置多个子图。

  2. 添加子图：使用fig.add_subplot()函数来添加子图。这个函数接受三个参数，分别是行数、列数和子图的索引位置。例如，fig.add_subplot(2, 2, 1)表示将创建一个2x2的网格，并在第一个位置创建子图。

  3. 绘制图表：在每个子图中，您可以使用Matplotlib的绘图函数（如plot()、scatter()、bar()等）来绘制不同类型的图表。

  4. 子图属性设置：您可以设置每个子图的标题、坐标轴标签、背景颜色、图例等属性，以使其更具可读性和吸引力。

  5. 调整子图布局：Matplotlib允许您调整子图之间的间距，以便更好地组织和排列它们。可以使用plt.subplots_adjust()函数来完成这个任务。

  6. 显示图形：一旦您创建并设置了所有子图，使用plt.show()函数来显示整个图形。

1 基本子图绘制示例

首先，让我们看一个基本的子图绘制示例。使用plt.subplots()函数，您可以创建一个包含多个子图的图表，并将这些子图放置在一个网格中。以下是一个基本的示例：

import matplotlib.pyplot as plt
import numpy as np# 创建示例数据
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 创建一个包含两个子图的图表
fig, axes = plt.subplots(nrows=1, ncols=2)# 在第一个子图中绘制正弦函数
axes[0].plot(x, y1, label='Sine Function', color='blue')
axes[0].set_title('Sine Function')# 在第二个子图中绘制余弦函数
axes[1].plot(x, y2, label='Cosine Function', color='red')
axes[1].set_title('Cosine Function')# 显示图例
axes[0].legend()
axes[1].legend()# 显示图形
plt.show()

运行：

        以上代码演示了如何使用Matplotlib创建一个包含两个子图的图表。这两个子图分别显示了正弦函数和余弦函数的曲线。

  1. 导入Matplotlib库和NumPy库。
  2. 创建示例数据，使用NumPy的linspace函数生成0到2π之间的100个点作为x轴数据，同时计算对应的正弦值和余弦值作为y轴数据。
  3. 使用plt.subplots函数创建一个图表和一个由子图对象组成的数组。其中nrows=1表示创建一个行数为1，列数为2的图表。
  4. 在第一个子图中绘制正弦函数曲线，使用plot函数，并指定标签(label)和颜色(color)。同时设置标题(set_title)为"Sine Function"。
  5. 在第二个子图中绘制余弦函数曲线，同样使用plot函数，并指定标签和颜色。设置标题为"Cosine Function"。
  6. 显示图例，使用legend函数，在每个子图中显示曲线的标签。
  7. 最后调用plt.show()来显示图形。

2 子图网格布局

        Matplotlib还允许您以更复杂的方式布局子图，以满足您的需求。您可以使用gridspec模块来实现更灵活的子图布局。以下是一个示例，演示如何使用gridspec创建子图网格：

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import numpy as np# 创建示例数据
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)# 创建一个包含多个子图的图表，使用gridspec定义子图布局
fig = plt.figure(figsize=(10, 4))
gs = gridspec.GridSpec(1, 3)  # 1行3列的子图布局# 第一个子图
ax1 = plt.subplot(gs[0, 0])
ax1.plot(x, y1, label='Sine Function', color='blue')
ax1.set_title('Sine Function')
ax1.legend()# 第二个子图
ax2 = plt.subplot(gs[0, 1])
ax2.plot(x, y2, label='Cosine Function', color='red')
ax2.set_title('Cosine Function')
ax2.legend()# 第三个子图
ax3 = plt.subplot(gs[0, 2])
ax3.plot(x, y3, label='Tangent Function', color='green')
ax3.set_title('Tangent Function')
ax3.legend()# 调整子图之间的距离
plt.tight_layout()# 显示图形
plt.show()

运行： 

        这个示例创建了一个包含三个子图的图表，使用gridspec模块定义了子图的布局。每个子图包含不同的三角函数，并具有自己的标题和图例。

  1. 导入Matplotlib库和NumPy库。
  2. 创建示例数据，使用NumPy的linspace函数生成0到2π之间的100个点作为x轴数据，同时计算对应的正弦、余弦和正切值作为y轴数据。
  3. 创建一个Figure对象，设置图表的大小为(10, 4)。
  4. 使用gridspec.GridSpec函数创建一个网格布局，指定1行3列的子图布局。
  5. 在第一个子图(ax1)中绘制正弦函数曲线，使用plot函数，并指定标签(label)和颜色(color)。同时设置标题(set_title)为"Sine Function"并显示图例(legend)。
  6. 在第二个子图(ax2)中绘制余弦函数曲线，同样使用plot函数，并指定标签和颜色。设置标题为"Cosine Function"并显示图例。
  7. 在第三个子图(ax3)中绘制正切函数曲线，同样使用plot函数，并指定标签和颜色。设置标题为"Tangent Function"并显示图例。
  8. 调用plt.tight_layout()函数来自动调整子图之间的距离。
  9. 最后调用plt.show()来显示图形。

3 调整子图的尺寸

以下是一些常用的参数，用于调整子图的尺寸和位置：

  1. nrows和ncols：这两个参数用于指定子图的网格布局的行数和列数。例如，fig.add_subplot(2, 2, 1)表示一个2x2的网格布局，其中有4个子图。

  2. index：该参数指定子图在网格中的位置。例如，fig.add_subplot(2, 2, 1)表示在2x2的网格中的第一个位置创建子图。

  3. position：通过position参数，您可以设置子图的位置和大小，它是一个四元组，表示子图的左、下、宽度和高度。例如，fig.add_subplot(position=[0.1, 0.1, 0.8, 0.8])表示在图形中创建一个左上角偏移10%并且宽度和高度都为80%的子图。

  4. projection：用于指定子图的投影类型，例如3D子图、极坐标子图等。

  5. polar：一个布尔值，用于指定子图是否使用极坐标。默认为False。

您可以通过设置gridspec中每个子图的相对宽度来调整子图的尺寸。以下示例将第一个子图的宽度设置为其他两个子图的两倍：

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import numpy as np# 创建示例数据
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)# 创建一个包含多个子图的图表，使用gridspec定义子图布局
fig = plt.figure(figsize=(12, 4))# 1行3列的子图布局，第一个子图宽度为其他两个的两倍
gs = gridspec.GridSpec(1, 3, width_ratios=[2, 1, 1]) # 第一个子图
ax1 = plt.subplot(gs[0, 0])
ax1.plot(x, y1, label='Sine Function', color='blue')
ax1.set_title('Sine Function')
ax1.legend()# 第二个子图
ax2 = plt.subplot(gs[0, 1])
ax2.plot(x, y2, label='Cosine Function', color='red')
ax2.set_title('Cosine Function')
ax2.legend()# 第三个子图
ax3 = plt.subplot(gs[0, 2])
ax3.plot(x, y3, label='Tangent Function', color='green')
ax3.set_title('Tangent Function')
ax3.legend()# 调整子图之间的距离
plt.tight_layout()# 显示图形
plt.show()

         以上代码演示了如何使用Matplotlib创建一个包含多个子图的图表，并使用gridspec来定义子图布局。代码的步骤如下：

  1. 导入Matplotlib库和NumPy库。
  2. 创建示例数据，使用NumPy的linspace函数生成0到2π之间的100个点作为x轴数据，同时计算对应的正弦、余弦和正切值作为y轴数据。
  3. 创建一个Figure对象，设置图表的大小为(12, 4)。
  4. 使用gridspec.GridSpec函数创建一个网格布局，指定1行3列的子图布局，并通过width_ratios参数设置第一个子图的宽度为其他两个子图的两倍。
  5. 在第一个子图(ax1)中绘制正弦函数曲线，使用plot函数，并指定标签(label)和颜色(color)。同时设置标题(set_title)为"Sine Function"并显示图例(legend)。
  6. 在第二个子图(ax2)中绘制余弦函数曲线，同样使用plot函数，并指定标签和颜色。设置标题为"Cosine Function"并显示图例。
  7. 在第三个子图(ax3)中绘制正切函数曲线，同样使用plot函数，并指定标签和颜色。设置标题为"Tangent Function"并显示图例。
  8. 调用plt.tight_layout()函数来自动调整子图之间的距离。
  9. 最后调用plt.show()来显示图形。

4 多行多列的子图布局

        您可以使用gridspec创建多行多列的子图布局，以便在一个图表中组织更多的子图。以下示例演示了一个包含多行多列子图的图表：

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import numpy as np# 创建示例数据
x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)# 创建一个包含多行多列子图的图表，使用gridspec定义子图布局
fig = plt.figure(figsize=(10, 6))
gs = gridspec.GridSpec(3, 2)  # 3行2列的子图布局# 绘制多行多列的子图
for i in range(3):for j in range(2):ax = plt.subplot(gs[i, j])ax.plot(x, y, label='Sine Function', color='blue')ax.set_title(f'Subplot ({i+1}, {j+1})')ax.legend()# 调整子图之间的距离
plt.tight_layout()# 显示图形
plt.show()

运行： 

5 子图之间的共享轴

        您可以通过设置sharex和sharey参数来共享子图之间的X轴或Y轴。以下示例演示了在子图之间共享X轴的情况：

import matplotlib.pyplot as plt
import numpy as np# 创建示例数据
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 创建一个包含多个子图的图表
fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True, figsize=(8, 6))# 第一个子图，共享X轴
ax1.plot(x, y1, label='Sine Function', color='blue')
ax1.set_title('Shared X-Axis')
ax1.legend()# 第二个子图，共享X轴
ax2.plot(x, y2, label='Cosine Function', color='red')
ax2.legend()# 调整子图之间的距离
plt.tight_layout()# 显示图形
plt.show()

运行： 

共享Y轴示例：

        在这个示例中，我们创建了两个子图，通过sharey=True参数来共享Y轴。这两个子图分别绘制了sin函数和cos函数，并共享相同的Y轴刻度。整体标题用suptitle函数添加。这个示例演示了如何创建共享Y轴的子图。代码如下：

import matplotlib.pyplot as plt
import numpy as np# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 创建两个子图，共享Y轴
fig, (ax1, ax2) = plt.subplots(1, 2, sharey=True, figsize=(10, 4))# 在第一个子图上绘制sin函数
ax1.plot(x, y1, label='Sine Function', color='blue', linestyle='--')
ax1.set_title('Subplot 1: Sine Function')
ax1.set_xlabel('X-axis')
ax1.set_ylabel('Y-axis')
ax1.legend()# 在第二个子图上绘制cos函数
ax2.plot(x, y2, label='Cosine Function', color='red', linestyle='-')
ax2.set_title('Subplot 2: Cosine Function')
ax2.set_xlabel('X-axis')
ax2.legend()# 添加整体标题
plt.suptitle('Two Subplots Sharing Y-Axis', fontsize=16, fontweight='bold')# 显示图形
plt.show()

运行： 

6 绘制多个子图类型

        您可以在同一个图表中组合不同类型的子图，例如线图和散点图。以下示例演示了如何在同一图表中绘制多个子图类型：

import matplotlib.pyplot as plt
import numpy as np# 创建示例数据
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
x_scatter = np.random.rand(50) * 2 * np.pi
y_scatter = np.sin(x_scatter)# 创建一个包含多个子图的图表
fig, axs = plt.subplots(2, 2, figsize=(10, 6))# 第一个子图：线图
axs[0, 0].plot(x, y1, label='Sine Function', color='blue')
axs[0, 0].set_title('Line Plot')
axs[0, 0].legend()# 第二个子图：散点图
axs[0, 1].scatter(x_scatter, y_scatter, label='Scatter Points', color='red', marker='o')
axs[0, 1].set_title('Scatter Plot')
axs[0, 1].legend()# 第三个子图：线图
axs[1, 0].plot(x, y2, label='Cosine Function', color='green')
axs[1, 0].set_title('Line Plot')
axs[1, 0].legend()# 第四个子图：散点图
axs[1, 1].scatter(x_scatter, y_scatter, label='Scatter Points', color='purple', marker='s')
axs[1, 1].set_title('Scatter Plot')
axs[1, 1].legend()# 调整子图之间的距离
plt.tight_layout()# 显示图形
plt.show()

运行： 

  1. 导入Matplotlib库和NumPy库。
  2. 创建示例数据，使用NumPy的linspace函数生成0到2π之间的100个点作为x轴数据，并计算对应的正弦值和余弦值作为y轴数据。还生成了50个随机点用于绘制散点图。
  3. 创建一个包含2行2列子图的图表，使用 ​subplots​函数并设置 ​figsize​参数指定图表的大小。​subplots​函数会返回一个Figure对象和一个包含子图的Axes对象的二维数组。
  4. 在第一个子图(axs[0, 0])中绘制正弦函数的线图，使用 ​plot​函数，并指定标签(label)和颜色(color)。设置标题(set_title)为"Line Plot"并显示图例(legend)。
  5. 在第二个子图(axs[0, 1])中绘制散点图，使用 ​scatter​函数，并指定标签、颜色和标记(marker)类型。同样设置标题和图例。
  6. 在第三个子图(axs[1, 0])中绘制余弦函数的线图，使用 ​plot​函数，并指定标签和颜色。设置标题和图例。
  7. 在第四个子图(axs[1, 1])中绘制散点图，使用 ​scatter​函数，并指定标签、颜色和标记类型。同样设置标题和图例。
  8. 使用 ​tight_layout​函数调整子图之间的距离，使其更美观。
  9. 调用 ​show​函数显示图形。

7 实战：

绘制一个大图，里面包含6个不同类别的子图，不均匀布局。

第一行放一个子图，第二行放两个子图 ，第三行放三个子图 ，分别自适应设置子图的尺寸和背景色，示例与代码如下：

import matplotlib.pyplot as plt
import numpy as np# 创建示例数据
x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)# 创建图形
fig = plt.figure(figsize=(12, 8))# 在上方添加母图标题
fig.suptitle('Customized Subplots Example', fontsize=16, fontweight='bold') # fig.suptitle('Customized Subplots Example', fontsize=16, fontweight='bold', y=0.05) # 在下方添加母图标题# 调整子图的布局，增加垂直间距，避免子图之间有交叉
plt.subplots_adjust(hspace=0.5)# 第一行，一个子图，绘制线图
ax1 = fig.add_subplot(3, 1, 1)
ax1.plot(x, y, color='blue', label='Sine Function', linewidth=2, linestyle='--', marker='o', markersize=5)
ax1.set_title('Line Plot', fontsize=14)
ax1.set_facecolor('lightgray')
ax1.set_xlabel('X-axis', fontsize=12)
ax1.set_ylabel('Y-axis', fontsize=12)
ax1.legend()# 添加注释
ax1.annotate('Peak Point', xy=(np.pi/2, 1), xytext=(np.pi/2, 1.2),arrowprops=dict(facecolor='black', shrink=0.05),fontsize=12, bbox=dict(boxstyle='round,pad=0.3', edgecolor='black', facecolor='yellow'))# 第二行，两个子图，一个散点图，一个柱状图
ax2 = fig.add_subplot(3, 2, 3)
ax2.scatter(x, y, color='red', label='Scatter Plot', s=20)
ax2.set_title('Scatter Plot', fontsize=14)
ax2.set_facecolor('lightyellow')
ax2.set_xlabel('X-axis', fontsize=12)
ax2.set_ylabel('Y-axis', fontsize=12)
ax2.legend()ax3 = fig.add_subplot(3, 2, 4)
ax3.bar(x, y, color='green', label='Bar Plot', alpha=0.7)
ax3.set_title('Bar Plot', fontsize=14)
ax3.set_facecolor('lightgreen')
ax3.set_xlabel('X-axis', fontsize=12)
ax3.set_ylabel('Y-axis', fontsize=12)
ax3.legend()# 第三行，三个子图，一个直方图，一个饼图，一个箱线图
ax4 = fig.add_subplot(3, 3, 7)
ax4.hist(y, bins=20, color='purple', label='Histogram', alpha=0.7)
ax4.set_title('Histogram', fontsize=14)
ax4.set_facecolor('lightpink')
ax4.set_xlabel('X-axis', fontsize=12)
ax4.set_ylabel('Frequency', fontsize=12)
ax4.legend()ax5 = fig.add_subplot(3, 3, 8)
ax5.pie([len(y[y > 0]), len(y[y < 0])], labels=['Positive', 'Negative'], colors=['orange', 'lightblue'], autopct='%1.1f%%')
ax5.set_title('Pie Chart', fontsize=14)
ax5.set_facecolor('lightcoral')
ax5.legend()ax6 = fig.add_subplot(3, 3, 9)
ax6.boxplot(y, vert=False, widths=0.3, patch_artist=True, boxprops=dict(facecolor='lightgray'))
ax6.set_title('Box Plot', fontsize=14)
ax6.set_facecolor('lightblue')
ax6.set_xlabel('X-axis', fontsize=12)
ax6.legend([])  # 添加空的图例以解决警告# 调整子图布局
plt.tight_layout()# 显示图形
plt.show()

运行：

上面的示例代码演示了如何创建一个包含不同类型子图的图形，并对每个子图进行了定制化设置。代码流程：

  1. 创建示例数据：使用numpy生成示例数据，这里生成了一个sin函数的数据。

  2. 创建图形对象：使用plt.figure()创建一个图形对象，可以设置图形的大小。

  3. 添加母图标题：使用fig.suptitle()可以为整个图形添加一个标题。

  4. 调整子图的布局：使用plt.subplots_adjust()可以调整子图之间的间距，这里增加了垂直间距。

  5. 创建子图：使用fig.add_subplot()创建子图，指定子图的位置和数量。

  6. 绘制不同类型的子图：根据需要，创建不同类型的子图，如线图、散点图、柱状图、直方图、饼图、箱线图等。

  7. 设置子图的标题、背景色、坐标轴标签和图例：使用set_title()、set_facecolor()、set_xlabel()、set_ylabel()和legend()方法来设置子图的各种属性。

  8. 添加注释：使用annotate()方法可以在子图上添加注释。

  9. 调整子图布局：使用plt.tight_layout()可以自动调整子图的布局，使其适应图形大小。

  10. 显示图形：使用plt.show()显示最终的图形。

这个示例演示了如何在一个图形中创建多个子图，并对每个子图进行不同的设置和绘制不同类型的图表。

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.xdnf.cn/news/139305.html

如若内容造成侵权/违法违规/事实不符，请联系一条长河网进行投诉反馈，一经查实，立即删除！

相关文章

探索单链表数据结构：理解与实现

探索单链表数据结构：理解与实现

文章目录 &#x1f34b;引言&#x1f34b;什么是单链表&#xff1f;&#x1f34b;单链表的基本操作&#x1f34b;单链表的实现&#x1f34b;练习题&#x1f34b;总结 &#x1f34b;引言 在计算机科学和数据结构中&#xff0c;链表是一种基本且重要的数据结构&#xff0c;用于存…
阅读更多...
常用的深度学习自动标注软件

常用的深度学习自动标注软件

0. 简介 自动标注软件是一个非常节省人力资源的操作&#xff0c;而随着深度学习的发展&#xff0c;这些自动化标定软件也越来越多。本文章将会着重介绍其中比较经典的自动标注软件 1. AutoLabelImg AutoLabelImg 除了labelimg的初始功能外&#xff0c;额外包含十多种辅助标注…
阅读更多...
这种方法可以解决开发中的重复“造轮子”

这种方法可以解决开发中的重复“造轮子”

一、前言 开发中&#xff0c;一直听到有人讨论是否需要重复造轮子&#xff0c;我觉得有能力的人&#xff0c;轮子得造。但是往往开发周期短&#xff0c;用轮子所节省的时间去更好的理解业务&#xff0c;应用到业务中&#xff0c;也能清晰发现轮子的利弊&#xff0c;一定意义上解…
阅读更多...
Tomcat中文路径目录

Tomcat中文路径目录

一、问题描述 linux环境下tomcat发布了包含中文名字的页面和文件&#xff0c;浏览器访问报404&#xff0c;非中文页面没有问题&#xff1b;本人为RP设计的原型图发布&#xff0c;其中包含了大量的中文文件和路径 二、解决步骤 第一步&#xff0c;设置tomcat&#xff0c;配置…
阅读更多...
阿里云服务器上CentOS 7.6使用rpm包安装MySQL 8.0.31

阿里云服务器上CentOS 7.6使用rpm包安装MySQL 8.0.31

我这里下载的是最新版本&#xff0c;需要到MySQL官网最新版本下载地址。 要是想要下载以前的版本需要到MySQL以前版本网址中。 1&#xff09;先使用wget https://cdn.mysql.com//Downloads/MySQL-8.0/mysql-8.0.31-1.el7.x86_64.rpm-bundle.tar&#xff08;这个网址现在已经不…
阅读更多...
linux 设置打开文件数

linux 设置打开文件数

可以使用下面的文件进行设置 /etc/security/limits.d/90-nproc.conf 先来看/etc/security/limits.d/90-nproc.conf 配置文件&#xff1a; [root ~]# cat /etc/security/limits.d/90-nproc.conf # Default limit for number of users processes to prevent # accidental fork…
阅读更多...
Java中swing的5种布局方式浅析

Java中swing的5种布局方式浅析

在一个传统的java项目中&#xff0c;遇到一个需要调整布局的需求&#xff0c;下面将学习网上大佬的文章&#xff0c;并将过程记录下来。 1、Java swing5种布局方式 1、 边界布局&#xff08;BorderLayout&#xff09;2、流式布局&#xff08;FlowLayout&#xff09;3、网格布局…
阅读更多...
Qt核心：元对象系统、属性系统、对象树、信号槽

Qt核心：元对象系统、属性系统、对象树、信号槽

一、元对象系统 1、Qt 的元对象系统提供的功能有&#xff1a;对象间通信的信号和槽机制、运行时类型信息和动态属性系统等。 2、元对象系统是 Qt 对原有的 C进行的一些扩展&#xff0c;主要是为实现信号和槽机制而引入的&#xff0c; 信号和槽机制是 Qt 的核心特征。 3、要使…
阅读更多...
1.简单工厂模式

1.简单工厂模式

UML类图 代码 main.cpp #include <iostream> #include "OperationFactory.h" using namespace std;int main(void) {float num1;float num2;char operate;cin >> num1 >> num2 >> operate;Operation* oper OperationFactory::createOpera…
阅读更多...
C语言每日一题(6)：求五位数中的变种水仙花数

C语言每日一题(6)：求五位数中的变种水仙花数

文章主题&#xff1a;求五位数中的变种水仙花数&#x1f525;所属专栏&#xff1a;C语言每日一题&#x1f4d7;作者简介&#xff1a;每天不定时更新C语言的小白一枚&#xff0c;记录分享自己每天的所思所想&#x1f604;&#x1f3b6;个人主页&#xff1a;[₽]的个人主页&#…
阅读更多...
阿里云服务器u1和经济型e实例有什么区别？

阿里云服务器u1和经济型e实例有什么区别？

阿里云服务器经济型e实例和云服务器u1有什么区别&#xff1f;同CPU内存配置下云服务器u1性能更强&#xff0c;u1实例价格也要更贵一些。经济型e实例属于共享型云服务器&#xff0c;不同实例vCPU会争抢物理CPU资源&#xff0c;并导致高负载时计算性能波动不稳定&#xff0c;而云…
阅读更多...
Linux 系统移植（一）-- 系统组成

Linux 系统移植（一）-- 系统组成

参考资料&#xff1a; linux系统移植篇&#xff08;一&#xff09;—— linux系统组成【野火Linux移植篇】1-uboot初识与编译/烧录步骤 文章目录 一、linux系统组成二、Uboot三、Linux内核四、设备树 本篇为Linux系统移植系列的第一篇文章&#xff0c;介绍了一个完整可运行的L…
阅读更多...
国科大体系结构习题 | 第二章 计算机系统结构基础

国科大体系结构习题 | 第二章 计算机系统结构基础

第二章 习题汇总 Q1. 在3台不同指令系统的计算机上运行同一程序P时&#xff0c;A机需要执行 1.0 1 0 8 1.010^8 1.0108条指令&#xff0c;B机需要执行 2.0 1 0 8 2.0 10^8 2.0108条指令&#xff0c;C机需要执行 4.0 1 0 8 4.010^8 4.0108条指令&#xff0c;但实际执行时间…
阅读更多...
2023年贵州省职业院校技能大赛高职组信息安全管理与评估竞赛试题

2023年贵州省职业院校技能大赛高职组信息安全管理与评估竞赛试题

2023年贵州省职业院校技能大赛高职组 信息安全管理与评估 竞赛试题 第一阶段竞赛项目试题 根据信息安全管理与评估技术文件要求&#xff0c;第一阶段为网络平台搭建与网络安全设备配置与防护。本文件为信息安全管理与评估项目竞赛-第一阶段试题。 介绍 竞赛阶段 任务阶段 竞…
阅读更多...
9月13-14日上课内容 第三章 ELK日志分析系统及部署实例

9月13-14日上课内容 第三章 ELK日志分析系统及部署实例

本章结构 ELK日志分析系统简介 ELK日志分析系统分为 Elasticsearch Logstash Kibana 日志处理步骤 1.将日志进行集中化管理 2.将日志格式化(Logstash) 并输出到Elasticsearch 3.对格式化后的数据进行索引和存储 (Elasticsearch) 4.前端数据的展示(Kibana) Elasticsearch介…
阅读更多...
企业虚拟化KVM的三种安装方式（1、完全文本2、模板镜像+配置文件3、gustos图形方式部署安装虚拟机）

企业虚拟化KVM的三种安装方式（1、完全文本2、模板镜像+配置文件3、gustos图形方式部署安装虚拟机）

一、安装完虚拟机后的操作 第一步: 第二步&#xff1a;分配的内存大一下&#xff0c;处理器多些 第三步&#xff1a;打开虚拟化 打开虚拟机、安装KVM 一般企业如果使用kvm虚拟化平台&#xff0c;都会把物理服务器装成Centos的操作系统&#xff0c;然后装上kvm&#xff0c;创建…
阅读更多...
极客时间：数据结构与算法之美【文章笔记 实践 总结】

极客时间：数据结构与算法之美【文章笔记 实践 总结】

原文链接:https://time.geekbang.org/column/intro/100017301 27 | 递归树&#xff1a;如何借助树来求解递归算法的时间复杂度&#xff1f;如何借助树来分析归并排序算法的时间复杂度&#xff1f;如何借助树来分析快速排序算法的时间复杂度&#xff1f;如何借助递归树来分析斐波…
阅读更多...
看阿里测试工程师如何玩转postman+newman+jenkins接口自动化

看阿里测试工程师如何玩转postman+newman+jenkins接口自动化

【软件测试面试突击班】如何逼自己一周刷完软件测试八股文教程&#xff0c;刷完面试就稳了&#xff0c;你也可以当高薪软件测试工程师&#xff08;自动化测试&#xff09; postman用来做接口测试非常方便&#xff0c;接口较多时&#xff0c;则可以实现接口自动化 一、环境准备…
阅读更多...
04-Flask-新版Flask运行方式

04-Flask-新版Flask运行方式

新版Flask运行方式 前言老版本运行方式新版本运行方式命令行方式运行pycharm运行 前言 本篇来学习下新版Flask运行方式 老版本运行方式 app.run()&#xff1a;1.0之前版本 # -*- coding: utf-8 -*- # Time : 2023/9/16 # Author : 大海# 导入flask from flask import F…
阅读更多...
Python爬虫:获取必应图片的下载链接

Python爬虫:获取必应图片的下载链接

文章目录 1. 前言2. 实现思路3. 运行结果 1. 前言 首先&#xff0c;说明一下&#xff0c;本篇博客内容可能涉及到版权问题&#xff0c;为此&#xff0c;小编只说明一下实现思路&#xff0c;至于全部参考代码&#xff0c;小编不粘贴出来。不过&#xff0c;小编会说明详细一些&a…
阅读更多...
最新文章

Copyright @ 2022~2023