Matplotlib | 一文搞定Matplotlib从入门到实战演练！

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 pltx = [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 pltdatas = [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 inrange(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 npx = 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 npx = 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 pltplt.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 pltplt.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 pltx = 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 npx = 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 pltplt.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 pltplt.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 pltdata = 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() * 0.05y = bar.get_y() + bar.get_height() / 2text_data = dplt.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.xdnf.cn/news/1547305.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

1. Linux系统(CentOS7.9)安装

1. Linux系统(CentOS7.9)安装

toc 一、Linux概述介绍 1、Linux系统介绍 Linux, 一类操作系统的统称 部署在服务器上&#xff0c;部署项目、应用 服务器: 硬件设备, 柜式服务器&#xff0c;(华为、浪潮、联想) 提供服务的机器 2、Linux的优势 开源, open source , 开放源代码稳定性最大化发挥硬件资源 …
阅读更多...
【电子通识】案例：连接器接线顺序评估为什么新人总是评估不到位？

【电子通识】案例：连接器接线顺序评估为什么新人总是评估不到位？

在一个IC卡切换的工装板（一切多）中，设计需求是一张PCB（充当活动卡片）插入读卡器，将卡片中的所有信号引出通过连接器连接到后级设备。 比如下图所示是一种IC卡压力测试设备，使用钢片卡片将压力信号通过连接器引入测试设备。 最后根据ISO/IEC 7816-2标准中我们看到…
阅读更多...
Mortise AI编程智能体产品 | OPENAIGC开发者大赛企业组AI创作力奖

Mortise AI编程智能体产品 | OPENAIGC开发者大赛企业组AI创作力奖

在第二届拯救者杯OPENAIGC开发者大赛中&#xff0c;涌现出一批技术突出、创意卓越的作品。为了让这些优秀项目被更多人看到&#xff0c;我们特意开设了优秀作品报道专栏&#xff0c;旨在展示其独特之处和开发者的精彩故事。 无论您是技术专家还是爱好者&#xff0c;希望能带给…
阅读更多...
c++ 杂项

c++ 杂项

简答题 1、什么是虚函数&#xff1f;什么是纯虚函数&#xff1f; 虚函数是在类中定义函数时&#xff0c;在函数前加 virtual 关键字。父子类中只有一个该函数。 如果子类中没有重写该虚函数。那么父子类空间中使用的都是父类定义的该函数。 如果子类中重写了该虚函数&#xff…
阅读更多...
Leetcode面试经典150题-322.零钱兑换

Leetcode面试经典150题-322.零钱兑换

给你一个整数数组 coins &#xff0c;表示不同面额的硬币&#xff1b;以及一个整数 amount &#xff0c;表示总金额。 计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额&#xff0c;返回 -1 。 你可以认为每种硬币的数量是无限的。 示…
阅读更多...
9.26作业

9.26作业

C 面试题 1,什么是虚函数?什么是纯虚函数? 虚函数&#xff1a;父子类中&#xff0c;在父类中的函数需要在子类中进行重写&#xff0c;重写后父子类空间中使用的都是重写后的函数&#xff0c;该函数就是虚函数&#xff0c;虚函数的声明需要在函数前加virtual。 纯虚函数&…
阅读更多...
从自身经历浅谈对于C++/Java的认识

从自身经历浅谈对于C++/Java的认识

1.声明 因为一些其他的原因&#xff0c;我决定从C转到java方向学习&#xff0c;后期可能就要换方向了&#xff0c;以后主要学习这个java相关的这个技术了&#xff0c;起码暂时不会学习这个C里面的内容了&#xff1b; 2.我的感慨 当时选方向的时候&#xff0c;我自己就是选的…
阅读更多...
详解 Spring Boot 的 RedisAutoConfiguration 配置

详解 Spring Boot 的 RedisAutoConfiguration 配置

引言 带大家分析 Spring Boot 内置的有关 Redis 的自动配置类【RedisAutoConfiguration】。 1. Spring Data Redis Spring Data Redis 是 Spring Data 家族的一部分&#xff0c;它提供了从 Spring 应用程序中轻松配置和访问 Redis 的功能。 我们来看看官方介绍的特性&#xff…
阅读更多...
超60%项目聚焦智能体，百度“文心杯”创业大赛卷起来了

超60%项目聚焦智能体，百度“文心杯”创业大赛卷起来了

“通过AI Native工具AI Native工作流AI Native创作者协同&#xff0c;我们将传统A级漫画的创作成本降低了62%。”水母智能创始人兼CEO苗奘表示&#xff0c;“4月份决定报名参加‘文心杯’创业大赛&#xff0c;除了百度提供的奖金和资源外&#xff0c;更吸引我的是Robin的理念&a…
阅读更多...
Synchronized对字符串上锁？

Synchronized对字符串上锁？

HTTP去请求就会像上面那种自动加个new String&#xff08;&#xff09;&#xff0c;就会导致锁的线程不是同一个对象&#xff0c;可以通过获取对应常量达到效果 但还有个问题&#xff0c;字符串常量是存在JVM的常量池中。常量池是全局的。所以在其他地方有引用到相关常量时&…
阅读更多...
OCI 简介：Kubernetes 环境下从代码到容器的全流程

OCI 简介：Kubernetes 环境下从代码到容器的全流程

OCI 简介 在容器化技术的演进中&#xff0c;OCI&#xff08;Open Container Initiative&#xff09;提供了一套标准化的规范&#xff0c;帮助统一容器的构建、分发和运行。OCI 规范包含三个部分&#xff1a; OCI Image-spec&#xff1a;定义了容器镜像的结构&#xff0c;确保…
阅读更多...
WAF，全称Web Application Firewall，好用WAF推荐

WAF，全称Web Application Firewall，好用WAF推荐

WAF&#xff0c;全称Web Application Firewall&#xff0c;即Web应用防火墙&#xff0c;是一种网络安全设备&#xff0c;旨在保护Web应用程序免受各种Web攻击&#xff0c;如SQL注入、跨站脚本&#xff08;XSS&#xff09;、跨站请求伪造&#xff08;CSRF&#xff09;等。 WAF通…
阅读更多...
STM32堆栈溢出Bug

STM32堆栈溢出Bug

可以看到x和buf交换位置后&#xff0c;x处于0x200006B0地址上是不会被函数B影响到的&#xff0c;实际上B函数对buf赋值的过程是出现了越界行为的&#xff0c;所以导致了x在buf地址之后的话会被意外修改掉值。
阅读更多...
海外媒体投稿：如何运用3种国内外媒体套餐发稿突出重围？

海外媒体投稿：如何运用3种国内外媒体套餐发稿突出重围？

在当今瞬息万变的经营环境中&#xff0c;突出重围营销推广是每家企业都需要思考的问题。为了能突出重围并提升影响力&#xff0c;国内外媒体套餐内容成为了一个非常受欢迎的挑选。下面我们就为大家讲解如何运用三种不同种类的国内外媒体套餐内容来推广突出重围。 2.微博营销新浪…
阅读更多...
Nacos笔记

Nacos笔记

nacos注册中心&#xff1a; nacos注册中心得单击非持久化搭建&#xff1a; 单机&#xff1a;指的是 Nacos 运行在单个实例上&#xff0c;通常用于开发和测试环境。非持久化&#xff1a;表示注册的信息&#xff08;如服务实例、元数据等&#xff09;不会被保存在数据库中。Nac…
阅读更多...
Python 从入门到实战29（目录的操作）

Python 从入门到实战29（目录的操作）

我们的目标是&#xff1a;通过这一套资料学习下来&#xff0c;通过熟练掌握python基础&#xff0c;然后结合经典实例、实践相结合&#xff0c;使我们完全掌握python&#xff0c;并做到独立完成项目开发的能力。 上篇文章我们讨论了文件的打开、创建、关闭、读取的相关知识。今天…
阅读更多...
智慧政务助力实现服务民生新突破

智慧政务助力实现服务民生新突破

在数字化转型的浪潮中&#xff0c;中国移动紧密结合人工智能&#xff08;AI&#xff09;技术&#xff0c;推动政务服务的智能化升级。近日&#xff0c;中国移动正式发布政务大模型3.0版本&#xff0c;以科技创新提升政务效率&#xff0c;实现服务民生的新突破。 为什么…
阅读更多...
从0到1训练私有大模型技能与应用实现

从0到1训练私有大模型技能与应用实现

1.背景 近期&#xff0c;GPT大模型的发布给自然语言处理&#xff08;NLP&#xff09;领域带来了令人震撼的体验。随着这一事件的发生&#xff0c;一系列开源大模型也迅速崛起。依据一些评估机构的评估&#xff0c;这些开源模型大模型的表现也相当不错。一些大模型的评测情况可…
阅读更多...
关于Pencils Protocol 近期市场活动，通读这篇就够！

关于Pencils Protocol 近期市场活动，通读这篇就够！

Pencils Protocol是Scroll上综合性的DeFi协议&#xff0c;自9月18日开始其陆续在Tokensoft、Bounce、Coresky等平台开启DAPP通证的销售&#xff0c;并分别在短期内完成售罄。吸引了来自韩国、CIS、土耳其等70多个国家的5万多名认证用户&#xff0c;反响热烈&#xff0c; Pencil…
阅读更多...
VMware搭建DVWA靶场

VMware搭建DVWA靶场

目录 1.安装phpstudy 2.搭建DVWA 本次搭建基于VMware16的win7系统 1.安装phpstudy 下载windows版本&#xff1a;小皮面板-好用、安全、稳定的Linux服务器面板&#xff01; 安装后先开启mysql再开启apache&#xff0c;遇到mysql启动不了的情况&#xff0c;最后重装了phpstud…
阅读更多...
最新文章

Copyright @ 2022~2023