• 【python】可视化

    散点图

    plt.scatter(x,y,

                    s, # 点大小

                    c,  # 点颜色

                    linewidth,  # 线宽

                    marker  # 点的形状

    )

    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3.  
    4. x = np.arange(0, 2.0*np.pi, 0.1)  #x轴数据
    5. y = np.sin(x)             #y轴数据
    6. plt.scatter(x,             #x轴坐标
    7.             y,             #y轴坐标
    8.             s= np.abs(y)*50 ,          #散点大小 #散点大小与位置有关
    9.             linewidths=1,  #线宽
    10.             c = 'r',  #颜色
    11.             marker='*')    #散点符号
    12. plt.show()

    柱状图（误差棒）

    matplotlib之pyplot模块之柱状图（bar()：基础参数、外观参数）_plt.bar_mighty13的博客-CSDN博客

    bar()的基础参数如下：

    x：柱子在x轴上的坐标。浮点数或类数组结构。注意x可以为字符串数组！
    height：柱子的高度，即y轴上的坐标。浮点数或类数组结构。
    width：柱子的宽度。浮点数或类数组结构。默认值为0.8。
    bottom：柱子的基准高度。浮点数或类数组结构。默认值为0。
    align：柱子在x轴上的对齐方式。字符串，取值范围为{'center', 'edge'}，默认为'center'。
    'center'：x位于柱子的中心位置。
    'edge'：x位于柱子的左侧。如果想让x位于柱子右侧，需要同时设置负width 以及align='edge'。

    MODELsAUCAUC（error误差)
    M10.8562674730.042804689
    M20.903370090.04444241
    M30.9305753810.043041211
    1. import matplotlib.pyplot as plt
    2. import numpy as np
    3. import pandas as pd
    4.  
    5. plt.rcParams['font.sans-serif'] = ['STKaiTi']  # 用来正常显示中文标签
    6. plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
    7.  
    8. data1 = pd.read_excel('C:\\Users\\ASUS\\Desktop\\data.xlsx', sheet_name='MOUSE')  # AUC
    9. data2 = pd.read_excel('C:\\Users\\ASUS\\Desktop\\data.xlsx', sheet_name='humanSTD')  # AUC(误差)
    10.  
    11. # 数据
    12. data = data1['AUC']
    13. errors = data2['AUC']
    14. labels = ['M1', 'M2', 'M3']
    15.  
    16. # 创建一个颜色列表，包含每个柱子对应的颜色
    17. colors = ['skyblue', 'lightgreen', 'orange']
    18. # 计算柱子的宽度，使它们没有间隙
    19. bar_width = 1
    20. # 创建直方图，并设置颜色
    21. plt.figure(dpi=300)
    22. plt.title('不同模型的AUC值')
    23. # 绘制柱状图，并为每个数据系列设置legend，并带上误差棒
    24. for i in range(len(data)):
    25.     plt.bar(labels[i], data[i], yerr=errors[i], capsize=5, width=bar_width, color=colors[i], label=f'M{i + 1}')
    26. # 添加数据标签
    27. for i in range(len(data)):
    28.     plt.text(labels[i], data[i] + 0.05, f'{data[i]:.3f}', ha='center')
    29. # 添加标签和标题
    30. plt.xlabel('模型')
    31. plt.ylabel('AUC')
    32. # 添加图例
    33. plt.legend()
    34. # 绘制散点图
    35. for i in range(len(data)):
    36.     plt.scatter(labels[i], data[i], c="black", zorder=2)
    37. # 取出上边框和右边框
    38. ax = plt.gca()
    39. ax.spines['right'].set_visible(False)
    40. ax.spines['top'].set_visible(False)
    41. # 显示图形
    42. plt.show()

    要求：1.画出三个模型的AUC柱状图 2.每个柱子上要有数据标签 3.每个柱子上要有代表误差的误差条  4.要取出表格的上边框和右边框 5.在柱状图中间画一个点

    如果需要加上legend图例，由于我们是直接用plt.bar()画出3个柱子，所以无法加上图例。所以我们需要借助for循环依次画上柱子并打上标签

    # 绘制柱状图，并为每个数据系列设置标签
    for i in range(len(data)):
        plt.bar(labels[i], data[i], yerr=errors[i], capsize=5, width=bar_width, color=colors[i], label=f'M{i + 1}')

    1. import matplotlib.pyplot as plt
    2. import numpy as np
    3. import pandas as pd
    4.  
    5. plt.rcParams['font.sans-serif'] = ['STKaiTi']  # 用来正常显示中文标签
    6. plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
    7.  
    8. data1 = pd.read_excel('C:\\Users\\ASUS\\Desktop\\data.xlsx', sheet_name='MOUSE')
    9. data2 = pd.read_excel('C:\\Users\\ASUS\\Desktop\\data.xlsx', sheet_name='humanSTD')
    10.  
    11. # 数据
    12. data = data1['AUC']
    13. errors = data2['AUC']
    14. labels = ['M1', 'M2', 'M3']
    15.  
    16. # 创建一个颜色列表，包含每个柱子对应的颜色
    17. colors = ['skyblue', 'lightgreen', 'orange']
    18. # 计算柱子的宽度，使它们没有间隙
    19. bar_width = 1
    20. # 创建直方图，并设置颜色
    21. plt.figure(dpi=300)
    22. plt.title('不同模型的AUC值')
    23. # 绘制柱状图，并为每个数据系列设置标签
    24. for i in range(len(data)):
    25.     plt.bar(labels[i], data[i], yerr=errors[i], capsize=5, width=bar_width, color=colors[i], label=f'M{i + 1}')
    26. # 添加数据标签
    27. for i in range(len(data)):
    28.     plt.text(labels[i], data[i] + 0.05, f'{data[i]:.3f}', ha='center')
    29. # 添加标签和标题
    30. plt.xlabel('模型')
    31. plt.ylabel('AUC')
    32. # 添加图例
    33. plt.legend()
    34. # 绘制散点图
    35. for i in range(len(data)):
    36.     plt.scatter(labels[i], data[i], c="black", zorder=2)
    37. # 取出上边框和右边框
    38. ax = plt.gca()
    39. ax.spines['right'].set_visible(False)
    40. ax.spines['top'].set_visible(False)
    41. # 显示图形
    42. plt.show()

    多类别柱状图

    横向条形图

    注意plt.barh的参数，y是y轴标签，width是对应数值

    1. import matplotlib.pyplot as plt
    2. plt.rcParams ['font.sans-serif'] = ['STKaiTi']
    3.  
    4. y = ['烘焙', '家电', '水产']
    5. num = [7.496, 61.0, 135.38]
    6. plt.figure(dpi=300)
    7. plt.barh(y =y,width = num,height=0.5,color ='dodgerblue')
    8. plt.subplots_adjust (left =0.2)  #调整图表距左的空白
    9. plt.tick_params(bottom= True,left= False)  #坐标轴刻度线是否显示
    10. plt.show ()

    花里胡哨的柱状图 

    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3.  
    4. x = np.linspace(0, 10, 11)
    5. y = 11-x
    6. #绘制柱状图
    7. plt.bar(x,y,
    8.         color='#772277',        #柱的颜色
    9.         alpha=0.5,              #透明度
    10.         edgecolor='blue',       #边框颜色，呈现描边效果
    11.         linestyle='--',         #边框样式为虚线
    12.         linewidth=1,            #边框线宽
    13.         hatch='/')              #内部使用斜线填充
    14.  
    15. #为每个柱形添加文本标注
    16. for xx, yy in zip(x,y):
    17.     plt.text(xx-0.2, yy+0.1, '%2d' % yy)
    18. #显示图形
    19. plt.show()

    饼图 

    1. import matplotlib.pyplot as plt
    2. plt.rcParams['font.sans-serif']=['STKaiTi'] #用来正常显示中文标签
    3. plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
    4.  
    5. plt.figure(num = 1,figsize = (10,10),dpi=200) # 设置画布
    6. plt.title("饼图")  # 设置画布标题
    7. plt.pie(x = [20,30,10,50],  # 数据
    8.         explode = (0,0.05,0,0) ,  # 指定饼图某些部分的突出显示，即呈现爆炸式
    9.         labels = ['A','B','C','D'],  # 添加标签
    10.         colors = ['yellowgreen','gold','skyblue','coral'],  #自定义颜色
    11.         shadow = True,  # 阴影
    12.         autopct='%.2f%%',  #设置百分比的格式，这里保留两位小数
    13.         pctdistance=0.8,  #设置百分比标签与圆心的距离
    14.         labeldistance=0.5,  #设置标签与圆心的距离
    15.         startangle=180,  #设置饼图的初始角度
    16.         radius=0.8,  #设置饼图的半径
    17.         counterclock=False,  #是否逆时针，这里设置为顺时针方向
    18.         wedgeprops={'linewidth':1.5, 'edgecolor':'green'},  #设置饼图内外边界的属性值
    19.         textprops={'fontsize':15, 'color':'black'} #设置文本标签的属性值
    20.         )
    21. plt.show()

    折线图

    参考：http://t.csdnimg.cn/yCWRT

    1. import pandas as pd
    2. import numpy as np
    3. import matplotlib.pyplot as plt
    4. plt.rcParams['font.sans-serif']=['STKaiTi'] #用来正常显示中文标签
    5. plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
    6. plt.figure(num = 1,dpi=300)
    7.  
    8. # 数据
    9. X = [1,2,3,4,5,6,7] # 序号
    10. y = [68,69,79,71,80,70,66]  # 重量
    11.  
    12. plt.title('折线图')
    13. # 画图
    14. plt.plot(X, y, color = 'b',linestyle ='--', marker='*',alpha=0.5, linewidth=1, label='训练')
    15. '''
    16. color:颜色；linestyle：线条种类（实线、虚线）；marker:点的形状；
    17. alpha：透明度；linewidth：线宽； label：这条线的图例标签
    18. '''
    19. # 标注
    20. for i in range(len(X)):
    21.     plt.text(X[i], y[i]+0.1, f'{y[i]:d}', ha='center', va='bottom', fontsize=7.5)
    22.  
    23. # 后续修饰
    24. plt.xlabel('序号',fontsize = 15) #x轴的标签，即x代表的东西，在这里是序号
    25. plt.ylabel('重量',fontsize = 15)#y轴的标签，即x代表的东西，在这里是重量
    26. plt.xticks(fontsize = 12)  # x轴刻度
    27. plt.yticks(fontsize = 12)  # y轴刻度
    28. plt.legend()  #显示图例，即上方的label
    29. plt.show()

    余弦函数 

    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3. plt.rcParams['font.sans-serif'] = ['STKaiTi']
    4. plt.rcParams['axes.unicode_minus'] = False
    5.  
    6. plt.title('sin-cos函数图像')
    7. t = np.arange(0.0, 2*np.pi, 0.01)    #自变量取值范围
    8. s = np.sin(t)                          #计算正弦函数值
    9. c = np.cos(t)                          #计算余弦函数值
    10. plt.plot(t,s,label='正弦',color='red')                   #颜色
    11. plt.plot(t,c, label='余弦', color='blue')
    12. plt.xlabel('x-变量')
    13. plt.ylabel('y-正弦余弦函数值')
    14. plt.legend()                #显示图例
    15. plt.show()                              #显示绘制的结果图像

    环形图

    其实就是利用中心画一个白色的饼图，使得外面的饼图呈现一种环形的样子

    1. import matplotlib.pyplot as plt
    2. plt.rcParams['font.sans-serif'] = ['STKaiTi']
    3. plt.rcParams['axes.unicode_minus']=False
    4.  
    5. # 不同类型的占比
    6. plt.figure(num = 1,dpi = 300)
    7. plt.title('不同类型的占比')
    8. valTrain = [1, 2, 3, 4]
    9. valTest = [2, 3, 4, 5]
    10. labelTrain = ['A', 'B', 'C']
    11. labelTest = ['A', 'B', 'C']
    12. colors = ['coral','gold','skyblue']
    13. # 第一步：画出外部饼图。训练集
    14. plt.pie(valTrain ,
    15.         # labels = labelTrain, # 标签，如果注释掉就不显示饼图文本标签
    16.         colors = colors,
    17.         autopct='%.2f%%',  #设置百分比的格式，这里保留两位小数
    18.         pctdistance=0.9,  #设置百分比标签与圆心的距离
    19.         labeldistance=0.8,  #设置标签与圆心的距离
    20.         startangle=90,  #设置饼图的初始角度
    21.         radius=1.2,  #设置饼图的半径
    22.         counterclock=False,  #是否逆时针，这里设置为顺时针方向
    23.         wedgeprops={'linewidth':1.5,'edgecolor': "w"},  #设置饼图内外边界的属性值
    24.         textprops={'fontsize':8, 'color':'black'} #设置文本标签的属性值
    25.         )
    26. plt.legend(labels = labelTrain,loc = 'center')  # 显示图例，在这里显示图例,后面的图例就不显示了
    27.  
    28. # 第二步：画出内部饼图。测试集
    29. plt.pie(valTest,
    30.         #labels = labelTest, # 标签，如果注释掉就不显示饼图文本标签
    31.         colors = colors,
    32.         autopct='%.2f%%',  #设置百分比的格式，这里保留两位小数
    33.         pctdistance=0.9,  #设置百分比标签与圆心的距离
    34.         labeldistance=0.8,  #设置标签与圆心的距离
    35.         startangle=90,  #设置饼图的初始角度
    36.         radius=1,  #设置饼图的半径
    37.         counterclock=False,  #是否逆时针，这里设置为顺时针方向
    38.         wedgeprops={'linewidth':1.5,'edgecolor': "w"},  #设置饼图内外边界的属性值
    39.         textprops={'fontsize':8, 'color':'black'} #设置文本标签的属性值
    40.         )
    41.  
    42. # 第三步：画出中间的白色饼图，使饼图呈现环形图的样式
    43. plt.pie([1],  # 设置数据为[1]
    44.         colors = ['w'],  # 白色的饼图
    45.         radius=0.8,  #设置饼图的半径
    46.         )
    47.  
    48. plt.show()

    子图

    子图存在不同的画法

    使用plt.subplot()划分出子图的区域

    这里使用plt.subplot(1,2,1)相当于划分了一个属于该子图的区域，

    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3.  
    4. plt.figure(dpi=300)
    5. x= np.linspace(0, 2*np.pi, 500)     #创建自变量数组
    6. y1 = np.sin(x)                      #创建函数值数组
    7. y2 = np.cos(x)
    8. plt.subplot(1,2,1)
    9. plt.plot(x, y1, color='red')
    10. plt.subplot(1,2,2)
    11. plt.plot(x, y2, color='blue')

     这种主打一个简单方便，但是不便于对每个子图进行不同设置

    fig.add_subplot()创建子图对象

    使用这个能很方面地分别对子图进行详细设置 

    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3.  
    4. fig = plt.figure(dpi=300)
    5. fig.suptitle('子图')
    6.  
    7. # 添加子图对象
    8. ax1 = fig.add_subplot(2,2,1,facecolor = 'pink')  # 把绘图区域切分为两行两列，选择两行两列的第一个区域
    9. ax2 = fig.add_subplot(2,2,2,facecolor = 'y') #选择两行两列的第二个区域
    10. ax3 = fig.add_subplot(2,1,2,facecolor = 'skyblue')  #把绘图区域切分为两行一列，选择两行一列的第二个区域
    11. # 调节子图与画布标题之间的间距为0.9
    12. # 调整子图之间的垂直间距为0.5
    13. plt.subplots_adjust(top=0.9,hspace=0.5)
    14.  
    15. # 数据
    16. x= np.linspace(0, 2*np.pi, 500)     #创建自变量数组
    17. y1 = np.sin(x)                      #创建函数值数组
    18. y2 = np.cos(x)
    19. y3 = np.tan(x)
    20. # 子图1
    21. ax1.set_title('正弦')
    22. ax1.plot(x, y1, color='red',label ='$sin(x)$')  # 设置图例显示公式
    23. ax1.set_xlabel("x坐标")
    24. ax1.set_ylabel("y坐标")
    25. ax1.set_ylim(-1.2, 1.2)
    26. ax1.legend(fontsize=5,loc = 'upper left')
    27. # 子图2
    28. ax2.set_title('余弦')
    29. ax2.plot(x, y2, color='red',label ='$cos(x)$' )
    30. ax2.set_ylim(-1.2, 1.2)
    31. ax2.legend(fontsize=5,loc = 'upper left')
    32. # 子图3
    33. ax3.set_title('正切')
    34. ax3.plot(x, y3, color='red',label='$tan(x)$')
    35. ax3.set_ylim(-10, 10)
    36. ax3.legend(fontsize=5,loc = 'upper left')
    37.  
    38. plt.show()

    直方图

    使用seaborn.histplot(data,kde = True),

    kde = True：控制是否绘制核密度估计（Kernel Density Estimation，核密度估计）曲线，核密度估计是一种用于估计数据分布的平滑方法，它通过对数据进行平滑处理来生成一个连续的概率密度函数曲线。

    1. import seaborn as sns
    2. import matplotlib.pyplot as plt
    3. import numpy as np
    4.  
    5.  
    6. data = np.random.normal(loc=0, scale=1, size=1000)# 随机生成1000个服从正态分布的数据
    7. # 使用Seaborn绘制直方图
    8. sns.histplot(data, kde=True)
    9. plt.title("直方图")
    10. plt.xlabel("X轴")
    11. plt.show()

    热力图

    相关系数热力图

    首先计算出每个属性之间的相关系数df.corr()，使用sns.heatmap(df.corr(),annot=True)画出相关系数热力图

    1. import pandas as pd 
    2. import matplotlib.pyplot as plt
    3. import seaborn as sns
    4. plt.rcParams ['font.sans-serif'] = ['SimHei']
    5.  
    6. # 数据
    7. data = {
    8.     '消费频率': [1, 1, 1, 1, 2, 1, 1, 1, 1, 1],
    9.     '最近消费时间间隔': [5.270231481, 41.35841435, 301.2756944, 39.5953125, 447.0455324, 710.4631829, 548.5095602, 3.467372685, 312.4875694, 283.4523727],
    10.     '消费金额': [14.9, 51.87, 178.68, 65.4, 411.5, 48.86, 81.75, 70.4, 22.39, 45.37]
    11. }
    12.  
    13. df = pd.DataFrame(data)
    14. corr = df.corr()
    15.  
    16. #　热力图
    17. plt.figure(figsize=(10,10))
    18. sns.heatmap(corr, annot=True,   # 在每个热力图单元格中显示数值。
    19.             fmt='.3f',   # 指定了显示数值的格式，保留3位小数
    20.             cmap='Blues', # 指定了用于着色的颜色映射，这里使用了蓝色调色板
    21.             xticklabels=['A','B','C'], yticklabels=['A','B','C']  # 用于指定x轴和y轴的标签
    22.             )

    混淆矩阵热力图

    原理是一样的 

    3D图

    三维曲线

    看不懂，了解一下，3D曲线就可以了

    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3. plt.rcParams ['font.sans-serif'] = ['STKaiTi']
    4.  
    5. fig = plt.figure()
    6. ax=plt.axes(projection='3d') 
    7. theta = np.linspace(-4 * np.pi, 4 * np.pi, 200)
    8. z = np.linspace(-4, 4, 200)*0.4          #创建模拟数据
    9. r = z**3 + 1
    10. x = r * np.sin(theta)
    11. y = r * np.cos(theta)
    12. ax.plot(x,y,z,label='三维曲线')          
    13. ax.legend()     #显示图例
    14. plt.show()      #显示绘制结果

     3D曲面图

    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3. from mpl_toolkits.mplot3d import Axes3D  # 使用Matplotlib的mpl_toolkits.mplot3d库来创建一个3D坐标轴对象
    4. # 生成数据
    5. x = np.linspace(0, 4, 1000)
    6. y = np.linspace(0, 4, 1000)
    7. x1, y1 = np.meshgrid(x, y)
    8. x2 = x1.flatten()
    9. y2 = y1.flatten()
    10. xy = np.vstack([x2, y2])
    11. zxy = lambda t: np.exp(t[0]) *t[1]
    12. z = zxy(xy)
    13.  
    14. plt.figure(dpi=300)
    15. ax = plt.axes( projection='3d')  # 创建3D坐标轴对象
    16. ax.plot_surface(x1, y1, z.reshape(x1.shape), cmap='viridis')  # 绘制3D曲面图
    17.  
    18. # 设置坐标轴标签
    19. ax.set_xlabel('X')
    20. ax.set_ylabel('Y')
    21. ax.set_zlabel('Z')
    22.  
    23. ax.set_title('3D曲面图')
    24. plt.show()

    关于meshgrid的用法可以看这个http://t.csdnimg.cn/OIby1

    三维柱状图

    1. # 绘制三维柱状图
    2. import numpy as np
    3. import matplotlib.pyplot as plt
    4. x = np.random.randint(0, 40, 10)     #创建测试数据
    5. y = np.random.randint(0, 40, 10)
    6. z = 80*abs(np.sin(x+y))   
    7. plt.figure(dpi = 300)
    8. ax = plt.subplot(projection='3d')   #绘制三维图形
    9.  
    10. ax.bar3d(x,                #设置x轴数据
    11.          y,                #设置y轴数据
    12.          np.zeros_like(z), #设置柱的z轴起始坐标为0
    13.          dx=5,        #x方向的宽度
    14.          dy=5,        #y方向的厚度
    15.          dz=z,        #z方向的高度
    16.          color='red') #设置面片颜色为红色
    17. ax.set_xlabel('X')
    18. ax.set_ylabel('Y')
    19. ax.set_zlabel('Z')
    20.  
    21. plt.show()

    雷达图

    可以说几乎用不到，这里只是写一下

    要注意收尾相接

    1. # 例7  绘制雷达图。
    2. import numpy as np
    3. import matplotlib.pyplot as plt
    4.  
    5. labels = np.array(list('abcdefghij')) #设置标签
    6. data = np.array([11,4]*5)             #创建模拟数据array([11,  4, 11,  4, 11,  4, 11,  4, 11,  4])
    7. dataLength = len(labels)              #数据长度
    8.  
    9. #angles数组把圆周等分为dataLength份
    10. angles = np.linspace(0,               #数组第一个数据
    11.                      2*np.pi,         #数组最后一个数据
    12.                      dataLength,      #数组中数据数量
    13.                      endpoint=False)  #不包含终点
    14.  
    15. #首尾相接，使得曲线闭合
    16. data = np.append(data, data[0])
    17. angles = np.append(angles, angles[0])
    18. labels = np.append(labels, labels[0])
    19.  
    20. plt.polar(angles,                     #设置角度
    21.           data,                       #设置各角度上的数据
    22.           'rv--',                     #设置颜色、线型和端点符号
    23.           linewidth=2)                #设置线宽
    24.  
    25. #设置角度网格标签
    26. plt.thetagrids(angles*180/np.pi,      #角度
    27.                labels)                #标签
    28. #设置填充色
    29. plt.fill(angles,                      #设置角度
    30.          data,                        #设置各角度上的数据
    31.          facecolor='r',               #设置填充色
    32.          alpha=0.6)                   #设置透明度
    33. plt.ylim(0,12)                        #设置坐标跨度
    34.  
    35. plt.show()                            #显示绘图结果

    图例legend设置

    总的来说，挺牛逼哄哄的，让我写写不出来。

    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3. plt.rcParams ['font.sans-serif'] = ['STKaiTi']
    4. t = np.arange(0.0, 2*np.pi, 0.01)
    5. s = np.sin(t)
    6. c = np.cos(t)
    7. plt.figure(dpi=300)
    8. plt.plot(t, s, label='正弦')
    9. plt.plot(t, c, label='余弦')
    10. plt.title('sin-cos函数图像')
    11. plt.legend(title='Legend',            #设置图例标题
    12.            loc='lower left',          #设置图例参考位置
    13.            bbox_to_anchor=(0.43,0.75),#设置图例位置偏移量
    14.            shadow=True,               #显示阴影
    15.            facecolor='yellowgreen',   #设置图例背景色
    16.            edgecolor='red',           #设置图例边框颜色
    17.            ncol=2,                    #显示为两列
    18.            markerfirst=False)         #设置图例文字在前，符号在后
    19. plt.show()

  • 相关阅读:
    Spring中常见的参数解析器
    Springboot毕设项目工商闲置单车销售平台2r343（java+VUE+Mybatis+Maven+Mysql）
    DevOps和CI/CD以及在微服务架构中的作用
    观察者模式的运用——消息队列
    ChatGPT与音乐领域的新篇章
    html5期末大作业：基于html+css+javascript+jquery+bootstarp响应式图书电商HTML模板网上书店(25页)
    线程同步—— 生产者与消费者、龟兔赛跑、双线程打印
    Linux 进程终止 进程等待 进程替换 简易shell
    中文编程开发语言工具应用案例：ps5体验馆计时收费管理系统软件
    【数据结构】深入探讨二叉树的遍历和分治思想(一)
  • 原文地址：https://blog.csdn.net/m0_67173953/article/details/132650626