Python数学建模-2.9Matplotlib库

Matplotlib库是Python中一个非常流行的绘图库，它提供了大量的绘图工具，可以生成各种类型的静态、动态、交互式的图表。Matplotlib的设计初衷是为了与NumPy配合使用，从而提供一个强大的数学绘图工具。

1.Matplotlib的主要特点

  1. 丰富的图表类型：支持绘制线图、柱状图、散点图、饼图、等高线图、热力图、雷达图、三位曲线和曲面等多种类型的图表。
  2. 高度可定制性：允许用户通过调整各种参数来自定义图表的外观，包括线条样式、字体属性、轴属性、颜色、标签、图例等。
  3. 与NumPy等库的无缝集成：可以方便地使用NumPy等科学计算库的数据进行绘图。
  4. 交互式绘图：通过集成工具包（如Tkinter），可以创建交互式图表，允许用户与图表进行交互。
  5. 导出功能：可以将图表保存为多种格式的图片或PDF文件，方便分享和展示。

使用Matplotlib库进行绘图的基本步骤如下：

  1. 导入Matplotlib库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 准备数据：准备要绘制的数据，可以是NumPy数组、列表或其他数据类型。
  3. 创建图表：使用Matplotlib提供的函数创建图表，设置图表的类型、坐标轴范围等。
  4. 添加数据到图表：将准备好的数据添加到图表中，设置数据点的样式、颜色等。
  5. 定制图表外观：通过调整参数来自定义图表的外观，如添加标题、标签、图例等。
  6. 显示或保存图表：使用plt.show()显示图表，或使用plt.savefig()将图表保存为文件。

 下面是一个简单的Matplotlib绘图示例：

import matplotlib.pyplot as plt
import numpy as np# 准备数据
x = np.linspace(0, 10, 100)
y = np.sin(x)# 创建图表
plt.figure()# 添加数据到图表
plt.plot(x, y)# 定制图表外观
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置默认字体为新创建的字体
plt.title('Sine 图')
plt.xlabel('x')
plt.ylabel('y')# 显示图表
plt.show()

注意：Matplotlib画图显示中文时通常为乱码，如果想在图形中显示中文字符、负号等，则需要使用如下代码进行设置：

plt.rcParams['font.sans-serif'] = 'SimHei' # 设置默认字体为新创建的字体 plt.rcParams['axes.unicode_minus'] = False # 用于正常显示负号

或者等价地写为：

rc('font',family='SimHei')# 设置默认字体为新创建的字体

rc('axes',unicode_minus=False)# 用于正常显示负号

2.二维绘图

2.1折线图 （plot）

matplotlib.pyplot 是 Matplotlib 库中的一个模块，它提供了一套命令风格的函数接口，用于控制 Matplotlib 的图形生成过程。通过 pyplot，用户可以方便地创建各种类型的图表，控制图表的各个部分（如坐标轴、标题、图例等），以及将图表保存到文件或显示在屏幕上。

matplotlib.pyplot 的常用函数包括：

  • plot()：绘制线图。
  • scatter()：绘制散点图。
  • bar()：绘制柱状图。
  • hist()：绘制直方图。
  • pie()：绘制饼图。
  • xlabel() 和 ylabel()：设置 x 轴和 y 轴的标签。
  • title()：设置图表的标题。
  • legend()：添加图例。
  • grid()：添加网格线。
  • xlim() 和 ylim()：设置 x 轴和 y 轴的范围。
  • show()：显示图表。
  • savefig()：将图表保存到文件。

以下是一个使用 matplotlib.pyplot 的简单示例：

import matplotlib.pyplot as plt
import numpy as np# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)# 绘制线图
plt.plot(x, y, label='sin(x)')# 设置图表标题和坐标轴标签
plt.title('Simple Plot of sin(x)')
plt.xlabel('x')
plt.ylabel('y')# 添加图例
plt.legend()# 显示网格线
plt.grid(True)# 设置坐标轴范围
plt.xlim(0, 10)
plt.ylim(-1.5, 1.5)# 显示图表
plt.show()

 

2.2plot函数的调用格式

常用语法和参数含义如下：

plot(x,y,s)

其中，x为数据点的x坐标，y为数据的的y坐标，s为指定线条颜色、线条样式和数据点形状的字符串。

matplotlib.pyplot 中的 plot 函数是用于绘制线图的基本函数。它的调用格式非常灵活，可以接受多种参数来定制图表的外观和行为。以下是一些常见的调用格式和参数说明：

matplotlib.pyplot.plot(*args, **kwargs)

参数说明

必需参数（*args）
  • x, y：表示数据点的 x 和 y 坐标。这些可以是列表、数组、标量或其他可迭代对象。如果 x 和 y 都是序列，那么它们应该具有相同的长度。如果只有一个序列，则 x 的值会被当作索引（0 到 N-1）。
可选参数（**kwargs）
  • format string（格式字符串）：一个可选的格式字符串，用于指定线条的样式、颜色和标记。例如，'r-' 表示红色实线，'go' 表示带有绿色圆圈的线。
  • linewidth 或 lw：线条宽度，以点为单位。
  • linestyle 或 ls：线条样式，如 '-', --, '-.', ':', '.', ',', 'o', 'v', '^', '<', '>', '1', '2', '3', '4' 等。
  • color 或 c：线条颜色。可以是预定义的颜色名称、RGB 元组或十六进制颜色代码。
  • marker：用于数据点的标记样式，如 'o', '.', ',', 's', 'p', 'D', 'd', '|', '_' 等。
  • markersize 或 ms：标记的大小。
  • markerfacecolor 或 mfc：标记的填充颜色。
  • markeredgecolor 或 mec：标记边缘的颜色。
  • label：图例的标签。
  • alpha：透明度（0 表示完全透明，1 表示完全不透明）。
  • xscale, yscale：数据比例，可以是 'linear', 'log', 'symlog', 'logit' 等。
  • 等等：plot 函数支持许多其他可选参数，用于控制线图的各个方面。

示例

以下是一些使用 plot 函数的示例：

import matplotlib.pyplot as plt  
import numpy as np  # 创建一些示例数据  
x = np.linspace(0, 10, 100)  
y = np.sin(x)  # 使用默认设置绘制线图  
plt.plot(x, y)  
plt.show()  # 使用格式字符串定制线图  
plt.plot(x, y, 'r--')  # 红色虚线  
plt.show()  # 使用关键字参数定制线图  
plt.plot(x, y, linewidth=2, linestyle='-', color='g', marker='o')  # 绿色实线，带有圆圈标记，线宽为2  
plt.show()

 

案例操作1：

已知某店铺商品的销售量如下表所列。请画出商品销售趋势图。

date1：钻石和铂金销售数据

月份1月2月3月4月5月6月
钻石销量/个131027333045
铂金销量/只1107262025

解：

import pandas as pd
import pylab as plt
plt.rc('font',family='SimHei')  #用来正常显示中文标签
plt.rc('font',size=16)  #设置显示字体大小
a=pd.read_excel("data1.xlsx", header=None)
b=a.values  #提取其中的数据
x=b[0]; y=b[1:]
plt.plot(x,y[0],'-*b',label='铂金')
plt.plot(x,y[1],'--dr',label='铂金')
plt.xlabel('月份')
plt.ylabel('每月销量')
plt.legend(loc='upper left')
plt.grid(); plt.show()

关键代码注释：

# 使用pandas的read_excel函数读取名为"data1.xlsx"的Excel文件，header=None表示不将第一行视为列名，而是将其视为数据

a=pd.read_excel("data1.xlsx", header=None)

# 从DataFrame对象a中提取数据，并将其赋值给变量b，此时b是一个二维的numpy数组 b=a.values

# 将b数组的第一行赋值给变量x，这通常表示x轴的数据点

x=b[0]

# 将b数组的第二行到最后一行赋值给变量y，这通常表示y轴的数据点，这里y是一个二维数组 y=b[1:]

# 使用matplotlib的plot函数绘制线图，x为x轴数据，y[0]为y轴的第一个数据集，'-*b'表示线型为实线、数据点标记为星号、颜色为蓝色，label='铂金'表示图例的标签为'铂金'

plt.plot(x,y[0],'-*b',label='铂金')

# 再次使用matplotlib的plot函数绘制线图，但这次使用不同的线型和颜色，表示不同的数据集。

plt.plot(x,y[1],'--dr',label='铂金')

# 设置x轴的标签为'月份'

plt.xlabel('月份')

# 设置y轴的标签为'每月销量'

plt.ylabel('每月销量')

# 显示图例，并将其位置设置为左上角

plt.legend(loc='upper left')

# 显示网格线

plt.grid() 

案例操作2：

画出表date销售数据的柱状图。


import pandas as pd
import pylab as plt
plt.rc('font',family='SimHei')  #用来正常显示中文标签
plt.rc('font',size=16)  #设置显示字体大小
a=pd.read_excel("data2_52.xlsx",header=None)
b=a.T
b.plot(kind='bar')
plt.legend(['钻石', '铂金'])
plt.xticks(range(6), b[0], rotation=0); plt.show()

关键注释：

# 使用DataFrame的T属性对a进行转置，即行变列，列变行  
b = a.T  
  
# 使用DataFrame的plot方法绘制b的条形图，kind='bar'表示绘制条形图  
b.plot(kind='bar')  
  
# 设置图例，这里图例的内容是['钻石', '铂金']，但注意，由于前面没有对数据进行具体的分类，这里设置图例可能会与实际数据不匹配  
plt.legend(['钻石', '铂金'])  
  
# 设置x轴的刻度标签，range(6)表示设置6个刻度，b[0]为x轴刻度标签的数据，rotation=0表示标签不旋转  
plt.xticks(range(6), b[0], rotation=0)   

 

2.3子图 （subplot）

在Python中，特别是在使用matplotlib库时，我们可以创建子图（subplots），即将多个图表组合在同一个窗口中。这允许我们同时展示多个数据集，方便比较和展示。

matplotlib.pyplot模块中的subplots函数是创建子图的主要工具。下面是一个简单的例子，展示了如何创建和定制子图。

import matplotlib.pyplot as plt
import numpy as np
plt.rc('font',family='SimHei')  #用来正常显示中文标签
plt.rc('font',size=16)  #设置显示字体大小
plt.rcParams['axes.unicode_minus'] = False  # 用于正常显示负号# 创建一些示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 使用subplots函数创建子图，参数(2, 1)表示创建2行1列的子图网格，当前选中的是第1个子图
fig, axs = plt.subplots(2, 1, figsize=(6, 8))# 在第一个子图中绘制数据
axs[0].plot(x, y1)
axs[0].set_title('正弦函数')
axs[0].set_xlabel('x')
axs[0].set_ylabel('y')# 在第二个子图中绘制数据
axs[1].plot(x, y2)
axs[1].set_title('余弦函数')
axs[1].set_xlabel('x')
axs[1].set_ylabel('y')# 调整子图之间的间距
plt.tight_layout()# 显示图表
plt.show()

案例操作3： 

把一个窗口分成3个子窗口，分别绘制如下3个子图：

（1）一个柱状图；

（2）一个饼图；

（3）曲线y=sin(10x)/x。

解：

# 导入pylab模块，并使用plt作为别名，方便后续调用  
import pylab as plt  # 导入numpy模块，并使用np作为别名，方便后续调用  
import numpy as np  # 设置matplotlib的样式为默认样式  
plt.style.use('default')  # 生成一个包含6个随机整数的数组，这些整数的范围是2到4（包括2但不包括5）  
y1 = np.random.randint(2, 5, 6)  # 将y1数组中的每个元素除以y1数组所有元素的总和，使其总和为1  
y1 = y1 / sum(y1)  # 创建一个2x2的子图网格，并选择第一个位置（从1开始计数）进行绘图  
plt.subplot(2, 2, 1)  # 定义一个包含6个水果名称的字符串列表  
str = ['Apple', 'grape', 'peach', 'pear', 'banana', 'pineapple']  # 绘制一个水平条形图，其中str作为x轴标签，y1作为条形的高度  
plt.barh(str, y1)  # 水平条形图  # 选择子图网格的第二个位置进行绘图  
plt.subplot(222)  # 这里的222是matplotlib的旧式子图索引方式，等同于plt.subplot(2, 2, 2)  # 绘制一个饼图，其中y1作为饼图的各部分大小，str作为各部分的标签  
plt.pie(y1, labels=str)  # 饼图  # 选择子图网格的第三个位置进行绘图  
plt.subplot(212)  # 这意味着选择第2行第1列的位置，因为212是子图网格的行、列和索引的组合  # 生成一个包含100个元素的数组x2，这些元素从0.01线性增加到10  
x2 = np.linspace(0.01, 10, 100)  # 计算y2数组，其中每个元素是10*x2的正弦值除以x2的值  
y2 = np.sin(10*x2) / x2  # 绘制y2关于x2的曲线图  
plt.plot(x2, y2)  # 设置x轴的标签为'$x$'  
plt.xlabel('$x$')  # 设置y轴的标签为'$\mathrm{sin}(10x)/x$'，其中\mathrm{}用于设置字体样式  
plt.ylabel('$\\mathrm{sin}(10x)/x$')  # 显示所有绘制的图形  
plt.show()

3.三维绘图 

3.1三维曲线

在Python中，我们可以使用matplotlib库中的mplot3d工具包来绘制三维曲线。下面是一个简单的例子，演示了如何绘制一个三维正弦曲线：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D# 创建一个新的图形
fig = plt.figure()# 添加一个3D子图
ax = fig.add_subplot(111, projection='3d')# 创建x值范围
x = np.linspace(-2 * np.pi, 2 * np.pi, 100)# 对于每一个x值，计算对应的y和z值
y = np.sin(x)
z = np.cos(x)# 使用plot函数绘制三维曲线，其中x, y, z是坐标点
ax.plot(x, y, z)# 设置x, y, z轴的标签
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
ax.set_zlabel('Z Axis')# 设置标题
ax.set_title('3D Curve Plot')# 显示图形
plt.show()

案例操作1：

画出三维曲线x=s^{_2{}}sins,y=s^{_2{}}coss,z=s(s\in [-50,50])的图形。

解：

import pylab as plt  # 导入pylab库，并使用plt作为别名  
import numpy as np   # 导入numpy库，并使用np作为别名  # 创建一个3D坐标轴的图形  
ax = plt.axes(projection='3d')  # 设置三维图形模式，返回一个3D坐标轴的实例，并赋值给变量ax  # 创建一个从-50到50的等差数列，共1000个元素，赋值给变量z  
z = np.linspace(-50, 50, 1000)  # 根据z的值计算x和y的值  
# x的值是z的平方乘以sin(z)的结果  
x = z**2 * np.sin(z)  
# y的值是z的平方乘以cos(z)的结果  
y = z**2 * np.cos(z)  # 使用plt.plot绘制三维曲线，曲线的x坐标是x，y坐标是y，z坐标是z，曲线颜色为黑色（'k'）  
plt.plot(x, y, z, 'k')  # 显示绘制的图形  
plt.show()

案例操作2： 

画出三维曲面图z=50sin(x+y))。

解：

import pylab as plt  # 导入pylab库，并使用plt作为别名，pylab是matplotlib的一个模块，提供了类似MATLAB的绘图接口  
import numpy as np   # 导入numpy库，并使用np作为别名，numpy是Python中用于数值计算的库  # 创建一个等差数列，从-4到4，包含100个元素，赋值给变量x  
x = np.linspace(-4, 4, 100);  # 使用numpy的meshgrid函数生成两个二维数组x和y，它们分别表示x和y坐标的所有可能组合  
# 这里x和y是形状相同的二维数组，用于后续的三维绘图  
x, y = np.meshgrid(x, x)  # 计算z的值，根据x和y的组合，用50乘以(x+y)的正弦值，生成一个与x和y形状相同的二维数组z  
z = 50 * np.sin(x + y);  # 创建一个3D坐标轴的图形，返回一个3D坐标轴的实例，并赋值给变量ax  
ax = plt.axes(projection='3d')  # 使用ax的plot_surface方法绘制三维曲面，x和y是曲面的网格坐标，z是曲面在z轴上的高度  
# color='y'表示曲面的颜色为黄色  
ax.plot_surface(x, y, z, color='y')  # 显示绘制的图形  
plt.show()

案例操作3： 

画出三维表面图z=sin(\sqrt{x^2+y^2})

解：

import pylab as plt  # 导入pylab库，并使用plt作为别名。pylab是matplotlib的一个模块，提供了类似于MATLAB的绘图接口。
import numpy as np  # 导入numpy库，并使用np作为别名。numpy是Python中用于数值计算的库。ax = plt.axes(projection='3d')  # 创建一个3D坐标轴的图形，并返回该坐标轴的实例赋值给变量ax。# 生成一维数组X，范围从-6到6，步长为0.25
X = np.arange(-6, 6, 0.25)
# 生成一维数组Y，范围从-6到6，步长为0.25
Y = np.arange(-6, 6, 0.25)# 使用np.meshgrid函数根据X和Y生成二维网格坐标数组
# X和Y现在是形状相同的二维数组，包含了绘制三维曲面所需的网格点的x和y坐标
X, Y = np.meshgrid(X, Y)# 计算Z的值，这里Z是每个网格点上对应的高度，根据X和Y的坐标计算得到
# 使用np.sin函数和欧几里得距离公式（np.sqrt(X**2 + Y**2)）来计算Z的值
Z = np.sin(np.sqrt(X ** 2 + Y ** 2))# 使用ax的plot_surface方法绘制三维曲面
# X, Y是曲面的网格坐标，Z是曲面在z轴上的高度
# cmap='coolwarm'表示使用'coolwarm'颜色映射来显示曲面上的颜色变化
surf = ax.plot_surface(X, Y, Z, cmap='coolwarm')# 添加颜色条来显示曲面上的颜色与Z值之间的对应关系
plt.colorbar(surf)# 显示绘制的图形
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.rhkb.cn/news/280781.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

java 抽象

java 抽象

在进入抽象的学习之前&#xff0c;先看下面的代码&#xff0c;有一个Animal类&#xff0c;并且有一个eat方法&#xff0c;我们可以通过 Animal animal new Animal(); 来创建一个动物类对象。 public class Animal {public void eat(){System.out.println("动物吃东西&qu…
阅读更多...
Github: Github actions自动化工作原理与多workflow创建和部署

Github: Github actions自动化工作原理与多workflow创建和部署

Github actions 1 &#xff09;概述 Github Actions 是Github官方推出的 CI/CD 解决方案 https://docs.githu.com/en/actions 优点 自动发布流程可减少发布过程中手动操作成本&#xff0c;大幅提升ci/cd效率&#xff0c;快速实现项目发布上线 缺点 存在较高的技术门槛需要利用…
阅读更多...
ARM_基础之RAS

ARM_基础之RAS

Reliability, Availability, and Serviceability (RAS), for A-profile architecture 源自 https://developer.arm.com/documentation/102105/latest/ 1 Introduction to RAS 1.1 Faults,Errors,and failures 三个概念的区分&#xff1a; • A failure is the event of devia…
阅读更多...
UE4 Json事件设置Asset值

UE4 Json事件设置Asset值

通过Json事件来设置&#xff0c;比如骨骼网格体&#xff08;换皮&#xff09;等等
阅读更多...
webpack5零基础入门-10babel的使用

webpack5零基础入门-10babel的使用

Babel JavaScript 编译器。 主要用于将 ES6 语法编写的代码转换为向后兼容的 JavaScript 语法&#xff0c;以便能够运行在当前和旧版本的浏览器或其他环境中 1.安装相关包 npm install -D babel-loader babel/core babel/preset-env 2.进行相关配置 2.1第一种写法是在webp…
阅读更多...
基于yolov5的单目测距实现与总结+相机模型+标定

基于yolov5的单目测距实现与总结+相机模型+标定

写这篇文章的目的是为了总结我之前看的标定&#xff0c;相机模型以及单目测距的内容&#xff0c;如果有错误&#xff0c;还请不吝赐教。 参考链接&#xff1a; 相机模型、相机标定及基于yolov5的单目测距实现 深度学习目标检测目标追踪单目测距 单目测距代码部署&#xff08;目…
阅读更多...
操作系统：malloc与堆区内存管理

操作系统：malloc与堆区内存管理

malloc是函数而不是系统调用&#xff0c;他的底层是同调调用brk和mmap这两个系统调用实现功能的&#xff0c;具体选择brk还是mmap要看申请的空间大小以及malloc中的阈值&#xff08;一般是128kb&#xff09; 注意申请的空间只有使用才会触发缺页中断映射到物理内存 不理解的话先…
阅读更多...
流畅的 Python 第二版（GPT 重译）（十二）

流畅的 Python 第二版（GPT 重译）（十二）

第五部分&#xff1a;元编程 第二十二章&#xff1a;动态属性和属性 属性的关键重要性在于&#xff0c;它们的存在使得将公共数据属性作为类的公共接口的一部分完全安全且确实可取。 Martelli、Ravenscroft 和 Holden&#xff0c;“为什么属性很重要” 在 Python 中&#xff0…
阅读更多...
鸿蒙开发实战：【Faultloggerd部件】

鸿蒙开发实战：【Faultloggerd部件】

theme: z-blue 简介 Faultloggerd部件是OpenHarmony中C/C运行时崩溃临时日志的生成及管理模块。面向基于 Rust 开发的部件&#xff0c;Faultloggerd 提供了Rust Panic故障日志生成能力。系统开发者可以在预设的路径下找到故障日志&#xff0c;定位相关问题。 架构 Native In…
阅读更多...
成为高效Java工程师的干货笔记

成为高效Java工程师的干货笔记

&#x1f482; 个人网站:【 摸鱼游戏】【神级代码资源网站】【工具大全】&#x1f91f; 基于Web端打造的&#xff1a;&#x1f449;轻量化工具创作平台&#x1f485; 想寻找共同学习交流&#xff0c;摸鱼划水的小伙伴&#xff0c;请点击【全栈技术交流群】 作为一名Java工程师&…
阅读更多...
主食冻干有哪些优缺点?十大热门主食冻干排行榜

主食冻干有哪些优缺点?十大热门主食冻干排行榜

科学养猫理念的推广&#xff0c;使得主食冻干喂养越来越受到养猫者的欢迎。主食冻干不仅符合猫咪的自然饮食习惯&#xff0c;还能提供丰富的营养&#xff0c;有助于保持猫咪的口腔和消化系统健康。然而&#xff0c;许多猫主人在选择主食冻干产品时感到迷茫。在本文中&#xff0…
阅读更多...
HTML5语法总结

HTML5语法总结

文章目录 一.HTML基本框架二.标题标签三.段落标签四.换行与水平线标签五.文本格式化标签(加粗、倾斜、下划线、删除线)六.图像标签扩展&#xff1a;相对路径,绝对路径与在线网址 七.超链接标签八.音频标签九.视频标签十.列表标签十一.表格标签扩展&#xff1a;表格结构标签合并…
阅读更多...
28-5 文件上传漏洞 - 图片马

28-5 文件上传漏洞 - 图片马

一、文件内容检测 解析漏洞定义 控制文件是否被当做后端脚本处理 二、图片马绕过 图片马；在图片中包含一句话木马。利用解析漏洞如.htaccess 或文件包含漏洞，对图片马进行解析，执行其中的恶意代码。优势在于可以绕过多种防护机制。 三、图片马制作方法: # 一句话马示例…
阅读更多...
【LabVIEW FPGA入门】局部变量和全局变量

【LabVIEW FPGA入门】局部变量和全局变量

局部变量 无法访问某前面板对象或需要在程序框图节点之间传递数据时&#xff0c;可创建前面板对象的局部变量。创建局部变量后&#xff0c;局部变量仅仅出现在程序框图上&#xff0c;而不在前面板上。 局部变量可对前面板上的输入控件或显示件进行数据读写。写入局部变量相当于…
阅读更多...
【微服务-Nacos】Nacos集群的工作原理及集群间数据同步过程

【微服务-Nacos】Nacos集群的工作原理及集群间数据同步过程

上篇文章我们介绍了Nacos集群的搭建方法及步骤&#xff0c;下面我们来看一下Nacos集群的工作原理&#xff0c;一共有两部分&#xff1a;Leader节点选举及各节点数据同步。 1、Nacos集群中Leader节点是如何产生的 Nacos集群采用了Raft算法实现。它是一种比较简单的选举算法&am…
阅读更多...
leetcode 18.四数之和 java

leetcode 18.四数之和 java

题目 思路 整体在三数之和的基础上进行修改。&#xff08;所有需要修改的地方&#xff0c;我在代码里加了//改 的注释&#xff09; 大的一个思路就是&#xff0c;在三数之和的外面再套一层循环。相当于固定前两个数。然后这道题目标值变成一个参数了&#xff0c;不是三数之和…
阅读更多...
uniapp，导航栏（切换项）有多项，溢出采取左滑右滑的形式展示

uniapp，导航栏（切换项）有多项，溢出采取左滑右滑的形式展示

一、实现效果 当有多项的导航&#xff0c;或者说切换项&#xff0c;超出页面的宽度&#xff0c;我们采取可滑动的方式比较好一些&#xff01;并且在页面右边加个遮罩&#xff0c;模拟最右边有渐变效果&#xff01; 二、实现代码 html代码&#xff1a; <!-- 头部导航栏 --…
阅读更多...
[数据集][目标检测]焊接件表面缺陷检测数据集VOC+YOLO格式2292张10类别

[数据集][目标检测]焊接件表面缺陷检测数据集VOC+YOLO格式2292张10类别

数据集格式&#xff1a;Pascal VOC格式YOLO格式(不包含分割路径的txt文件&#xff0c;仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)&#xff1a;2292 标注数量(xml文件个数)&#xff1a;2292 标注数量(txt文件个数)&#xff1a;2292 标注…
阅读更多...
使用jscpd对比重复代码

使用jscpd对比重复代码

背景 检查项目中重复的代码&#xff0c;或者代码片段 jscpd 两个文件对比 Jscpd 是一个用于检测代码复制和粘贴的工具&#xff0c;它可以比较两个文件并报告相似性的百分比。 以下是如何使用 Jscpd 来比较两个文件的示例&#xff1a; 首先&#xff0c;确保你已经安装了 Nod…
阅读更多...
OpenCV4.9.0在Android 开发简介

OpenCV4.9.0在Android 开发简介

查看&#xff1a;OpenCV系列文章目录&#xff08;持续更新中......&#xff09; 上一篇&#xff1a;使用 Clojure 进行 OpenCV 开发简介 下一篇&#xff1a;暂无 引言&#xff1a; OpenCV是一个跨平台计算机视觉库&#xff0c;广泛用于图像处理、计算机视觉和机器学习等领域…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023