Python Network(二)绘图draw系列draw(),draw_networkx(),draw_networkx_nodes(),draw_networkx_edges()
Python Network(一)
目录
- 总述
- 1. nx.draw()
- 1.1 示例
- 1.2 pos参数可选内容
- 2. draw_networkx()
- 2.1 示例
- 2.2 补充:matplotlib颜色对照表
- 3. draw_networkx_nodes()
- 3.1 示例
- 3.2 font-family常用字体列表
- 4. draw_networkx_edges()
- 4.1 示例
- 5. draw_networkx_labels()
- 5.1 示例
- 6.draw_networkx_edge_labels()
- 6.1 示例
本文主要讲解network最后的绘图功能
总述
绘图 | 释义 |
---|---|
draw(G[, pos, ax, hold]) | 用Matplotlib绘制图形G |
draw_networkx(G[, pos, with_labels]) | 使用Matplotlib绘制图形G |
draw_networkx_nodes(G, pos[, nodelist, …]) | 绘制图G的节点 |
draw_networkx_edges(G, pos[, edgelist, …]) | 绘制图形G的边缘 |
draw_networkx_labels(G, pos[, labels, …]) | 在图G上绘制节点标签 |
draw_networkx_edge_labels(G, pos[, …]) | 绘制边缘标签 |
draw_circular(G, **kwargs) | 用圆形布局绘制图形G |
draw_random(G, **kwargs) | 用随机布局绘制图形G |
draw_spectral(G, **kwargs) | 用频谱布局绘制图形G |
draw_spring(G, **kwargs) | 用弹簧布局绘制图形G |
draw_shell(G, **kwargs) | 使用外壳布局绘制networkx图 |
draw_graphviz(G[, prog]) | 使用graphviz布局绘制networkx图 |
1. nx.draw()
默认情况下,将图形绘制为没有节点标签或边缘标签且使用完整Matplotlib图形区域且无轴标签的简单表示形式。有关允许标题,轴标签等的更多功能齐全的图形,请参见draw_networkx()
draw(G,pos = None,ax = None,hold = None,** kwds )
参数 | 类型 | 意义 |
---|---|---|
G | 必选 | 网络图 |
pos | 字典,可选 | 以节点为键,位置为值的字典。如果未指定,将计算弹簧布局位置。有关计算节点位置的功能,请参见networkx.layout |
ax | Matplotlib Axes对象,可选 | 在指定的Matplotlib轴上绘制图形。 |
hold | 布尔,可选 | 设置Matplotlib保持状态。如果为True,则随后的绘制命令将添加到当前轴。 |
**kwds | 可选关键字 | 有关可选关键字的描述,请参见networkx.draw_networkx() |
1.1 示例
import networkx as nx
# 创建空的网格
G=nx.Graph()
# 添加节点
G.add_node('JFK')
G.add_nodes_from(['SFO','LAX','ATL','FLO','DFW','HNL'])
# G.number_of_nodes() # 查看节点数,输出结果7# 添加连线
G.add_edges_from([('JFK','SFO'),('JFK','LAX'),('LAX','ATL'),('FLO','ATL'),('ATL','JFK'),('FLO','JFK'),('DFW','HNL')])
G.add_edges_from([('OKC','DFW'),('OGG','DFW'),('OGG','LAX')])
# 绘制网络图
nx.draw(G,pos=nx.circular_layout(G),with_labels=True)
1.2 pos参数可选内容
nx.circular_layout(nf)
节点在圆环上均匀分布
nx.kamada_kawai_layout(nf)
这个低版本的network好像没有
nx.random_layout(nf)
节点随机分布
nx.spectral_layout(nf)
根据图的拉普拉斯特征向量排列节点(我也不知道这个是个啥)
nx.spring_layout(nf)
用Fruchterman-Reingold算法排列节点(样子类似多中心放射状)
nx.shell_layout(nf)
节点在同心圆上分布
2. draw_networkx()
使用Matplotlib绘制图形,并带有节点位置,标签,标题和许多其他图形功能的选项。有关没有标签或轴的简单绘图,请参见draw()
draw_networkx (G,pos = None,with_labels = True,** kwds )
参数 | 类型 | 意义 |
---|---|---|
G | 必选 | 网络图 |
pos | 字典,可选 | 以节点为键,位置为值的字典。如果未指定,将计算弹簧布局位置。有关计算节点位置的功能,请参见networkx.layout |
ax | Matplotlib Axes对象,可选 | 在指定的Matplotlib轴上绘制图形。 |
with_labels | bool,可选(默认= True) | 设置为True以在节点上绘制标签 |
nodelist | 列表,可选(默认G.nodes()) | 仅绘制指定的节点 |
edgelist | 列表,可选(默认值= G.edges()) | 仅绘制指定的边缘 |
node_size | 标量或数组,可选(默认为300) | 节点大小。如果指定了数组,则其长度必须与节点列表的长度相同。 |
node_color | 颜色字符串或浮点数数组,(默认=“ r”) | 节点颜色。可以是单个颜色格式字符串,也可以是长度与节点列表相同的颜色序列。如果指定了数值,则将使用cmap和vmin,vmax参数将它们映射为颜色。有关更多详细信息,请参见matplotlib.scatter。 |
node_shape | 字符串,可选(默认=‘o’) | 节点的形状。规范作为matplotlib.scatter标记,是’so ^> v <dph8’之一。 |
alpha | 浮点型,可选(默认= 1.0) | 节点透明度 |
cmap | Matplotlib颜色图,可选(默认=无) | 用于映射节点强度的颜色图 |
vmin,vmax | 浮动,可选(默认=无) | 节点颜色图缩放的最小值和最大值 |
linewidths | [无| 标量| 顺序] | 符号边框的线宽(默认= 1.0) |
width | 浮动,可选(默认= 1.0) | 边缘线宽 |
edge_color | 颜色字符串或浮点数数组(默认=‘r’) | 边缘颜色。可以是单个颜色格式字符串,也可以是与边列表长度相同的颜色序列。如果指定了数值,则将使用edge_cmap和edge_vmin,edge_vmax参数将它们映射为颜色。 |
edge_cmap | Matplotlib颜色图,可选(默认=无) | 用于映射边缘强度的颜色图 |
edge_vmin,edge_vmax | 浮点型,可选(默认=无) | 边缘颜色图缩放的最小值和最大值 |
style | 字符串,可选(默认=‘solid’) | 边线样式(实线 |
labels | 字典,可选(默认=无) | 字典中的节点标签,由文本标签的节点作为键控 |
font_size | int,可选(默认= 12) | 文字标签的字体大小 |
font_color | 字符串,可选(默认='k’黑色) | 字体颜色字符串 |
font_weight | 字符串,可选(默认=‘正常’) | 字型粗细 |
font_family | 字符串,可选(默认=‘sans-serif’) | 字体系列 |
label | 字符串,可选 | 图例的标签 |
2.1 示例
import networkx as nx
# 创建空的网格
G=nx.Graph()
# 添加节点
G.add_node('JFK')
G.add_nodes_from(['SFO','LAX','ATL','FLO','DFW','HNL'])# 添加连线
G.add_edges_from([('JFK','SFO'),('JFK','LAX'),('LAX','ATL'),('FLO','ATL'),('ATL','JFK'),('FLO','JFK'),('DFW','HNL')])
G.add_edges_from([('OKC','DFW'),('OGG','DFW'),('OGG','LAX')])nx.draw_networkx(G,pos=nx.circular_layout(G),with_labels=True,alpha=0.5,node_color='yellow',node_shape='s',linewidths=4,width=2,edge_color='blue',style='--',font_size=15,font_color='blue',font_family='SimHei')
# pos选用圆形样式,with_labels=True在节点上绘制标签,alpha=0.5节点透明度
#linewidths=4节点边框宽度为4,node_color='yellow'节点颜色设为黄色,node_shape='s'节点的形状设为正方形
# width=2边的线宽2,edge_color='blue'设置边的颜色,style='--'边的线样式,
# font_size=15设置标签字号大小,font_color='blue'设置标签字体颜色,font_family='SimHei'设置标签字体
2.2 补充:matplotlib颜色对照表
3. draw_networkx_nodes()
这仅绘制图G的节点
draw_networkx_nodes(G,pos,nodelist = None,node_size = 300,node_color = 'r',node_shape = 'o',alpha = 1.0,cmap = None,vmin = None,vmax = None,ax = None, linewidths=None,label=None,**kwds)
参数 | 类型 | 意义 |
---|---|---|
G | 必选 | 网络图 |
pos | 字典,可选 | 以节点为键,位置为值的字典 ,位置应为长度为2的序列 |
ax | Matplotlib Axes对象,可选 | 在指定的Matplotlib轴上绘制图形。 |
nodelist | 列表,可选(默认G.nodes()) | 仅绘制指定的节点 |
node_size | 节点的标量或数组大小(默认为300)。如果指定了数组,则其 长度必须与节点列表的长度相同。 | |
node_color | 颜色字符串或浮点型 | 节点颜色的数组。可以是单个颜色格式字符串(default =‘r’), 也可以是长度与节点列表相同的颜色序列。如果指定了数值,则将使用cmap和vmin,vmax参数将它们映射为颜色。有关 更多详细信息,请参见matplotlib.scatter。 |
node_shape | string | 节点的形状。规范作为matplotlib.scatter 标记,是’so ^> v <dph8’(默认=‘o’)之一。 |
alpha | float | 节点透明度(默认为1.0) |
cmap | Matplotlib颜色图 | 用于映射节点强度的颜色图(默认为无) |
vmin,vmax | 浮动 | 节点色彩图缩放的最小值和最大值(默认值:None) |
linewidths | [无| 标量| 序列] | 符号边框的线宽(默认= 1.0) |
label | [无| 字符串] |
3.1 示例
import networkx as nx
# 创建空的网格
G=nx.Graph()
# 添加节点
G.add_node('JFK')
G.add_nodes_from(['SFO','LAX','ATL','FLO','DFW','HNL'])
# 将节点分类
nodelist1=['SFO','LAX','ATL','FLO']
nodelist2=['DFW','HNL','JFK']# 添加连线
G.add_edges_from([('JFK','SFO'),('JFK','LAX'),('LAX','ATL'),('FLO','ATL'),('ATL','JFK'),('FLO','JFK'),('DFW','HNL')])# 绘制网络图
nx.draw_networkx_nodes(G,pos=nx.circular_layout(G),nodelist=nodelist1,alpha=0.6,node_color='blue',node_shape='p',node_size=200,linewidths=2)
nx.draw_networkx_nodes(G,pos=nx.circular_layout(G),nodelist=nodelist2,alpha=0.6,node_color='red',node_shape='v',node_size=220)
3.2 font-family常用字体列表
黑体:SimHei
宋体:SimSun
新宋体:NSimSun
仿宋:FangSong
楷体:KaiTi
仿宋_GB2312:FangSong_GB2312
楷体_GB2312:KaiTi_GB2312
微软雅黑体:Microsoft YaHei
如果想看详细的,可以参考这个链接
4. draw_networkx_edges()
绘制图形G的边
draw_networkx_edges(G, pos,edgelist=None, width=1.0,edge_color='k',style='solid',alpha=None,
edge_cmap=None,edge_vmin=None,edge_vmax=None,ax=None,
arrows=True,label=None,**kwds)
参数 | 类型 | 意义 |
---|---|---|
G | 必选 | 网络图 |
pos | 字典,可选 | 以节点为键,位置为值的字典 ,位置应为长度为2的序列 |
edgelist | 边缘元组的集合 | 仅绘制指定的边缘,默认= G.edges() |
width | float | 边缘的线宽(默认= 1.0) |
edge_color | 颜色字符串或浮点数数组 | 边缘颜色。可以是单个颜色格式字符串(默认为’r’),也可以是长度与边列表相同的颜色序列。如果指定了数值,则将使用edge_cmap和edge_vmin,edge_vmax参数将它们映射为颜色 |
style | 字符串 | 边线样式(默认=“实心”)(实心|虚线|点划线,点划线) |
alpha | 浮点数 | 边缘的线宽(默认= 1.0) |
edge_ cmap | Matplotlib颜色图 | 用于映射边缘强度的颜色图(默认=无) |
edge_vmin,edge_vmax | 浮点数 | 边缘颜色图缩放的最小值和最大值(默认为“无”) |
ax | Matplotlib Axes对象,可选 | 在指定的Matplotlib轴上绘制图形 |
arrows | 布尔型,可选(默认= True) | 对于有向图,如果为True,请绘制箭头。 |
label | [None| string] | 图例标签 |
4.1 示例
这里的重点主要是edgelist元组集合的设置,将edge分为了三组,第一组为nodelist1中的点,相互连接的线;第二组为nodelist2中的点,相互连接的线;第三组为nodelist1与nodelist2中的点,相互连接的线;
import networkx as nx
# 创建空的网格
G=nx.Graph()
# 添加节点
G.add_node('JFK')
G.add_nodes_from(['SFO','LAX','ATL','FLO','DFW','HNL'])
# 将节点分类
nodelist1=['SFO','LAX','ATL','FLO']
nodelist2=['DFW','HNL','JFK']# 添加连线
edge_list=[('JFK','SFO'),('JFK','LAX'),('LAX','ATL'),('FLO','ATL'),('ATL','JFK'),('FLO','JFK'),('DFW','HNL')]
G.add_edges_from(edge_list)
# G.add_edges_from([('OKC','DFW'),('OGG','DFW'),('OGG','LAX')])
# 将边分类
edgelist1=[]
for i in range(len(edge_list)):if (edge_list[i][0] in nodelist1) and (edge_list[i][1] in nodelist1):edgelist1.append(edge_list[i])
# print(edgelist1)
edgelist2=[]
for i in range(len(edge_list)):if (edge_list[i][0] in nodelist2) and (edge_list[i][1] in nodelist2):edgelist2.append(edge_list[i])
edgelist3=[]
for i in edge_list:if i not in edgelist1 or edgelist2:edgelist3.append(i)# 绘制网络图
# nx.draw(G)
nx.draw_networkx_nodes(G,pos=nx.shell_layout(G),nodelist=nodelist1,alpha=0.4,node_color='blue',node_shape='p',node_size=[float(len(list(G.neighbors(i)))/len(G.nodes())*200) for i in nodelist1],linewidths=2)
nx.draw_networkx_nodes(G,pos=nx.shell_layout(G),nodelist=nodelist2,alpha=0.4,node_color='red',node_shape='v',node_size=[float(len(list(G.neighbors(i)))/len(G.nodes())*200) for i in nodelist2])nx.draw_networkx_edges(G,pos=nx.shell_layout(G),edgelist=edgelist1,width=1,edge_color='b')
nx.draw_networkx_edges(G,pos=nx.shell_layout(G),edgelist=edgelist2,width=2,edge_color='r')
nx.draw_networkx_edges(G,pos=nx.shell_layout(G),edgelist=edgelist3,width=1,edge_color='k')nx.draw_networkx_labels(G,pos=nx.shell_layout(G),font_sizet=20,font_color='k',font_family='SimHei',alpha=1)
注:如果在“添加连线那部分代码中添加”G.add_edges_from([('OKC','DFW'),('OGG','DFW'),('OGG','LAX')])
就会发现,有一部分点是没有连线的,这个就很尴尬,因为分组edgelist的时候,我是按照点来分组的,所以没有nodelist
的节点,是没有能够划分到edgelist
中的,很遗憾,暂时没有找到很好的解决办法
5. draw_networkx_labels()
draw_networkx_labels(G, pos,labels=None,font_size=12,font_color='k',font_family='sans-serif',font_weight='normal',alpha=1.0,ax=None,**kwds)
参数 | 类型 | 意义 |
---|---|---|
G | 必选 | 网络图 |
pos | 字典,可选 | 以节点为键,位置为值的字典 ,位置应为长度为2的序列 |
labels | 字典,可选(默认=无) | 字典中的节点标签,由文本标签的节点作为键控 |
font_sizet | int | 文本标签的字体大小(默认值= 12) |
font_color | 字符串 | 字体颜色字符串(默认='k’黑色) |
font_family | 边缘元组的集合 | 字体(默认=“ sans-serif”) |
font_weight | 字符串 | 字体粗细(默认=“正常”) |
alpha | 浮动 | 文字透明度(默认= 1.0) |
ax | Matplotlib Axes对象,可选 | 在指定的Matplotlib轴上绘制图形 |
5.1 示例
import networkx as nx
# 创建空的网格
G=nx.Graph()
# 添加节点
G.add_node('JFK')
G.add_nodes_from(['SFO','LAX','ATL','FLO','DFW','HNL'])
# 将节点分类
nodelist1=['SFO','LAX','ATL','FLO']
nodelist2=['DFW','HNL','JFK']# 添加连线
G.add_edges_from([('JFK','SFO'),('JFK','LAX'),('LAX','ATL'),('FLO','ATL'),('ATL','JFK'),('FLO','JFK'),('DFW','HNL')])
# G.add_edges_from([('OKC','DFW'),('OGG','DFW'),('OGG','LAX')])
# 将边分类
edgelist1=[]
tup=()
for u in nodelist1:for v in nodelist1:if str(v) != str(u):tup=(u,v)edgelist1.append(tup)else:passedgelist2=[]
tup=()
for u in nodelist2:for v in nodelist2:if str(v) != str(u):tup=(u,v)edgelist2.append(tup)else:passedgelist3=[]
tup=()
for u in nodelist1:for v in nodelist2:if str(v) != str(u):tup=(u,v)edgelist3.append(tup)else:pass# 绘制网络图
nx.draw_networkx_nodes(G,pos=nx.circular_layout(G),nodelist=nodelist1,alpha=0.4,node_color='blue',node_shape='p',node_size=200,linewidths=2)
nx.draw_networkx_nodes(G,pos=nx.circular_layout(G),nodelist=nodelist2,alpha=0.4,node_color='red',node_shape='v',node_size=220)nx.draw_networkx_edges(G,pos=nx.circular_layout(G),edgelist=edgelist1,width=2,edge_color='b')
nx.draw_networkx_edges(G,pos=nx.circular_layout(G),edgelist=edgelist2,width=2,edge_color='r')
nx.draw_networkx_edges(G,pos=nx.circular_layout(G),edgelist=edgelist3,width=2,edge_color='k')nx.draw_networkx_labels(G,pos=nx.circular_layout(G),font_sizet=15,font_color='k',font_family='SimHei',alpha=0.8)
此处和4里面有些区别,代码运行没问题,逻辑上有些问题,代码就不修改了,留作提醒
6.draw_networkx_edge_labels()
绘制边缘标签,这个边缘标签是指连线上添加标签内容
draw_networkx_edge_labels(G, pos,edge_labels=None,label_pos=0.5,font_size=10,font_color='k',font_family='sans-serif',font_weight='normal',alpha=1.0,bbox=None,ax=None,rotate=True,**kwds)
参数 | 类型 | 意义 |
---|---|---|
G | 必选 | 网络图 |
pos | 字典,可选 | 以节点为键,位置为值的字典 ,位置应为长度为2的序列 |
ax | Matplotlib Axes对象,可选 | 在指定的Matplotlib轴上绘制图形 |
alpha | float | 文字透明度(默认= 1.0) |
edge_labels | 字典 | 字典中的边缘标签由文本标签的边缘二元组(默认为“无”)作为键。仅绘制字典中键的标签 |
label_pos | float | 边缘标签沿边缘的位置(0 =头,0.5 =中心,1 =尾部) |
font_size | int | 文本标签的字体大小(默认值= 12) |
font_color | font_color | 字体颜色字符串(默认='k’黑色) |
font_weight | 字符串 | 字体粗细(默认=“正常”) |
font_family | 字符串 | 字体家族(默认=“ sans-serif”) |
bbox | Matplotlib bbox | 指定文本框的形状和颜色 |
clip_on | 布尔 | 在轴边界处启用裁剪(默认= True) |
6.1 示例
import networkx as nx
# 创建空的网格
G=nx.Graph()
# 添加节点
G.add_node('JFK')
G.add_nodes_from(['SFO','LAX','ATL','FLO','DFW','HNL'])
# 将节点分类
nodelist1=['SFO','LAX','ATL','FLO']
nodelist2=['DFW','HNL','JFK']# 添加连线
G.add_edges_from([('JFK','SFO'),('JFK','LAX'),('LAX','ATL'),('FLO','ATL'),('ATL','JFK'),('FLO','JFK'),('DFW','HNL')])
# G.add_edges_from([('OKC','DFW'),('OGG','DFW'),('OGG','LAX')])
# 将边分类
edgelist1=[]
tup=()
for u in nodelist1:for v in nodelist1:if str(v) != str(u):tup=(u,v)edgelist1.append(tup)else:passedgelist2=[]
tup=()
for u in nodelist2:for v in nodelist2:if str(v) != str(u):tup=(u,v)edgelist2.append(tup)else:passedgelist3=[]
tup=()
for u in nodelist1:for v in nodelist2:if str(v) != str(u):tup=(u,v)edgelist3.append(tup)else:pass# 绘制网络图
nx.draw_networkx_nodes(G,pos=nx.circular_layout(G),nodelist=nodelist1,alpha=0.4,node_color='blue',node_shape='p',node_size=200,linewidths=2)
nx.draw_networkx_nodes(G,pos=nx.circular_layout(G),nodelist=nodelist2,alpha=0.4,node_color='red',node_shape='v',node_size=220)nx.draw_networkx_edges(G,pos=nx.circular_layout(G),edgelist=edgelist1,width=2,edge_color='b')
nx.draw_networkx_edges(G,pos=nx.circular_layout(G),edgelist=edgelist2,width=2,edge_color='r')
nx.draw_networkx_edges(G,pos=nx.circular_layout(G),edgelist=edgelist3,width=2,edge_color='k')nx.draw_networkx_labels(G,pos=nx.circular_layout(G),font_sizet=15,font_color='k',font_family='SimHei',alpha=1)nx.draw_networkx_edge_labels(G, pos=nx.circular_layout(G))
Python Network(二)绘图draw系列draw(),draw_networkx(),draw_networkx_nodes(),draw_networkx_edges()相关推荐
- python语言创意绘画是什么-Python街机模块的draw系列绘画例子集合
""" draw系列绘画例子集合 """ import arcade import os # 设置工作目录,以python -m启动程序时才 ...
- python语言创意绘画-Python街机模块的draw系列绘画例子集合
""" draw系列绘画例子集合 """ import arcade import os # 设置工作目录,以python -m启动程序时才 ...
- 好用的绘图工具推荐-draw.io
本文为joshua317原创文章,转载请注明:转载自joshua317博客 好用的绘图工具推荐-draw.io - joshua317的博客 首先强烈推荐drawio,免费.开源.好用!!! 首先强烈 ...
- Python必应壁纸爬取系列(二):Bing唯美壁纸太多不知道选哪个?Python五行代码随机帮你挑选必应唯美屏保壁纸图片
上一篇文章我们讲述了如何爬取必应的当天壁纸,那么今天我们就来实现如何写出一个随机必应壁纸或区域的程序.有了这个程序,我们就可以按照自己的喜好添加自己喜欢的文件并且下载了 五行代码实现程序效果图 文章目 ...
- Python Network(三)案例(无向图,有向图,权重,点线分类与大小粗细)
有关Python Network前面已经写过两篇基础入门文章 Python Network(一) Python Network(二) 本文主要是代码实战的case,主要看一些小技巧的地方 目录 1. ...
- Python制作二维码和条形码扫描器 (pyzbar)
条码在生活中随处可见,其可分为三类:一维条码.二维条码.三维条码 一维条码: 我们平时习惯称为条形码.条形码是将宽度不等的多个黑条和空白,按照一定的编码规则排列,用以表达一组信息的图形标识符.常见的条 ...
- 使用Python制作二维码生成软件
使用Python制作二维码生成软件 需求背景: 在制造业工厂为了满足产品的追溯性要求,我们经常需要给零件做标记,内容包括:产品的料号,工单号,序号,原材料提供商等 传统的做法是制作固定格式的标签,使用 ...
- 【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门(一)
这是机器未来的第52篇文章 原文首发地址:https://robotsfutures.blog.csdn.net/article/details/126899226 <Python数据科学快速入 ...
- [Python人工智能] 二十二.基于大连理工情感词典的情感分析和情绪计算
从本专栏开始,作者正式研究Python深度学习.神经网络及人工智能相关知识.前一篇文章分享了CNN实现中文文本分类的过程,并与贝叶斯.决策树.逻辑回归.随机森林.KNN.SVM等分类算法进行对比.这篇 ...
- Python可视化——3D绘图解决方案pyecharts、matplotlib、openpyxl
Python可视化--3D绘图解决方案pyecharts.matplotlib.openpyxl 1. pyecharts 2. matplotlib 3. openpyxl 这篇博客将介绍pytho ...
最新文章
- matlab数字转字符
- 《程序猿的呐喊》读书笔记(下)
- 在Activity启动过程中如何任务栈的栈顶是否是将要启动的Activity的实例
- yum提示Another app is currently holding the yum lock
- 【Linux复习——温故知新
- 优化UITableViewCell高度计算的那些事
- python操作Access .mdb数据库环境配置
- 资源管理器 右键 反应慢 现象解决方案
- 计算机课代表中段考总结,中段考试总结与反思
- 惠普笔记本重装系统后没有声音如何解决
- 春季三月各行业活动营销指南
- 千人千面智能淘宝店铺背后的算法研究登陆人工智能顶级会议AAAI 2017
- 使用simulink模拟六个位移传感器数据,并实现数据的实时采集与处理
- 【回首2022,展望2023,兔年你好!】
- 建筑与建筑群综合布线系统工程施工及验收规范
- GRE作文常用词汇和句式
- openldap主机搭建
- STM32L475 硬件SPI+软件SPI驱动ST7789V2
- 资料员培训建筑八大员培训资料员公路工程施工资料管理的建议
- 单页Web应用 5 构建Model