matplotib的学习，全是源码，勿喷

文章目录

  • matplotib的学习，全是源码，勿喷
    • 基础使用
    • 图例
    • 标注
    • thick能见度
    • 散点图
    • 颜色对比表
    • 柱状图
    • 等高线图
    • 图像
    • 多合一
    • 分格显示1
    • 分格显示2
    • 分格显示3
    • 图中图
    • 主次坐标（双y坐标）
    • 3d图像，法一
    • 三d图像，法二
    • animation动画（这部分的参数不太理解）

基础使用

# # import spyder
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-1,1,50)
y1 = 2*x+1
y2 = x**2#https://blog.csdn.net/qq_44590230/article/details/122884128?ops_request_misc=&request_id=&biz_id=102&utm_term=matplolib.set_position&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-0-122884128.142^v62^pc_search_tree,201^v3^add_ask,213^v1^t3_esquery_v1&spm=1018.2226.3001.4187
# 超级赞# plt.figure()# 画布一
# plt.plot(x,y1)
plt.figure(num=3,figsize=(8,5))# 画布二
#          序号    这个画布的尺寸
plt.plot(x,y2)
plt.plot(x,y1,color='red',linewidth=1,linestyle='--')plt.xlim((-1.5,2))# 表示x坐标轴的显示范围
plt.ylim((-2,3))# 同理，y轴的
# limit！！plt.xlabel('i am x')# 对x轴进行一个命名
plt.xlabel('i am y')# 同理，对y轴new_ticks = np.linspace(-1,2,5)
# linspace在-1,2之间平均去5个数，包括-1和2
print(new_ticks)
plt.xticks(new_ticks)# 对每个坐标轴的！！刻度！！设置名称
# the same，自己设置数字
plt.yticks([-2,-1.8,-1,1.22,3,],[r'$really\ bad$',r'$bad \alpha$',r'$normal$',r'$good$',r'$really\ godd$'])
# 对每个坐标轴的！！刻度！！设置名称，
# 加上了  $ 就可以将字体变得美观一点 \alpha可以打出来α# gca = 'get current axis'
# 将现在的轴拿出来
ax = plt.gca()# 所以这个是ax的轴
ax.spines['right'].set_color('none')
# 右边的边框就没有了，因为设置的颜色为  none  就是透明。。。
# spines=脊柱=图的边框。。。。。
ax.spines['top'].set_color('none')# ax.xaxis.set_ticks_position("bottom")
# ax.yaxis.set_ticks_position("left")
# 这个的意思是将x轴刻度放在bottom这个地方！！！
# 但是目前貌似没什么用
# 因为刻度好像一直都在x轴。。。ax.spines['bottom'].set_position(('data', 0))
# 数学要学好，哦，x轴只能上下移动
# 所以这里移动的是纵坐标，所以，要看清楚。。。
ax.spines['left'].set_position(('data',0))plt.show()# 会同时展现全部的画布

图例

# # import spyder
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-1,1,50)
y1 = 2*x+1
y2 = x**2# 可知plt是对于数据，刻度的操作
# 而ax是对于整个图像的一个设计操作plt.figure(num=3,figsize=(8,5))
# 坐标轴的操作
plt.xlim((-1.5,2))
plt.ylim((-2,3))plt.xlabel('i am x')
plt.xlabel('i am y')
# 刻度
new_ticks = np.linspace(-1,2,5)
plt.xticks(new_ticks)
plt.yticks([-2,-1.8,-1,1.22,3,],[r'$really\ bad$',r'$bad \alpha$',r'$normal$',r'$good$',r'$really\ godd$'])ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data',0))l1, = plt.plot(x,y2,label='up')
l2, =  plt.plot(x,y1,color='red',linewidth=1,linestyle='--',label='up')
# 就nmd无语，如果你要加到handles这个参数里面
# 那么你就要在命名的时候在后面加上  ,
plt.legend(handles = [l1,l2],labels=['aaa','bbb'],loc='best')
#            传入线             线图例的名字        图例的位置  best指的是在数据最少的地方放置plt.show()

标注

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-1,1,50)
y = 2*x+1# 可知plt是对于数据，刻度的操作
# 而ax是对于整个图像的一个设计操作plt.figure(figsize=(8,5))
plt.plot(x,y)
plt.xlim(-1,2)
plt.ylim(-1,5)
# 记得是有两个值！！！
# 不然有一边就是无穷了。。。
# 坐标轴的操作
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data',0))x0 = 1
y0 = 2*x0 + 1
plt.scatter(x0,y0,s=100,color='b')
#                s=点的大小  b是blue的缩写
# b—blue c—cyan g—green k----black m—magenta r—red w—white y----yellow
# 基础的颜色缩写，其他的上网找
# 这个只会表示出一个点
# 因为你只知道一个x,y
plt.plot([x0,x0],[y0,0],'k--',lw=2.5)
# 这是两点确定一个线段   k=黑色，后面是点的style
# 第一个[]代表的是x                lw代表的是显得宽度(linewidth
# 第二个代表的是y
# 相当于x0,y0与x0,0# 第一种
plt.annotate(f'$2x+1={y0}$',xy=(x0,y0),xycoords='data'    ,    xytext=(1.25,2)# 注释的文字  被注释的坐标点 是基于数据的，其实也可以不写 注释文本的位置，和前面的xy是有区别的# textcoords='offset points'也可以写这个，那样子xytext的值就变成了，文本相对于点的偏移量，不太喜欢用,fontsize=16,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
#              字体大小       箭头的参数      箭头的style     连接的方式       箭头的弧度
#                                       初始状态是一个直箭头
# 详解见https://blog.csdn.net/leaf_zizi/article/details/82886755?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166687790716800186556724%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=166687790716800186556724&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-82886755-null-null.142^v62^pc_search_tree,201^v3^add_ask,213^v1^t3_esquery_v1&utm_term=annotate&spm=1018.2226.3001.4187# 第二种
plt.text(0,3.5,'$this the some text\ \sigma_i\ $',fontdict={'size':16,'color':'r'})
# 表示的是第一个字开始的地方                         就是字体的规格
plt.show()

thick能见度

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3,3,10)
y = 0.1*xplt.figure()
plt.plot(x,y,linewidth=10,zorder=1)plt.ylim(-3,3)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data',0))for i in ax.get_xticklabels()+ax.get_yticklabels():#指的是  x轴与y轴的刻度  tick=刻度i.set_fontsize(15)#fontsize字形大小i.set_bbox(dict(facecolor='white',edgecolor='None',alpha=0.3))#              指的是  背景颜色     背景填充颜色的边框  表示的是不透明度，1表示不透明i.zorder=2
# zorder数值越大，他就在越上面plt.show()

散点图

import matplotlib.pyplot as plt
import numpy as npn = 1024
x = np.random.normal(0     ,   1       ,       n)
#  这是个正态分布   平均值 标准差(数据越大，范围越广   有多少个数据
y = np.random.normal(0,1,n)T = np.arctan2(y,x)
# 计算角度，计算点(y,x)和(1,0)的角度
# 所以，在同一片区域的点，颜色几乎一样
# T返回的是  弧度！！！！
plt.scatter(x,y,s=75   ,c=T,     alpha=0.5)
#              大小    颜色的参数  透明度
#                  颜色会有一个图cmap来表示参数与颜色之间的关系，现在是默认
plt.xlim(-1.5,1.5)
plt.ylim(-1.5,1.5)
plt.xticks(())
plt.yticks(())
# x，y的刻度都没有了
plt.show()

颜色对比表

# https://blog.csdn.net/qq_44901949/article/details/124738392?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166688107716782427475598%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=166688107716782427475598&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-124738392-null-null.142^v62^pc_search_tree,201^v3^add_ask,213^v1^t3_esquery_v1&utm_term=matplotlib%E9%A2%9C%E8%89%B2&spm=1018.2226.3001.4187

柱状图

import matplotlib.pyplot as plt
import numpy as npn=12
x = np.arange(n)
y1 = (1-x/float(n))*np.random.uniform(0.5,1,n)
#                           0.5-1里面均匀分布   12个y1
y2 = (1-x/float(n))*np.random.uniform(0.5,1,n)# y1,y2就是随机生成plt.bar(x,+y1,facecolor='deepskyblue',edgecolor='c')
#             填充的颜色         边框颜色
plt.bar(x,-y1)z1 = list(zip(x,y1))for x,y in z1:plt.text(x+0.4,y+0.05,'%.2f'%y,          ha='center',va='bottom')
#     #          位置        传参 保留两位小数    水平居中     竖直方向，对其底部
for a, b in z1:plt.text(a,-b -0.1, '-%.2f' % b, ha='center', va='bottom')
# 因为zip返回的是生成器，所以可能会有点问题
# 最好就是重新赋值plt.xlim(-0.5,n)
plt.ylim(-1.25,1.25)
plt.xticks(())
plt.yticks(())plt.show()

等高线图

import  matplotlib.pyplot as plt
import numpy as npdef f(x,y):return (1-x/2 + x**5 + y**3)*np.exp(-x**2-y**2)
#                                  输出的是  e的。。。次方
# 计算一个高度，通过坐标点计算豪赌n = 256
x = np.linspace(-3,3,n)
y = np.linspace(-3,3,n)
# 酱紫，图上面就会有一排的x，y，因为linspace是平均取数据的# 之前x，y都只是一堆数列，他们出来之后只会形成一条线
# 比如x=[1,2,3] y=[4,5,6]
# 那么图像就会长成  (1,4)(2,5)(3,6)
# 但是如果使用了meshgrid的话
# 那么他进行的操作就是x=1和y全部都组合一次
# 那么图像就会变成(1,4)(1,5)(1,6)(2,4)...
# 就是让遍历x去遍历y这样子就会获得一张网格图# 而输出的x：[1,1,1          y输出的是:[4,5,6
#           2,2,2                   4,5,6
#           3,3,3]                  4,5,6]
# 这样x[0],y[0]就是(1,4)就可以获取到第一个点了
X,Y=np.meshgrid(x,y)
# 创造了一个网格点的图
#
plt.contourf(X,Y,f(X,Y),50,alpha=0.75,cmap = plt.cm.hot)
# 填充轮廓的颜色    8：精度，越大精度越大   透明度     颜色图
#                   但是越大不一定好，那样子就会有很多溢出的颜色
#                    他代表的是有十个圈  0,1 +8=10,并且会划分区域（用颜色划分
#       是的会划分区域，下面那个只是为了让划分的区域的边界更加明显
#   横坐标的列表 纵坐标 高就是相当于zC = plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5)
# 设置轮廓的边界线           8与上面同理            线的宽度plt.clabel(C,inline=True,fontsize=10)
#    在C里面    是否显示在线的里面  字体大小plt.xticks(())
plt.yticks(())
plt.show()

图像

import matplotlib.pyplot as plt
import numpy as npa = np.array([0.31,0.36,0.42,0.37,0.44,0.52,0.42,0.52,0.65]).reshape(3,3)plt.imshow(a,interpolation='None',cmap='bone',origin='upper')
#             用的最多的是nearest(其余的不理了)           upper与lower之间是上下颠倒
#                                                     lower是小的在右上，upper则是小的在右下
plt.colorbar(shrink=0.9)
# 自动生成，一个bar=柱状图
# shrink柱状被缩放的大小
# 这个是最常用的，其他参数好像没什么用
plt.xticks(())
plt.yticks(())
plt.show()

多合一

import matplotlib.pyplot as pltplt.figure()plt.subplot(3,1,1)
#    表示两行两列 表示第一幅图
plt.plot([0,1],[0,1])plt.subplot(3,2,3)
plt.plot([0,1],[0,2])plt.subplot(3,2,4)
plt.plot([0,1],[0,3])plt.subplot(3,1,3)
plt.plot([0,1],[0,4])plt.show()

分格显示1

import matplotlib.pyplot as plt
import matplotlib.gridspec as grid# 第一种方法
plt.figure()
# grid网格
ax1 = plt.subplot2grid((3,3)        ,    (0,0)  ,     colspan=3,         rowspan=1)
# 表示的是单元的小格  将整个画布分成三小格   左上方开始的地方  左右的长度(colummn)  上下的宽度
#                                      左上角是0，0，一个横过来的x,y轴，所以向下是x，就是第一个数字增加...
ax1.plot([1,2],[1,2],label='hello')# 更加精准地加入数据
# plt.plot([1,2],[1,2])也可以酱紫，他是在ax1下面的，所以就直接加上
ax1.legend(loc='best',fontsize=12)
# 可以直接酱紫,也可以使用pltax2 = plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=1)
ax2.plot([1,2],[1,2])
ax3 = plt.subplot2grid((3,3),(1,2),colspan=1,rowspan=2)
ax3.plot([1,2],[1,2])
ax4 = plt.subplot2grid((3,3),(2,0),colspan=1,rowspan=1)
ax4.plot([1,2],[1,2])
ax5 = plt.subplot2grid((3,3),(2,1),colspan=1,rowspan=1)
ax5.plot([1,2],[1,2])plt.tight_layout
plt.show( )

分格显示2

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridplt.figure()gs = grid.GridSpec(3,3)
# 已经创造了网格
ax1 = plt.subplot(gs[0,:])
# 在gs上面， 列表的第一个，占了列表一整个
ax1 = plt.subplot(gs[1,0:2])
#             表示 第二行，从第一个空到第三个空，自己想象，因为这个是切片，不是索引
ax1 = plt.subplot(gs[1:,2])
#  表示从第二行开始一直到结尾
ax1 = plt.subplot(gs[2,0])
ax1 = plt.subplot(gs[2,1])plt.show()

分格显示3

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridf,((ax11,ax12),(ax21,ax22))=plt.subplots(2,2,sharex=True,sharey=True)
# 变成了一个矩阵ax11第一行第一个。。。              共享了x轴，就是说每副图都不会有x轴，只会在整个的下方会有，但是不代表，这些x轴是连续的
#                           这里是有s的！！因为是一次性创造多个格
ax11.scatter([1,2],[1,2])plt.tight_layout()
plt.show()

图中图

import matplotlib.pyplot as pltfig = plt.figure()
x= [1,2,3,4,5,6,7]
y = [1,3,4,2,5,8,6]left,bottom,width,height = 0.1,0.1,0.8,0.8
#                 左边的起点占figure的百分之十，就是从左到右的0.1，bottom同理
#        width表示的是宽度占了0.8，height同理
# 所以就是    。。。。。
ax1 = fig.add_axes([left,bottom,width,height])
ax1.plot(x,y,'r')
#       颜色
ax1.set_xlabel('x')
# 使用坐标轴来创建的时候要加上   set_
ax1.set_ylabel('y')
ax1.set_title('title')# 所以在里面覆盖上一幅图，我们只需要改变一下大小与位置
# 这是覆盖了一幅图！！！！！所以要写在原本大图下面
left,bottom,width,height = 0.2,0.6,0.25,0.25
ax2 = fig.add_axes([left,bottom,width,height])
ax2.plot(y,x,'b')
ax2.set_xlabel('x')
# 使用坐标轴来创建的时候要加上   set_
ax2.set_ylabel('y')
ax2.set_title('title inside 1')plt.axes([0.62,0.2,0.25,0.25])
# 直接图和坐标一起打了包！！！
plt.plot(y[::-1],x,'b')
plt.xlabel('x')
# 使用散点图来创建的时候不用加！！！！1
plt.ylabel('y')
plt.title('title inside 2')
print(y)
print(y[1:5:2])
# 现在知道了吧 1切片开始   5切片结束  2步长，一般为1
# 所以！！！！！
print(y[::-1])
# :前面全部  ：后面全部  所以-1代表步长
# 所以直接就可以吧列表翻转plt.show()

主次坐标（双y坐标）

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0,10,0.1)
y1 = 0.05*x**2
y2 = -1*y1fig,ax1 = plt.subplots()# 里面可以写参数，让他变成多幅图，但是没写，所以他只有一幅图
# subplots会返回两个东西：画板和坐标
# subplot不会返回，因为亚久只有一副东西
ax2 = ax1.twinx()
# 这是中心对称
# 但是数值还是对的，因为下面才开始代入数据ax1.plot(x,y1,'g-')
ax2.plot(x,y2,'b--')ax1.set_xlabel('X data')
ax1.set_ylabel('Y1',color = 'g')
ax2.set_ylabel('Y2',color = 'b')
plt.show()

3d图像，法一

import matplotlib.pyplot as plt
from matplotlib import cm
import numpy as npfrom mpl_toolkits.mplot3d.axes3d import get_test_data# set up a figure twice as wide as it is tall
fig = plt.figure()ax = fig.add_subplot(1, 1, 1, projection='3d')X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
# 表示开平方
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))
#          代表y轴的界限一格是多少  代表x轴
#        格数越小，那么界限越多，那么精度越大(只能为整数
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow')
# 还记得等高线吗，这个就是
#                zdir表示在那个方向上显示这张等高线
#                    offset表示这张图片，距离图形中间不分有多远ax.set_zlim(-2,2)plt.show()

三d图像，法二

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3Dfig  = plt.figure()
ax = Axes3D(fig)
x = np.arange(-4,4,0.25)
y = np.arange(-4,4,0.25)
x,y = np.meshgrid(x,y)
r = np.sqrt(x**2+y**2)
z = np.sin(r)ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))
ax.contourf(x,y,z,zdir='x',offset=-2,cmap='rainbow')
ax.set_zlim(-2,2)
plt.show()

animation动画（这部分的参数不太理解）

import numpy as np
from matplotlib import pyplot as plt
from matplotlib import  animationfig,ax = plt.subplots()
# 这是等同于
# fig = plt.figure()
# ax = plt.gca()
# subplot是专门用于在一幅图里面插入几个小图
# 所以，不是只是插入一幅图！！！！
x = np.arange(0,2*np.pi,0.01)
#               pi=π
line, = ax.plot(x,np.sin(x))
def animate(i):line.set_ydata(np.sin(x+i/10))return line,def init():line.set_ydata(np.sin(x))return line,
ani=animation.FuncAnimation(fig=fig,func=animate
, frames=100,init_func=init, interval=100,blit=False)
#                        在哪里有动画  动画的模式    长度的多少    一开始的图像        帧数（刷新的频率    是否更新整张图，还是值更新变的点
#                                                                                          False 是更新整张图
#1.fig：绘制动画的画布
# 2.func：动画函数
# 3.frams：动画长度，一次循环包含的帧数，在函数运行时，其值会传给动画函数update(i)的形参i
# 4.init_func：动画的起始状态
# 5.interval：更新频率，interval=20表示每隔20ms从头来一次
# 6.blit：是否更新整张图，False表示更新整张图，True表示只更新有变化的点。mac用户请使blit=False。
plt.show()

ddl，c

matplotlib的学习，全是源码，勿喷相关推荐

  1. numpy的学习，全是源码，勿喷

    numpy的学习,全是源码,勿喷 文章目录 numpy的学习,全是源码,勿喷 基础学习 array的操作 numpy的运算 numpy的运算 基础学习 import numpy as np# # 核心 ...

  2. sparkcore分区_Spark学习：Spark源码和调优简介 Spark Core (二）

    本文基于 Spark 2.4.4 版本的源码,试图分析其 Core 模块的部分实现原理,其中如有错误,请指正.为了简化论述,将部分细节放到了源码中作为注释,因此正文中是主要内容. 第一部分内容见: S ...

  3. 影视全搜索-源码分享-站点采集

    影视全搜索源码分享,影视全搜索是一个搜索全网影视资源的站点 基于框架eyz优化而成的影视全搜索是一个集合众多资源站的影视检索程序, 实现全网m3u8影视资源检索.直播源整理等 演示   演示站点:️影 ...

  4. JAVA计算机毕业设计在线党建学习平台Mybatis+源码+数据库+lw文档+系统+调试部署

    JAVA计算机毕业设计在线党建学习平台Mybatis+源码+数据库+lw文档+系统+调试部署 JAVA计算机毕业设计在线党建学习平台Mybatis+源码+数据库+lw文档+系统+调试部署 本源码技术栈 ...

  5. java毕业生设计在线学习系统计算机源码+系统+mysql+调试部署+lw

    java毕业生设计在线学习系统计算机源码+系统+mysql+调试部署+lw java毕业生设计在线学习系统计算机源码+系统+mysql+调试部署+lw 本源码技术栈: 项目架构:B/S架构 开发语言: ...

  6. 计算机毕业设计Java海南自贸港知识学习与测试(源码+系统+mysql数据库+lw文档)

    计算机毕业设计Java海南自贸港知识学习与测试(源码+系统+mysql数据库+lw文档) 计算机毕业设计Java海南自贸港知识学习与测试(源码+系统+mysql数据库+lw文档) 本源码技术栈: 项目 ...

  7. java中batch基础_详解Spring batch 入门学习教程(附源码)

    详解Spring batch 入门学习教程(附源码) 发布时间:2020-09-08 00:28:40 来源:脚本之家 阅读:99 作者:achuo Spring batch 是一个开源的批处理框架. ...

  8. 深度学习框架Caffe源码解析

    作者:薛云峰(https://github.com/HolidayXue),主要从事视频图像算法的研究, 本文来源微信公众号:深度学习大讲堂.  原文:深度学习框架Caffe源码解析  欢迎技术投稿. ...

  9. 帝国CMS7.5仿《问答库》题库问答学习平台网站源码 带手机版

    简介: 帝国CMS7.5仿<问答库>题库问答学习平台网站源码 带手机版 开发环境:帝国cms 7.5 安装环境:php+mysql 学历考试等各类题库以及一些常见的普通练习的题目题库供大家 ...

  10. JAVA毕业设计计算机类专业考研交流学习平台计算机源码+lw文档+系统+调试部署+数据库

    JAVA毕业设计计算机类专业考研交流学习平台计算机源码+lw文档+系统+调试部署+数据库 JAVA毕业设计计算机类专业考研交流学习平台计算机源码+lw文档+系统+调试部署+数据库 本源码技术栈: 项目 ...

最新文章

  1. 另类寻找百度文库下载地址
  2. URAL 1471 Tree
  3. 解密回声消除技术之一（理论篇）
  4. python散点图拟合曲线-python散点图：如何添加拟合线并显示拟合方程与R方？
  5. 【BZOJ4771】七彩树 主席树+树链的并
  6. JQuery属性、事件相关操作
  7. eth显卡算力2020最新排行_最新三大主流币IPFS比特币ETH挖矿全网算力动态速递单周报（12.3更新）...
  8. LaTeX 安装配置 OSX
  9. 阿里云高效基因序列检索助力新冠肺炎病毒序列快速分析
  10. Intel Pin架构
  11. 微软全面拥抱 AI！
  12. [泛读]4篇Web Service Replication方面论文
  13. 华为HCIE云计算培训笔记第3天
  14. MySQL 数据归档清理方法
  15. [ HIT - CSAPP ] 哈尔滨工业大学 - 计算机系统 - 期末大作业“Hello‘s P2P’”
  16. 曾被诉“抄袭”，头条搜索想要突围有点难
  17. SecureCRT 如何快速执行常用命令
  18. 适合练习英语口语的脱口秀
  19. 中国象棋程序的设计与实现(二)--源码
  20. 约瑟夫问题-N个人围成一圈循环杀掉第M个人

热门文章

  1. 全球5G无线接入网络(RAN)行业调研及趋势分析报告
  2. python实现csv行列转置
  3. 【05】制作第一个zblog模板第四期，完成首页logo、搜索、文章列表，友情链接等大部分首页自定义模块
  4. 好听的摇滚_好听的摇滚歌曲大全
  5. 微信小程序网易云音乐
  6. 计算的极限（二）：自我指涉与不可判定
  7. pt tools 绑定pt站点失败 解决的3种方法
  8. html中创建圆点列表符号,圆点项目符号
  9. 石墨烯气凝胶的3D打印-气凝胶（Aerogels）是世界上最轻的材料之一，石墨烯气凝胶（Graphene aerogel）又是该品类中最轻的一种
  10. MEM/MBA 写作-论说文（02）立意 知识练习