当前位置: 首页 > news >正文

matplotlib.pyplot常见图形及组合基础用法文档

matplotlib.pyplot 常见图形及组合基础用法文档

一、引言

matplotlib.pyplot 是 Python 中用于数据可视化的强大库,提供了丰富的绘图函数,可绘制折线图、散点图、柱状图等多种类型的图形。同时,还能将不同类型的图形组合在一起,以更全面地展示数据。本文档将介绍 plt 中常见图形的基础用法以及两种图形的组合方式。

二、常见图形及基础用法

1. 折线图(Line Plot)

折线图用于展示数据随时间或其他连续变量的变化趋势。

import matplotlib.pyplot as plt
import numpy as np# 生成示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)# 绘制折线图
plt.plot(x, y)# 设置标题和坐标轴标签
plt.title('折线图示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')# 显示图形
plt.show()

代码解释

  • np.linspace(0, 10, 100):生成 100 个在 0 到 10 之间均匀分布的点作为 x 轴数据。
  • np.sin(x):计算 x 对应的正弦值作为 y 轴数据。
  • plt.plot(x, y):使用 plot 函数绘制折线图。
  • plt.title()plt.xlabel()plt.ylabel():设置图形的标题和坐标轴标签。
  • plt.show():显示绘制好的图形。

2. 散点图(Scatter Plot)

散点图用于展示两个变量之间的关系,每个数据点由 xy 坐标表示。

import matplotlib.pyplot as plt
import numpy as np# 生成示例数据
x = np.random.rand(50)
y = np.random.rand(50)# 绘制散点图
plt.scatter(x, y)# 设置标题和坐标轴标签
plt.title('散点图示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')# 显示图形
plt.show()

代码解释

  • np.random.rand(50):生成 50 个在 0 到 1 之间的随机数作为 xy 轴数据。
  • plt.scatter(x, y):使用 scatter 函数绘制散点图。
  • 其他部分与折线图的设置相同。

3. 柱状图(Bar Plot)

柱状图用于比较不同类别之间的数据大小。

import matplotlib.pyplot as plt
import numpy as np# 生成示例数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]# 绘制柱状图
plt.bar(categories, values)# 设置标题和坐标轴标签
plt.title('柱状图示例')
plt.xlabel('类别')
plt.ylabel('数值')# 显示图形
plt.show()

代码解释

  • categories:表示不同的类别。
  • values:表示每个类别的数值。
  • plt.bar(categories, values):使用 bar 函数绘制柱状图。
  • 其他部分与前面的图形设置相同。

4. 饼图(Pie Chart)

饼图用于展示各部分数据占总体的比例关系。

import matplotlib.pyplot as plt# 生成示例数据
labels = ['苹果', '香蕉', '橙子', '葡萄']
sizes = [30, 25, 20, 25]# 绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')# 设置标题
plt.title('饼图示例')# 显示图形
plt.show()

代码解释

  • labels:表示各部分的标签。
  • sizes:表示各部分的数值。
  • plt.pie(sizes, labels=labels, autopct='%1.1f%%'):使用 pie 函数绘制饼图,autopct 参数用于显示百分比。
  • plt.title():设置图形的标题。

5. 直方图(Histogram)

直方图用于展示数据的分布情况。

import matplotlib.pyplot as plt
import numpy as np# 生成示例数据
data = np.random.randn(1000)# 绘制直方图
plt.hist(data, bins=30)# 设置标题和坐标轴标签
plt.title('直方图示例')
plt.xlabel('数值')
plt.ylabel('频数')# 显示图形
plt.show()

代码解释

  • np.random.randn(1000):生成 1000 个服从标准正态分布的随机数作为数据。
  • plt.hist(data, bins=30):使用 hist 函数绘制直方图,bins 参数指定直方图的柱子数量。
  • 其他部分与前面的图形设置相同。

6. 热点图(Heatmap)

热点图用颜色表示数据密度或数值大小,常用于展示矩阵数据,通常结合 seaborn 库绘制。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np# 生成示例数据
data = np.random.rand(10, 10)# 设置图片清晰度
plt.rcParams['figure.dpi'] = 300# 创建热点图
sns.heatmap(data, annot=True, fmt=".2f")# 设置标题
plt.title('热点图示例')# 显示图形
plt.show()

代码解释

  • np.random.rand(10, 10):生成一个 10x10 的矩阵,元素是 0 到 1 之间的随机数。
  • sns.heatmap(data, annot=True, fmt=".2f"):绘制热点图,annot=True 显示数据值,fmt=".2f" 设置数据值格式为保留两位小数。
  • 其他部分与前面的图形设置相同。

三、两种图形的组合

1. 折线图与散点图组合

展示数据趋势的同时突出数据点。

import matplotlib.pyplot as plt
import numpy as np# 生成示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)# 绘制折线图
plt.plot(x, y, label='折线')# 绘制散点图
plt.scatter(x[::10], y[::10], color='red', label='散点')# 设置标题和坐标轴标签
plt.title('折线图与散点图组合')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')# 添加图例
plt.legend()# 显示图形
plt.show()

代码解释

  • plt.plot(x, y, label='折线'):绘制折线图,并设置图例标签。
  • plt.scatter(x[::10], y[::10], color='red', label='散点'):每隔 10 个点绘制一个红色散点,并设置图例标签。
  • plt.legend():添加图例,方便区分不同图形。

2. 柱状图与折线图组合

比较不同类别数据大小的同时展示某一指标的变化趋势。

import matplotlib.pyplot as plt
import numpy as np# 生成示例数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
trend = [0.1, 0.2, 0.15, 0.25]# 创建画布和双 Y 坐标轴
fig, ax1 = plt.subplots()
ax2 = ax1.twinx()# 绘制柱状图
bars = ax1.bar(categories, values, color='blue', label='数值')# 绘制折线图
line = ax2.plot(categories, trend, color='red', label='趋势')# 设置标题
plt.title('柱状图与折线图组合')# 设置坐标轴标签
ax1.set_xlabel('类别')
ax1.set_ylabel('数值', color='blue')
ax2.set_ylabel('趋势', color='red')# 添加图例
lines, labels = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax2.legend(lines + lines2, labels + labels2, loc='upper left')# 显示图形
plt.show()

代码解释

  • fig, ax1 = plt.subplots():创建画布和第一个坐标轴。
  • ax2 = ax1.twinx():创建与第一个坐标轴共享 x 轴的第二个坐标轴,用于绘制折线图。
  • ax1.bar(categories, values, color='blue', label='数值'):在第一个坐标轴上绘制柱状图。
  • ax2.plot(categories, trend, color='red', label='趋势'):在第二个坐标轴上绘制折线图。
  • ax1.set_xlabel()ax1.set_ylabel()ax2.set_ylabel():分别设置坐标轴标签。
  • ax2.legend(lines + lines2, labels + labels2, loc='upper left'):合并两个坐标轴的图例并显示。

通过以上介绍,你可以掌握 matplotlib.pyplot 中常见图形的基础用法以及两种图形的组合方式,根据数据特点和需求选择合适的图形进行可视化展示。

相关文章:

matplotlib.pyplot常见图形及组合基础用法文档

matplotlib.pyplot 常见图形及组合基础用法文档 一、引言 matplotlib.pyplot 是 Python 中用于数据可视化的强大库,提供了丰富的绘图函数,可绘制折线图、散点图、柱状图等多种类型的图形。同时,还能将不同类型的图形组合在一起,…...

mysql的基础语句和外键查询及其语句

思路:双指针思路可以吗,我就直接找G,如果后一个是1就cnt,如果不是数字,用一个指针i指向G,另一个指针j移动,当不是G时停止,统计G的个数,如果是奇数个同时G的下一个是1,cnt…...

如何使用 DeepSeek 帮助自己的工作?

1. 信息检索 信息检索是获取特定信息的过程,尤其是在大量数据或文本中查找相关内容。这个过程应用广泛,从网页搜索引擎到数据库查询,再到企业内部信息系统。在使用 DeepSeek 或其它类似工具进行信息检索时,可以考虑以下几个重要方…...

为 Doub 打造吸引 CMO 的 SEO 报告

在数字营销中,SEO 报告不仅是展示工作成果的工具,更是向高层管理者(如 CMO)证明 SEO 价值的关键。对于 Doub 这样一家提供精密模切解决方案的网站(基于 WordPress 和 WooCommerce),撰写一份吸引…...

数据可视化 —— 折线图应用(大全)

一、导入需要的库 # Matplotlib 是 Python 最常用的绘图库,pyplot 提供了类似 MATLAB 的绘图接口 import matplotlib.pyplot as plt import numpy as np import pandas as pd 二、常用的库函数 plt.plot(x轴,y轴):plot()是画折线图的函数。 plt.xlabe…...

配置mac mini M4 的一些软件

最近更换了 mac mini M4 ,想要重新下载配置软件 ,记录一下。 Homebrew是什么? homebrew是一款Mac OS平台下的软件包管理工具,拥有安装、卸载、更新、查看、搜索等功能。通过简单的指令可以实现包管理,而不用关心各种…...

八邻域轮廓跟踪算法_传感器技术

在科学技术日新月异的今天,人们对机器设备的智能性、自主性要求也越来越高,希望其完全替代人的角色,把人们从繁重、危险的工作任务中解脱出来,而能否像人一样具有感知周围环境的能力已成为设备实现智能化自主化的关键。 广义的“…...

python实战:如何正确安装 ffmpeg(window、linux、mac都通用)

直接使用 Conda 安装 FFmpeg,而无需手动下载或配置环境变量。Conda 会自动管理依赖项,并将 FFmpeg 添加到你的环境路径中。 方法 1:使用 Conda 安装 FFmpeg 在 Anaconda Prompt(或终端)中运行: conda install ffmpeg -c conda-forge-c conda-forge 表示从 conda-forge…...

网络机顶盒常见问题全解析:从安装到故障排除

WiFi连接问题 机顶盒无法连接WiFi,先检查路由器信号强度。若信号弱,可将机顶盒移近路由器,或调整路由器天线方向。也可重启机顶盒与路由器,若仍不行,进入机顶盒设置,重置网络设置。若支持5GHz频段&#xf…...

使用stm32cubeide stm32f407 lan8720a freertos lwip 实现tcp客户端、服务端及网络数据转串口数据过程详解

1前言 项目需要使用MCU实现网络功能,后续确定方案stm32f407 外接lan8720a实现硬件平台搭建,针对lan8720a也是用的比较多的phy,网上比较多的开发板,硬件上都是选用了这个phy,项目周期比较短,选用了这个常用…...

GAT-GRAPH ATTENTION NETWORKS(论文笔记)

CCF等级:A 发布时间:2018年 代码位置 25年4月21日交 目录 一、简介 二、原理 1.注意力系数 2.归一化 3.特征组合与非线性变换 4.多头注意力 4.1特征拼接操作 4.2平均池化操作 三、实验性能 四、结论和未来工作 一、简介 图注意力网络&…...

【蓝桥杯】贪心算法

1. 区间调度 1.1. 题目 给定个区间,每个区间由开始时间start和结束时间end表示。请选择最多的互不重叠的区间,返回可以选择的区间的最大数量。 输入格式: 第一行包含一个整数n,表示区间的数量 接下来n行,每行包含两个整数,分别表示区间的开始时间和结束时间 输出格式:…...

从一批视频里面抽取固定的第n帧图片(包含并行实现)

以下代码主要用于从 ./*.mp4 的文件夹中,每个视频中抽取第N帧保存成图,用于图生视频训练,考虑到数据量比较大,推荐使用ffmpeg来实现的,性能可以比较高(10w个视频差不多十多分钟就可以跑完)&…...

论文阅读:2024-arxiv How to Steer LLM Latents for Hallucination Detection?

总目录 大模型安全相关研究:https://blog.csdn.net/WhiffeYF/article/details/142132328 How to Steer LLM Latents for Hallucination Detection? https://arxiv.org/pdf/2503.01917 https://www.doubao.com/chat/2818934852496130 其它资料: http…...

python面试技巧

文章目录 前言面试前面试中良好的沟通表达展示解决问题的能力体现学习能力和热情注意非语言沟通 面试后 前言 在 Python 面试中,掌握一些有效的技巧能让你更好地展现自己的能力和素质,以下是一些实用的面试技巧: 面试前 研究公司和岗位&…...

免费AI编程插件Fitten Code + IntelliJ IDEA实现AI辅助编程实战指南

🧑 博主简介:CSDN博客专家、CSDN平台优质创作者,高级开发工程师,数学专业,拥有高级工程师证书;擅长C/C、C#等开发语言,熟悉Java常用开发技术,能熟练应用常用数据库SQL server,Oracle…...

Vue3 + TypeScript 的 Hooks 实用示例

示例 1: 防抖 Hook(useDebounce) typescript // hooks/useDebounce.ts import { ref, watch, onUnmounted, type WatchSource } from vue;/*** 防抖 Hook* param source 监听的响应式数据源* param callback 防抖后执行的回调函数* param delay 防抖延…...

【DB2】事务日志满/归档占用较大问题处理记录

某DB2环境经常报错The active log is full and is held by...,并且归档磁盘占用较大 事务日志满 事务日志满可以理解为Oracle的redo追尾,即业务写入量大于redo刷盘速度,这时候其他SQL会陷入等待,容易造成性能问题 一般由两方面原…...

Rust 的征服:从系统编程到全栈开发的 IT 新宠

文章目录 Rust 的本质:性能与安全的完美平衡Rust 的演进:从 Mozilla 的实验到全球热潮核心技术:Rust 的杀手锏与生态所有权与生命周期高并发:无畏线程Cargo:现代构建工具生态繁荣:Crates.io Rust 的杀手级应…...

【力扣hot100题】(086)乘积最大子数组

感觉题目越来越难,这题不看答案真的想不到一点。 一开始绕了不少弯路,甚至想将每一个子数组的积全部求出来比较…… 答案的方法有点难懂。 方法如下:维护两个数,分别是目前为止最大数和最小数,最大数一般来说是正数…...

编译器bug ?

## 问题描述 两个结构几乎相同的模板实现&#xff0c;一个能正常工作&#xff0c;另一个在 VS2019 和 GCC 中都会报错。 ## 最小化测试代码 // bug_report.cpp #include <type_traits> #include <string>template<typename T> struct Type2Type { using t…...

算法刷题记录——LeetCode篇(1.8) [第71~80题](持续更新)

更新时间&#xff1a;2025-04-10 算法题解目录汇总&#xff1a;算法刷题记录——题解目录汇总技术博客总目录&#xff1a;计算机技术系列博客——目录页 优先整理热门100及面试150&#xff0c;不定期持续更新&#xff0c;欢迎关注&#xff01; 72. 编辑距离 给你两个单词 wo…...

leetcode68.左右文本对齐

思路源自 leetcode-字符串篇 68题 文本左右对齐 难度高的模拟类型题目&#xff0c;关键点在于事先知道有多少单词要放在本行并且还要知道本行是不是最后一行&#xff08;最后一行需要全部单空格右对齐&#xff0c;不是最后一行就空格均摊&#xff09;&#xff0c;非最后一行的空…...

leetcode:905. 按奇偶排序数组(python3解法)

难度&#xff1a;简单 给你一个整数数组 nums&#xff0c;将 nums 中的的所有偶数元素移动到数组的前面&#xff0c;后跟所有奇数元素。 返回满足此条件的 任一数组 作为答案。 示例 1&#xff1a; 输入&#xff1a;nums [3,1,2,4] 输出&#xff1a;[2,4,3,1] 解释&#xff1a…...

Java抽象类与抽象方法详解

一、抽象类的作用与定义 1. 核心作用 ​​设计意图​​&#xff1a;当多个子类具有共性行为但具体实现不同时&#xff0c;通过抽象类强制规范子类的实现格式。 ​​典型场景​​&#xff1a; // 定义抽象图形类 public abstract class Shape {// 抽象方法&#xff1a;计算面…...

QScrCpy源码解析(3)监听手机usb端口

采用的技术方式为adb adb可以通过命令行达到控制安卓手机的目的 大致思路为 1在界面显示的时候初始化一个定时器&#xff0c;不断地查询当前设备连接到的手机安卓设备 使用的adb指令为 adb devices 定时器代码 connect(&m_autoUpdatetimer, &QTimer::timeout, th…...

go-zero学习笔记(六)---gozero中间件介绍

​ 1. 中间件分类 gozero默认中间件通过在api文件中创建的中间件通过server.Use(middleware Middleware)创建的中间件2. 中间件介绍 2.1 gozero默认中间件 默认中间件包括如下&#xff1a;在gozero中对应的代码为&#xff1a; // 文件位置&#xff1a;github.com\zeromicro\g…...

基于FPGA实现BPSK 调制

目录 一、 任务介绍二、基本原理三、基于FPGA实现BPSK 调制四、源码 一、 任务介绍 BPSK 调制在数字通信系统中是一种极重要的调制方式&#xff0c;它的抗干扰噪声性能及通频带的利用率均优先于 ASK 移幅键控和 FSK 移频键控。因此&#xff0c;PSK 技术在中、高速数据传输中得…...

包含网络、平台、数据及安全四大体系的智慧快消开源了

智慧快消视频监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒&#xff0c;省去繁琐重复的适配流程&#xff0c;实现芯片、算法、应用的全流程组合&#xff0c;从而大大减少企业级应用约95%的开发成本。国产化人工智能“…...

基于AWS的大模型调用场景:10大成本优化实战方案

大模型训练与推理是AI领域的计算密集型场景&#xff0c;如何在AWS上实现高性能与低成本的双重目标&#xff1f;本文从实例选型、弹性伸缩、存储优化等角度&#xff0c;分享10个经过验证的AWS成本优化策略&#xff0c;帮助企业节省30%以上成本。 一、大模型场景的成本痛点分析 计…...

Human3.6M 解析3d pose标注 h36m

目录 解析pkl 并可视化 解析h5格式: view_h36m_h5_ok.py nlf 预测并计算指标mpje 解析pkl 并可视化 import os import pickleimport cv2 import imageio import numpy as npif __name__ == __main__:# pkl_path=r"E:\data\pose_3d\human3.6mtoolbox\annot\h36m_valid…...

设计模式-观察者模式和发布订阅模式区别

文章目录 其他不错的文章 二者有类似的地方&#xff0c;也有区别。 引用的文章说的已经比较清楚了&#xff0c;这里只列出对比图。 对比点观察者模式发布订阅模式中间人角色无事件中心&#xff0c;观察者直接订阅目标有事件中心&#xff0c;发布者与订阅者通过事件中心通信关系…...

Python proteinflow 库介绍

ProteinFlow是一个开源的Python库,旨在简化蛋白质结构数据在深度学习应用中的预处理过程。以下是其详细介绍: 功能 数据处理:支持处理单链和多链蛋白质结构,包括二级结构特征、扭转角等特征化选项。 数据获取:能够从Protein Data Bank (PDB)和Structural Antibody Databa…...

羽绒服选购

羽绒服怎么选&#xff1f; 看吊牌 填充物含绒子量充绒克数 填充物&#xff1a; 鹅绒>鸭绒>鹅鸭混合绒 中国90%羽绒服都是鸭绒&#xff0c;鹅绒产量少&#xff0c;且拔毛方式不人道&#xff0c;所以价格更高 白鸭绒和黑鸭绒区别不大&#xff0c;但是白羽绒服只能用白鸭绒…...

使用注解@RequestBody变红的解决问题

解决办法&#xff1a; package com.takeout.controller;import com.takeout.common.R; import com.takeout.entity.Employee; import com.takeout.service.EmployeeService; import lombok.extern.slf4j.Slf4j; import org.springframework.beans.factory.annotation.Autowire…...

Multi-Agent Routing Value Iteration Network(多智能体路由值迭代网络)论文阅读

标题&#xff1a;Multi-Agent Routing Value Iteration Network(多智能体路由值迭代网络) 作者&#xff1a;Quinlan Sykora&#xff0c; Mengye Ren&#xff0c; Raquel Urtasun 单位: Uber 发表期刊&#xff1a;AI 发表时间&#xff1a;2020年 论文研究主题归类&#xf…...

商品详情 API 返回数据字段说明

京东商品详情 API 返回的数据是一个结构化的 JSON 对象&#xff0c;包含了商品的多个关键字段。以下是一些常见的返回值字段及其说明&#xff1a; 1. 商品基本信息 num_iid&#xff1a;商品唯一标识符。 title&#xff1a;商品标题。 desc_short&#xff1a;商品简短描述。 …...

数据结构 | 证明链表环结构是否存在

❤个人主页&#xff1a; 链表环结构 0.前言1.环形链表&#xff08;基础&#xff09;2.环形链表Ⅱ&#xff08;中等&#xff09;3.证明相遇条件及结论3.1 问题1特殊情况证明3.2 问题1普适性证明 0.前言 在这篇博客中&#xff0c;我们将深入探讨链表环结构的检测方法&#xff1a;…...

AI Agent类开发应避免Python独舞,奏响多技术交响曲

、 &#xff08;前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不住分享一下给大家。点击跳转到网站&#xff09;。 一、Python的局限&#xff1a;从“万能”到“单薄”的技术困境 1.1 Python的统治地位与暗礁 Python在AI…...

git基本使用

git 默认情况下&#xff0c;克隆的远程仓库会被命名为 origin git remote remove origin # 移除默认的远程仓库 origingit remote add origin https://github.com/CS144/minnow.git # 添加一个新的远程仓库 origin&#xff0c;指向自己的 GitHub 仓库git branch -M main #将当…...

解决IDEA中自动生成返回值带final修饰的问题

修改配置文件&#xff1a; 1、在settings选项下&#xff0c;Editor–Code Style–Java–Code Generation&#xff0c;确保红框内的两项不被勾选 2、在自动生成的地方,仔细观看final下面带有下划线,说明此处存在快捷键,这时按下ALT F, 选项框会取消勾选Declare final. 回车接…...

Java中的Exception和Error有什么区别?还有更多扩展

概念 在Java中&#xff0c;Exception和Error都是Throwable的子类&#xff0c;用于处理程序中的错误和异常情况。 然而&#xff0c;它们在用途和处理方式上有显著的不同&#xff1a; Exception&#xff1a; 用于表示程序在正常运行过程中可能出现的错误&#xff0c;如文件未找…...

什么是中性线、零线、地线,三相四线制如何入户用电

在变压器三相电侧&#xff0c;按照星形连接法&#xff0c;有一个中心点&#xff0c;这根线引出来的线接不接地&#xff1a;不接地就是中性线&#xff0c;接地就是零线 下面就是没有接地&#xff1a;中性线 接地了以后就可以叫做零线了 三相电在高压输电的时候是没有零线的&a…...

不用额外下载jar包,idea快速查看使用的组件源码

以nacos为例子&#xff0c;在idea中引入了nacos依赖&#xff0c;就可以查看源码了。 2. idea选择open&#xff08;不关闭项目直接选择file-open也可以&#xff09;, 在maven的仓库里找到对应的包&#xff0c;打开 2.idea中选择 jar包&#xff0c;选择 add as library 3.这样j…...

Ant Design X 和 Element-Plus-X

Ant Design X 是 Ant Design 的全新 AGI 组件库&#xff0c;旨在帮助开发者更轻松地研发 AI 产品用户界面。提供AI交互所需的Attachments、Sender、ThoughtChain等组件&#xff0c;以及useXAgent、XStream等hooks。 具备支持Vue和React两个版本 React&#xff1a; https://gi…...

jetson配置yolov5(tensor加速版)出现的问题(killed+tensor+~)

1.在cmake生成engine引擎文件时&#xff0c;出现一系列报错 make [ 20%] Building NVCC (Device) object CMakeFiles/myplugins.dir/myplugins_generated_yololayer.cu.o /home/lin/yolov5-4.0/yolov5/yololayer.h(54): error: member function declared with "override&…...

【华为战报】2025年3月 考试战报!

原创&#xff1a;厦门微思网络 了解更多往期考试→点 【考试战报】 华为认证 HCIA 3月 微思 | HCIA 考试战报 学员成绩单 华为认证 HCIP 3月 微思 | HCIP 考试战报 学员成绩单 学员证书 华为认证 HCIE 3月 微思 | HCIE 考试战报 学员成绩单 学员证书 华为认证 最新开班 厦门面授…...

daz3d ERC Freeze to Morph Target 和 另存为 Morph Asset(s)

. ERC 冻结至变形目标 (ERC Freeze to Morph Target) 核心目标&#xff1a;将骨架的调整与自定义造型的滑块关联起来。 详细解释&#xff1a; 当你创建一个自定义造型&#xff08;Morph&#xff09;并调整了骨架&#xff08;Rigging&#xff09;以适应这个新造型后&#xff…...

【网络安全 | 项目开发】Web 安全响应头扫描器(提升网站安全性)

未经许可,不得转载。 文章目录 项目简介项目功能示例输出技术栈:简单代码结构可选扩展功能项目简介 Web 安全响应头扫描器(Security Headers Checker),一个安全合规工具,用于检测目标网站是否配置了关键的 HTTP 安全头部,帮助开发者提升网站基础安全性。 项目功能 1.…...

Python - 爬虫-网页抓取数据-库requests

requests库是一个功能强大的HTTP库&#xff0c;用于发送各种HTTP请求&#xff0c;如GET、POST、PUT、DELETE等。 requests官网&#xff1a;Requests: HTTP for Humans™ — Requests 2.32.3 documentation 使用requests可以模拟浏览器的请求&#xff0c;比起之前用的urllib&a…...