数据可视化 —— 堆形图应用(大全)
一、案例一:温度堆积图
# 导入 matplotlib 库中的 pyplot 模块,这个模块提供了类似于 MATLAB 的绘图接口,
# 方便我们创建各种类型的可视化图表,比如折线图、柱状图、散点图等
import matplotlib.pyplot as plt
# 导入 numpy 库,它是 Python 中用于科学计算的基础库,提供了强大的多维数组对象和各种数学函数,
# 能高效地处理数值数据,在后续的绘图中可用于生成和处理坐标轴数据
import numpy as np# 创建一个新的图形窗口,该函数的参数解释如下:
# num='堆形图':设置图形窗口的标题为 '堆形图',方便我们识别当前打开的图形
# figsize=(12, 7):指定图形的大小,单位为英寸,这里图形的宽度为 12 英寸,高度为 7 英寸
# facecolor='w':设置图形窗口的背景颜色为白色,'w' 是白色的缩写
plt.figure(num='堆形图', figsize=(12, 7), facecolor='w')# matplotlib 默认的字体可能无法正确显示中文,所以我们通过修改 rcParams 参数来更改字体。
# 'font.sans-serif' 是用来指定无衬线字体的参数,这里将其设置为 'KaiTi'(楷体),
# 这样在绘制图形时,中文就能正常显示了
plt.rcParams['font.sans-serif'] = 'KaiTi'
# 设置图形中文字的字体大小为 15,这样可以让图形中的文字清晰易读
plt.rcParams['font.size'] = 15
# 在默认情况下,matplotlib 可能无法正确显示负号,将 'axes.unicode_minus' 参数设置为 False,
# 可以解决负号显示的问题,确保负号能在图形中正常显示
plt.rcParams['axes.unicode_minus'] = False# 定义 x 轴的数据,使用 numpy 的 array 函数创建一个一维数组,数组元素为字符串类型,
# 代表 5 个月份,后续会作为柱状图的 x 轴刻度
x = np.array(['1', '2', '3', '4', '5'])
# 定义最高温度的数据,同样使用 numpy 的 array 函数创建一维数组,
# 数组元素为整数类型,代表每个月对应的最高温度值
y1 = np.array([10, 8, 7, 11, 13])
# 定义最低温度的数据,创建一维数组,数组元素为整数类型,
# 代表每个月对应的最低温度值
y2 = np.array([9, 6, 5, 10, 12])# 定义误差数据,是一个列表,列表中的元素代表每个月最低温度数据的误差范围,
# 在绘制柱状图时,会使用这些误差数据来绘制误差线,以展示数据的不确定性
error = [2, 1, 2.5, 2, 1.5]# 定义柱状图的宽度,这里设置为 0.3,它会影响柱状图在 x 轴上的宽窄程度
bar_width = 0.3# 设置图形的标题,标题内容为 '5 个月的温度堆积柱形图',让读者一眼就能知道这个图形所展示的内容
plt.title('5个月的温度堆积柱形图')
# 设置 x 轴的标签,标签内容为 '月份',明确 x 轴数据所代表的含义
plt.xlabel('月份')
# 设置 y 轴的标签,标签内容为 '温度',明确 y 轴数据所代表的含义
plt.ylabel('温度')# 使用 for 循环遍历 x 和 y1 数据,zip 函数将 x 和 y1 中对应的元素一一配对,
# 每次循环取出一个月份和对应的最高温度值
for a, b in zip(x, y1):# 在每个最高温度柱状图的上方添加文本标签,用于显示具体的温度值。# plt.text 函数的参数解释如下:# a:文本标签的 x 坐标位置,即对应的月份# b + 1:文本标签的 y 坐标位置,在最高温度值的基础上向上偏移 1 个单位,使标签不与柱状图重叠# '%d' % b:将最高温度值格式化为整数形式的字符串,作为文本标签的内容# ha='center':设置文本的水平对齐方式为居中对齐,使标签在柱状图上方居中显示# va='center':设置文本的垂直对齐方式为居中对齐plt.text(a, b + 1, '%d' % b, ha='center', va='center')
# 绘制最高温度的柱状图,plt.bar 函数的参数解释如下:
# x:柱状图的 x 轴位置,即月份
# y1:柱状图的高度,即最高温度值
# width=bar_width:柱状图的宽度,使用之前定义的 bar_width 值
plt.bar(x, y1, width=bar_width)# 同样使用 for 循环遍历 x 和 y2 数据,将每个月份和对应的最低温度值配对
for a, b in zip(x, y2):# 在每个最低温度柱状图的上方添加文本标签,显示具体的温度值。# b - 1:文本标签的 y 坐标位置,在最低温度值的基础上向下偏移 1 个单位# va='baseline':设置文本的垂直对齐方式为基线对齐plt.text(a, b - 1, '%d' % b, ha='center', va='baseline')
# 绘制最低温度的柱状图,使其堆积在最高温度柱状图的上方。
# plt.bar 函数的参数解释如下:
# x:柱状图的 x 轴位置,即月份
# y2:柱状图的高度,即最低温度值
# bottom=y1:指定柱状图的底部位置,将最低温度柱状图堆积在最高温度柱状图上方
# width=bar_width:柱状图的宽度
# yerr = error:为柱状图添加误差线,误差范围由 error 列表指定
plt.bar(x, y2, bottom=y1, width=bar_width, yerr=error)# 为图形添加图例,图例用于说明图形中不同元素所代表的含义。
# 传入一个列表 ['最高温度', '最低温度'],分别对应之前绘制的最高温度和最低温度柱状图。
# shadow=True:为图例添加阴影效果,使其更具立体感
# fancybox=True:将图例的边框设置为圆角样式,让图例外观更美观
plt.legend(['最高温度', '最低温度'], shadow=True, fancybox=True)
# 显示绘制好的图形,调用该函数后,图形窗口会弹出显示绘制的温度堆积柱状图
plt.show()
二、案例二:公司各部支出
import matplotlib.pyplot as plt
import pandas as pdplt.figure(num='图', figsize=(12, 6), facecolor='w')plt.rcParams['font.sans-serif'] = 'KaiTi'df = pd.read_excel('某公司各部门1—2月份实际支出.xlsx')# 从 DataFrame 中提取 '部门' 列的数据,作为柱状图的 x 轴标签
x = df['部门']# 定义误差棒的高度,这是一个列表,列表中的每个元素对应每个部门的误差值,后续绘制柱状图时会用到这些误差值来绘制误差棒
error = [1000, 200, 150, 100, 100, 500, 1000, 880]# 定义柱状图的宽度,该值会影响柱状图在 x 轴上的宽窄程度
bar_width = 0.4plt.title('某公司各部门1—2月份实际支出簇状柱形图', fontsize=20, fontproperties='SimHei')plt.ylabel('实际支出(元)', fontsize=15)# 使用 for 循环遍历 x 轴标签、1 月数据和 2 月数据,zip 函数将这三个序列中的对应元素一一配对
for a, b, c in zip(x, df['1月'], df['2月']):# 在每个 1 月支出柱状图的中间位置添加文本标签,显示具体的支出值# a:文本标签的 x 坐标位置,即部门名称对应的位置# b / 2:文本标签的 y 坐标位置,在 1 月支出值的一半高度处# '%d' % b:将 1 月支出值格式化为整数形式的字符串,作为文本标签的内容# ha='center':设置文本的水平对齐方式为居中对齐# va='center':设置文本的垂直对齐方式为居中对齐plt.text(a, b / 2, '%d' % b, ha='center', va='center')# 在每个 2 月支出柱状图的中间位置添加文本标签,显示具体的支出值# b + c / 2:文本标签的 y 坐标位置,在 1 月和 2 月支出总和的一半高度处plt.text(a, b + c / 2, '%d' % c, ha='center', va='center')# 绘制 1 月支出的柱状图
# x:柱状图的 x 轴位置,即部门名称
# df['1月']:柱状图的高度,即 1 月各部门的实际支出值
# width=bar_width:柱状图的宽度
# color='g':设置柱状图的颜色为绿色
plt.bar(x, df['1月'], width=bar_width, color='g')# 绘制 2 月支出的柱状图,使其堆积在 1 月支出柱状图的上方
# x:柱状图的 x 轴位置,即部门名称
# df['2月']:柱状图的高度,即 2 月各部门的实际支出值
# bottom=df['1月']:指定柱状图的底部位置,将 2 月支出柱状图堆积在 1 月支出柱状图上方
# yerr=error:为柱状图添加误差棒,误差范围由 error 列表指定
# width=bar_width:柱状图的宽度
# color='salmon':设置柱状图的颜色为鲑鱼色
plt.bar(x, df['2月'], bottom=df['1月'], yerr=error, width=bar_width, color='salmon')# 为图形添加图例,说明不同颜色的柱状图所代表的含义
# ['1月', '2月']:传入一个列表,分别对应 1 月和 2 月支出的柱状图
plt.legend(['1月', '2月'])# 将绘制好的图形保存为图片文件,文件名为 '某公司堆图.png'
plt.savefig('某公司堆图.png')# 显示绘制好的图形,调用该函数后,图形窗口会弹出显示绘制的柱状图
plt.show()
三、案例三:不同产品销售额
import matplotlib.pyplot as plt
import pandas as pdplt.figure(num='图', figsize=(12, 8), facecolor='w')# 设置 matplotlib 使用的字体为楷体,以确保图形中的中文能正常显示,因为默认字体可能无法正确显示中文
plt.rcParams['font.sans-serif'] = 'KaiTi'
# 解决负号显示问题,默认情况下 matplotlib 可能无法正确显示负号,将该参数设置为 False 可解决此问题
plt.rcParams['axes.unicode_minus'] = Falsedf = pd.read_excel('不同产品各季度的销售额.xlsx')
# 从 DataFrame 中提取 '季度' 列的数据,作为柱状图的 x 轴标签
x = df['季度']
# 从 DataFrame 中提取 '产品A' 列的数据,作为产品 A 的销售额数据
y1 = df['产品A']
# 从 DataFrame 中提取 '产品B' 列的数据,作为产品 B 的销售额数据
y2 = df['产品B']
# 从 DataFrame 中提取 '产品C' 列的数据,作为产品 C 的销售额数据
y3 = df['产品C']plt.title('不同产品各季度的销售额', fontsize=20)plt.ylabel('销售额(元)', fontsize=14)plt.ylim(0, 12000)# 定义柱状图的宽度,该值会影响柱状图在 x 轴上的宽窄程度
bar_width = 0.3plt.bar(x, y3, width=bar_width)
plt.bar(x, y2, bottom=y3, width=bar_width)
plt.bar(x, y1, bottom=y2, width=bar_width)# 使用 for 循环遍历 x 轴标签、产品 C、产品 B 和产品 A 的销售额数据,zip 函数将这四个序列中的对应元素一一配对
for a, b, c, d in zip(x, y3, y2, y1):# 在产品 C 销售额柱状图的中间位置添加文本标签,显示具体的销售额值# a:文本标签的 x 坐标位置,即季度对应的位置# b / 2:文本标签的 y 坐标位置,在产品 C 销售额值的一半高度处# '%d' % b:将产品 C 销售额值格式化为整数形式的字符串,作为文本标签的内容# ha='center':设置文本的水平对齐方式为居中对齐plt.text(a, b / 2, '%d' % b, ha='center')# 在产品 B 销售额柱状图的中间位置添加文本标签,显示具体的销售额值# b + c / 2:文本标签的 y 坐标位置,在产品 C 和产品 B 销售额总和的一半高度处plt.text(a, b + c / 2, '%d' % c, ha='center')# 在产品 A 销售额柱状图的中间位置添加文本标签,显示具体的销售额值# b + c + d / 2:文本标签的 y 坐标位置,在产品 C、产品 B 和产品 A 销售额总和的一半高度处plt.text(a, b + c + d / 2, '%d' % d, ha='center')plt.legend(['产品A', '产品B', '产品C'], shadow=True, fancybox=True)plt.show()
相关文章:
数据可视化 —— 堆形图应用(大全)
一、案例一:温度堆积图 # 导入 matplotlib 库中的 pyplot 模块,这个模块提供了类似于 MATLAB 的绘图接口, # 方便我们创建各种类型的可视化图表,比如折线图、柱状图、散点图等 import matplotlib.pyplot as plt # 导入 numpy 库&…...
利用 pyecharts 实现地图的数据可视化——第七次人口普查数据的2d、3d展示(关键词:2d 、3d 、map、 geo、涟漪点)
参考文档:链接: link_pyecharts 官方文档 1、map() 传入省份全称,date_pair 是列表套列表 [ [ ],[ ] … ] 2、geo() 传入省份简称,date_pair 是列表套元组 [ ( ),( ) … ] 1、准备数据 population_data:简称经纬度 population_da…...
字节跳动开源 LangManus:不止是 Manus 平替,更是下一代 AI 自动化引擎
当 “AI 自动化” 成为科技领域最炙手可热的关键词,我们仿佛置身于一场激动人心的变革前夜。各行各业都在翘首以盼,期待 AI 技术能够真正解放生产力,将人类从繁琐重复的工作中解脱出来。在这个充满无限可能的时代,字节跳动悄然发布…...
第十四届蓝桥杯大赛软件赛省赛C/C++ 大学 A 组真题
文章目录 1 幸运数题目描述:答案:4430091 代码: 2 有奖问答题目描述:重点:答案:8335366 代码: 3 平方差题目描述:思路:数学找规律代码: 4 更小的数题目描述&a…...
springboot+tabula解析pdf中的表格数据
场景 在日常业务需求中,往往会遇到解析pdf数据获取文本的需求,常见的做法是使用 pdfbox 来做,但是它只适合做一些简单的段落文本解析,无法处理表格这种复杂类型,因为单元格中的文本有换行的情况,无法对应到…...
静态链接part1
比较多这一部分,包含了编译和链接,书还没看完就先记录一下其中编译的一部分 编译 gcc编译分为预处理、编译、汇编、链接四个步骤 预处理 也称预编译,主要处理的是源代码文件中以“#”开始的预编译指令,这里简单讲一下规则&…...
golang通过STMP协议发送邮件功能详细操作
一.简介 在 Go 语言中接入 IMAP 和 SMTP 服务来进行邮件的发送和接收操作,可以通过使用一些现有的第三方库来简化操作,常见的库有 go-imap 和 gomail,它们可以帮助我们连接和操作 IMAP 邮箱(读取邮件)以及通过 SMTP 发送邮件 二.实现 1. IMA…...
分布式锁在秒杀场景中的Python实现与CAP权衡
目录 一、分布式锁的前世今生 二、秒杀系统的 “硬核” 挑战 三、Python 实现分布式锁的 “实战演练” Redis 实现:快准狠 ZooKeeper 实现:稳如老狗 数据库实现:老实本分 四、CAP 理论的 “三角恋” 五、性能优化的 “锦囊妙计” 锁粒度控制:粗细有道 超时机制:别…...
数据驱动的温暖守护:智慧康养平台如何实现 “千人千面” 的精准照护?
在当今数字化时代,七彩喜智慧康养平台借助数据的力量,正逐步打破传统养老服务模式的局限,实现 “千人千面” 的精准照护。 通过收集、分析和利用大量与老年人相关的数据,这些平台能够深入了解每位老人的独特需求,并据…...
基于SSM的校园美食交流系统
作者:计算机学姐 开发技术:SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等,“文末源码”。 专栏推荐:前后端分离项目源码、SpringBoot项目源码、Vue项目源码、SSM项目源码、微信小程序源码 精品专栏:…...
多线程进阶
进阶的内容,就关于线程的面试题为主了,涉及到的内容在工作中使用较少,但面试会考!!! 锁的策略 加锁的过程中,在处理冲突的过程中,涉及到的一些不同的处理方法,此处的锁…...
聊一聊接口测试时遇到第三方服务时怎么办
目录 一、使用 Mock 或 Stub 模拟第三方服务 二、利用第三方服务的沙箱(Sandbox)环境 三、测试隔离与数据清理 四、处理异步回调 五、容错与异常测试 六、契约测试 在我们进行接口测试时,有的时候会遇到要调用第三方服务即外部的API&am…...
《Python星球日记》第22天:NumPy 基础
名人说:路漫漫其修远兮,吾将上下而求索。—— 屈原《离骚》 创作者:Code_流苏(CSDN)(一个喜欢古诗词和编程的Coder😊) 目录 一、NumPy 简介1. 什么是 NumPy?为什么使用 NumPy?2. 安…...
Spring Boot 中 Bean 的生命周期详解
Spring Boot 中 Bean 的生命周期详解 一、引言 在 Spring Boot 应用中,Bean 是构成应用程序的基础组件。理解 Bean 的生命周期对于开发高效、稳定的 Spring Boot 应用至关重要。本文将深入探讨 Spring Boot 中 Bean 的完整生命周期过程。 二、Bean 生命周期的基本…...
结构化需求分析:功能、数据与行为的全景建模
目录 前言1 功能模型:数据流图(DFD)的结构与应用1.1 数据流图的基本构成要素1.2 数据流图的层次化设计1.3 数据流图的建模价值 2 数据模型:ER图揭示数据结构与关系2.1 ER图的基本组成2.2 建模过程与注意事项2.3 数据模型的价值体现…...
OpenCompass模型评估
OpenCompass面向大模型的开源方和使用者, 提供开源、高效、全面的大模型评测开放平台。 一、OpenCompass文档 1.基础安装 使用Conda准备 OpenCompass 运行环境: conda create --name opencompass python3.10 -y conda activate opencompass2. 安装 Op…...
基于51单片机语音实时采集系统
基于51单片机语音实时采集 (程序+原理图+PCB+设计报告) 功能介绍 具体功能: 系统由STC89C52单片机ISD4004录音芯片LM386功放模块小喇叭LCD1602按键指示灯电源构成 1.可通过按键随时选择相应的录音进行播…...
NeuroImage:膝关节炎如何影响大脑?静态与动态功能网络变化全解析
膝骨关节炎(KOA)是导致老年人活动受限和残疾的主要原因之一。这种疾病不仅引起关节疼痛,还会显著影响患者的生活质量。然而,目前对于KOA患者大脑功能网络的异常变化及其与临床症状之间的关系尚不清楚。 2024年4月10日,…...
高级java每日一道面试题-2025年4月01日-微服务篇[Nacos篇]-Nacos集群的数据一致性是如何保证的?
如果有遗漏,评论区告诉我进行补充 面试官: Nacos集群的数据一致性是如何保证的? 我回答: Nacos 集群数据一致性保障机制详解 在 Java 高级面试中,Nacos 集群的数据一致性保障是考察分布式系统核心能力的关键点。以下是 Nacos 通过多种机制和技术确保…...
阿里云 OSS 在 ZKmall开源商城的应用实践
ZKmall开源商城通过深度整合阿里云OSS(对象存储服务),构建了高效、安全的文件存储与管理体系,支撑商品图片、用户上传内容等非结构化数据的存储与分发。结合阿里云OSS的技术特性与ZKmall的微服务架构,其实践方案可总结…...
【Linux】线程池与封装线程
目录 一、线程池: 1、池化技术: 2、线程池优点: 3、线程池应用场景: 4、线程池实现: 二、封装线程: 三、单例模式: 四、其他锁: 五、读者写者问题 一、线程池: …...
protobuf的应用
1.版本和引用 syntax "proto3"; // proto2 package tutorial; // package类似C命名空间 // 可以引用本地的,也可以引用include里面的 import "google/protobuf/timestamp.proto"; // 已经写好的proto文件是可以引用 我们版本选择pr…...
linux shell编程之条件语句(二)
目录 一. 条件测试操作 1. 文件测试 2. 整数值比较 3. 字符串比较 4. 逻辑测试 二. if 条件语句 1. if 语句的结构 (1) 单分支 if 语句 (2) 双分支 if 语句 (3) 多分支 if 语句 2. if 语句应用示例 (1) 单分支 if 语句应用 (2) 双分支 if 语句应用 (3) 多分支 …...
图论整理复习
回溯: 模板: void backtracking(参数) {if (终止条件) {存放结果;return;}for (选择:本层集合中元素(树中节点孩子的数量就是集合的大小)) {处理节点;backtracking(路径,选择列表); // 递归回溯ÿ…...
企业指标设计方法指南
该文档聚焦企业指标设计方法,适用于企业中负责战略规划、业务运营、数据分析、指标管理等相关工作的人员,如企业高管、部门经理、数据分析师等。 主要内容围绕指标设计展开:首先指出指标设计面临的困境,包括权责不清、口径不统一、缺乏标准规范、报表体系混乱、指标…...
AIP-217 不可达资源
编号217原文链接AIP-217: Unreachable resources状态批准创建日期2019-08-26更新日期2019-08-26 有时,用户可能会请求一系列资源,而其中某些资源暂时不可用。最典型的场景是跨集合读。例如用户可能请求返回多个上级位置的资源,但其中某个位置…...
SAP系统控制检验批
问题:同一批物料多检验批问题 现象:同一物料多采购订单同一天到货时,对其采购订单分别收货,导致系统产生多个检验批,需分别请检单、检验报告等,使质量部工作复杂化。 原因:物料主数据质量试图设…...
JavaScript 代码混淆与反混淆技术详解
一、代码混淆:让别人看不懂你的代码 混淆技术就是一种“代码伪装术”,目的是让别人很难看懂你的代码逻辑,从而保护你的核心算法或敏感信息。 1. 变量名压缩 原理:把变量名改成乱码,比如把calculatePrice改成a&#…...
Android studio | From Zero To One ——手机弹幕
===================================================== github:https://github.com/MichaelBeechan CSDN:https://blog.csdn.net/u011344545 ===================================================== 滚动显示 代码activity_main.xmlactivity_fullscreen.xmlAndroidManife…...
面向对象的需求分析与UML构造块详解
目录 前言1 面向对象的需求分析概述2 UML构造块概述3 UML事物详解3.1 结构事物(Structural Things)3.2 行为事物(Behavioral Things)3.3 分组事物(Grouping Things)3.4 解释事物(Annotational T…...
LeetCode 2843.统计对称整数的数目:字符串数字转换
【LetMeFly】2843.统计对称整数的数目:字符串数字转换 力扣题目链接:https://leetcode.cn/problems/count-symmetric-integers/ 给你两个正整数 low 和 high 。 对于一个由 2 * n 位数字组成的整数 x ,如果其前 n 位数字之和与后 n 位数字…...
RocketMQ深度百科全书式解析
一、核心架构与设计哲学 1. 设计目标 海量消息堆积:单机支持百万级消息堆积,适合大数据场景(如日志采集)。严格顺序性:通过队列分区(Queue)和消费锁机制保证局部顺序。事务…...
A2A与MCP Server:AI智能体协作与工具交互的核心协议对比
A2A与MCP Server:AI智能体协作与工具交互的核心协议对比 摘要 在AI智能体技术爆发式增长的今天,谷歌的A2A协议与Anthropic的MCP协议正在重塑AI系统架构。本文通过协议栈分层模型、企业级架构设计案例及开发者实践指南三大维度,揭示二者在AI生…...
如何将网页保存为pdf
要将网页保存为PDF,可以按照以下几种方法操作: 1. 使用浏览器的打印功能 大多数现代浏览器(如Chrome、Firefox、Edge等)都支持将网页保存为PDF文件。步骤如下: 在 Google Chrome 中: 打开你想保存为PDF…...
位运算与实战场景分析-Java代码版
一、为什么每个程序员都要掌握位运算? 在电商秒杀系统中,位运算可以快速判断库存状态;在权限管理系统里,位运算能用极小的空间存储复杂权限配置;在算法竞赛中,位运算更是高频出现的性能优化利器。这项看似…...
【“星睿O6”AI PC开发套件评测】+ Debian 系统安装及 sysbench 跑分对比
很荣幸这次可以得到机会评测 “星睿O6”AI PC开发套件。第一篇文章,我将分为两个部分: 官方 Debian 系统安装到 NVMEsysbench 跑分以及对比 RK3568 和 I712700KF 正文开始之前,忍不住还是想放几张开箱照片,板子实在是太精致了。…...
java——继承
继承是面向对象的三大特征之一,可以使得子类具有父类的属性和方法,还可以在子类中重新定义,追加属性和方法。继承是指在原有类的基础上,进行功能扩展,创建新的类型。 概念与作用 代码复用:继承能够避免重…...
STM32嵌入式开发从入门到实战:全面指南与项目实践
STM32嵌入式开发从入门到实战:全面指南与项目实践 一、STM32开发基础概述 1.STM32微控制器核心特性 STM32微控制器基于ARM Cortex - M内核,具备显著的架构优势。其32位处理能力,能够高效处理复杂的计算任务,相较于传…...
企业数据孤岛如何破
企业数据孤岛如何破 背景信息传统方式Flink CDC如何用技术之力 背景信息 在数字化转型的浪潮中,企业数据的价值正从“事后分析”向“实时驱动”快速迁移。企业需要快速、高效地将分散在不同系统中的数据整合起来,以支持实时分析和业务决策。诚然&#x…...
源码编译安装Nginx
源码编译安装Nginx 源码编译安装Nginx创建nginx服务用户安装编译环境依赖包下载Nginx源码构建编译选项,创建makefile文件编译安装nginx为Nginx创建服务单元设置Nginx开机自启服务 yum安装Nginxyum安装openresty 源码编译安装Nginx 如果需要最新版本及定制化模块可以通过源码安…...
查看容器内的eth0网卡对应宿主机上的哪块网卡
查看容器内的eth0网卡对应宿主机上的哪块网卡 问题描述解决办法1. 进入容器,查看网卡的iflink(接口链路索引)值方法1:方法2: 2. 从宿主机过滤查询到的iflink(接口链路索引)值3. 确定veth接口连接的网桥方法2: brctl查看连接到网桥的接口--推荐 4. 查看网桥连接的物理网卡 问题描…...
虚拟偶像“C位出道”:数字浪潮下的崛起与财富密码(3/10)
摘要:虚拟偶像作为数字时代的新宠,凭借数字技术与文化创意的深度融合,在全球范围内迅速崛起。从早期的简单2D形象到如今高度逼真、智能交互的3D虚拟偶像,其发展得益于计算机图形学、动作捕捉、AI等技术的进步。虚拟偶像不仅在娱乐…...
swift菜鸟教程13(函数)
一个朴实无华的目录 今日学习内容:1.Swift 函数1.1函数定义:使用关键字 func。1.2函数参数:以逗号分隔。1.3不带参数函数1.4元组作为函数返回值1.5没有返回值函数1.6函数参数名称1.6.1局部参数名1.6.2外部参数名 1.7可变参数1.8常量ÿ…...
MacOS红队常用攻击命令
MacOS红队常用攻击命令 1.自动化武器2.系统信息3.服务 & 内核信息4.快捷命令5.网络相关6.brew相关 / 软件包相关7.高权限命令8.创建一个管理员权限的后门用户 1.自动化武器 1、linPEAS LinPEAS 是一个脚本,用于在 Linux/Unix/MacOS 主机上搜索提权路径 2、me…...
无人机的振动与噪声控制技术!
一、振动控制技术要点 1. 振动源分析 气动振动:旋翼桨叶涡脱落(如叶尖涡干涉)、动态失速(Dynamic Stall)引发的周期性气动激振力(频率与转速相关)。 机械振动:电机偏心、传动轴不…...
如何使用 Spring Boot 实现分页和排序?
全文目录: 开篇语1. 创建 Spring Boot 项目2. 配置数据库连接3. 创建实体类4. 创建 Repository 接口5. 创建分页和排序服务6. 创建控制器7. 测试分页和排序请求示例:返回结果: 8. 总结 文末 开篇语 哈喽,各位小伙伴们,…...
浅谈编译型语言的运用
如大家所熟悉的,程序在执行之前需要一个专门的编译过程,把程序编译成机器语言的文件,运行时不需要重新翻译,直接使用编译的结果就行了,程序执行效率高,依赖编译器,如 C/C、Golang 等,…...
知识了解02——了解pnpm+vite+turbo+monorepo的完整构建步骤(react子项目)
(1)初始化monorepo 1)创建项目目录并进入当前目录 2)初始化 pnpm 工作区,生成一个package.json文件 3)在项目根目录下创建 pnpm-workspace.yaml 文件,并定义工作区目录 (2)安装 Turborepo 1)安…...
MySQL 半同步复制,给数据找靠谱 “分身”
目录 一背景 二、MySQL 复制基础概念 为何需要 MySQL 复制 传统异步复制 半同步复制的诞生 三、MySQL 半同步复制原理详解 主要组件及作用 工作流程 半同步复制流程图 四、MySQL 半同步复制配置与代码示例 环境准备 主服务器配置 从服务器配置 示例说明 五、MyS…...
uniapp离线打包提示未添加videoplayer模块
uniapp中使用到video标签,但是离线打包放到安卓工程中,运行到真机中时提示如下: 解决方案: 1、把media-release.aar、weex_videoplayer-release.aar放到工程的libs目录下; 文档:https://nativesupport.dcloud.net.cn/…...