七、matplotlib的使用

matplotlib的使用

点击标题即可获取文章源代码和笔记

在这里插入图片描述

二、Matplotlib2.1 Matplotlib之HelloWorld2.1.1 什么是Matplotlib - 画二维图表的python库mat - matrix 矩阵二维数据 - 二维图表plot - 画图lib - library 库matlab 矩阵实验室mat - matrixlab 实验室2.1.2 为什么要学习Matplotlib - 画图数据可视化 - 帮助理解数据,方便选择更合适的分析方法js库 - D3 echarts奥卡姆剃刀原理 - 如无必要勿增实体2.1.3 实现一个简单的Matplotlib画图2.1.4 认识Matplotlib图像结构2.1.5 拓展知识点:Matplotlib三层结构1)容器层画板层Canvas画布层Figure绘图区/坐标系x、y轴张成的区域2)辅助显示层3)图像层2.2 折线图(plot)与基础绘图功能2.2.1 折线图绘制与保存图片3 设置画布属性与图片保存figsize : 画布大小dpi : dot per inch 图像的清晰度3 中文显示问题解决mac的一次配置,一劳永逸ubantu每创建一次新的虚拟环境,需要重新配置windows1)安装字体mac/wins:双击安装ubantu:双击安装2)删除matplotlib缓存文件3)配置文件2.2.4 多个坐标系显示-plt.subplots(面向对象的画图方法)figure, axes = plt.subplots(nrows=1, ncols=2, **fig_kw)axes[0].方法名()axes[1]2.2.5 折线图的应用场景某事物、某指标随时间的变化状况拓展:画各种数学函数图像
2.3.1 常见图形种类及意义折线图plot散点图scatter关系/规律柱状图bar统计/对比直方图histogram分布状况饼图pie π占比2.3.2 散点图绘制2.4 柱状图(bar)2.4.1 柱状图绘制2.5 直方图(histogram)2.5.1 直方图介绍组数:在统计数据时,我们把数据按照不同的范围分成几个组,分成的组的个数称为组数组距:每一组两个端点的差已知 最高175.5 最矮150.5 组距5求 组数:(175.5 - 150.5) / 5 = 52.5.2 直方图与柱状图的对比1. 直方图展示数据的分布,柱状图比较数据的大小。2. 直方图X轴为定量数据,柱状图X轴为分类数据。3. 直方图柱子无间隔,柱状图柱子有间隔4. 直方图柱子宽度可不一,柱状图柱子宽度须一致2.5.3 直方图绘制x = timebins 组数 = (max(time) - min(time)) // 组距3 直方图注意点2.6 饼图(pie)%1.2f%%print("%1.2f%%")
import matplotlib.pyplot as plt
%matplotlib inline
plt.figure()
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-n1xZv4n5-1592962893775)(output_1_0.png)]

折线图绘制与显示

#展示上海一周的天气,比如从星期一到星期日的天气温度如下
# 1. 创建画布
# figsize:指定图片的长宽
# dpi:指定图像的清晰度
plt.figure(figsize=(20,8),dpi=280)
# 2. 绘制图像
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])# 保存图像
plt.savefig("fig01.png")# 3. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tpiSGCEw-1592962893778)(output_3_0.png)]

  • 注意:plt.show()会释放figure资源,如果在显示图像之后保存图片,将只能保存空白的图片

案例:显示温度变化情况(辅助显示层)

需求:画出某城市11点到12点1小时内每分钟的温度变化折线图,温度范围在15度~18度

import random
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_shanghai
[16.762333158978358,16.943581178301798,17.21289155110738,17.304877451487915,16.498088429709327,	...15.54547871676703,17.524143671682424,17.978133652214485,17.370197846502908]
import random# 1. 准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]# 2. 创建画布
plt.figure(figsize=(22,8),dpi=100)# 3. 绘制图像
plt.plot(x,y_shanghai)# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-b24e7xFy-1592962893779)(output_8_0.png)]

2.添加自定义x,y刻度

import random# 1. 准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]# 2. 创建画布
plt.figure(figsize=(22,8),dpi=100)# 3. 绘制图像
plt.plot(x,y_shanghai)# 修改x,y刻度
plt.xticks(range(0,60,5))
plt.yticks(range(0,40,5))# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9MpR1gn2-1592962893780)(output_10_0.png)]

["11点{}分".format(i) for i in range(61)]
['11点0分','11点1分','11点2分','11点3分','11点4分','11点5分','11点6分',...'11点56分','11点57分','11点58分','11点59分','11点60分']
import random# 1. 准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]# 2. 创建画布
plt.figure(figsize=(22,8),dpi=100)# 3. 绘制图像
plt.plot(x,y_shanghai)# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))# 4. 显示图像
plt.show()
D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 28857 missing from current font.font.set_text(s, 0.0, flags=flags)
D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 20998 missing from current font.font.set_text(s, 0.0, flags=flags)
D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 28857 missing from current font.font.set_text(s, 0, flags=flags)
D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 20998 missing from current font.font.set_text(s, 0, flags=flags)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-y61N85jB-1592962893782)(output_12_1.png)]

3.解决中文显示问题

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
import random# 1. 准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]# 2. 创建画布
plt.figure(figsize=(22,8),dpi=100)# 3. 绘制图像
plt.plot(x,y_shanghai)# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Y6cEPTdf-1592962893783)(output_15_0.png)]

4. 添加网格显示

import random# 1. 准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]# 2. 创建画布
plt.figure(figsize=(22,8),dpi=100)# 3. 绘制图像
plt.plot(x,y_shanghai)# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))# 添加网格显示
# grid(是否显示网格,网格线样式,网格透明度)
plt.grid(True,linestyle="--",alpha=0.5)# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XVqLhTNT-1592962893784)(output_17_0.png)]

5.添加描述信息

import random# 1. 准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]# 2. 创建画布
plt.figure(figsize=(22,8),dpi=100)# 3. 绘制图像
plt.plot(x,y_shanghai)# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("某城市中午11:00到12:00zip间的温度变化图示")# 添加网格显示
# grid(是否显示网格,网格线样式,网格透明度)
plt.grid(True,linestyle="--",alpha=0.5)# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JvN8Ix1l-1592962893785)(output_19_0.png)]

再添加一个城市的温度变化(图像层)

收集到北京当天温度变化情况,温度在1度到3度。

y_beijing = [random.uniform(1,3) for i in range(61)]
y_beijing
[2.6582522879775263,1.2944662118583519,2.9128902882809036,2.3066941253832427,2.100357799277068,
...1.0759520914191576,1.3613792689673339,2.0180224854714215,2.042084118916457,2.8643212857317306]
import random# 1. 准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in range(60)]# 2. 创建画布
plt.figure(figsize=(22,8),dpi=100)# 3. 绘制图像
plt.plot(x,y_shanghai,color='r',linestyle="--")
plt.plot(x,y_beijing,color='b')
# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("上海、北京中午11:00到12:00zip间的温度变化图示")# 添加网格显示
# grid(是否显示网格,网格线样式,网格透明度)
plt.grid(True,linestyle="--",alpha=0.5)# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TH0ZTZQx-1592962893785)(output_23_0.png)]

显示图例

import random# 1. 准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in range(60)]# 2. 创建画布
plt.figure(figsize=(22,8),dpi=100)# 3. 绘制图像
plt.plot(x,y_shanghai,color='r',linestyle="--",label="上海")
plt.plot(x,y_beijing,color='b',label="北京")
# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("上海、北京中午11:00到12:00zip间的温度变化图示")# 添加网格显示
# grid(是否显示网格,网格线样式,网格透明度)
plt.grid(True,linestyle="--",alpha=0.5)# 显示图例
plt.legend(loc="best")
# plt.legend(loc=2)# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NpjyklPu-1592962893786)(output_25_0.png)]

多个坐标系显示-plt.subplots(面向对象的画图方法)

我们想要将上海和北京的天气图显示在同一个图的不同坐标系当中

import random# 1. 准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in range(60)]# 2. 创建画布
# plt.figure(figsize=(22,8),dpi=100)# figure是画布对象,axes是绘图区对象
figure,axes = plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)# 3. 绘制图像
axes[0].plot(x,y_shanghai,color='r',linestyle="--",label="上海")
axes[1].plot(x,y_beijing,color='b',label="北京")# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in range(61)]
axes[0].set_xticks(range(0,60,7)) # 设置x轴刻度大小
axes[0].set_xticklabels(x_label[::7]) # 设置x轴每个刻度的名字
axes[1].set_yticks(range(0,40,7))
axes[1].set_xticklabels(x_label[::7])# 添加描述信息
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("上海中午11:00到12:00zip间的温度变化图示")
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("北京中午11:00到12:00zip间的温度变化图示")# 添加网格显示
# grid(是否显示网格,网格线样式,网格透明度)
axes[0].grid(True,linestyle="--",alpha=0.5)
axes[1].grid(True,linestyle="--",alpha=0.5)# 显示图例
axes[0].legend(loc="best")
axes[1].legend(loc="best")
# plt.legend(loc=2)# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Y9ZjGKpy-1592962893787)(output_28_0.png)]

数学函数图像

import numpy as np# 1. 准备数据
x = np.linspace(-10,10,1000)
y = np.sin(x)# 2. 创建画布
plt.figure(figsize=(20,8),dpi=100)# 3. 绘制函数图像
plt.plot(x,y)# 添加网格显示
plt.grid()# 4. 显示图像
plt.show
<function matplotlib.pyplot.show(*args, **kw)>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JToRaQSF-1592962893787)(output_30_1.png)]

import numpy as np# 1. 准备数据
x = np.linspace(-10,10,1000)
y = np.cos(x)# 2. 创建画布
plt.figure(figsize=(20,8),dpi=100)# 3. 绘制函数图像
plt.plot(x,y)# 添加网格显示
plt.grid()# 4. 显示图像
plt.show
<function matplotlib.pyplot.show(*args, **kw)>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QqiSZiFT-1592962893788)(output_31_1.png)]

import numpy as np# 1. 准备数据
x = np.linspace(-10,10,1000)
y = 2*x*x# 2. 创建画布
plt.figure(figsize=(20,8),dpi=100)# 3. 绘制函数图像
plt.plot(x,y)# 添加网格显示
plt.grid(linestyle='--',alpha=0.5)# 4. 显示图像
plt.show
<function matplotlib.pyplot.show(*args, **kw)>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xKNJb7nS-1592962893788)(output_32_1.png)]

2.3.2散点图绘制

需求:探究房屋面积和屋价格的关系

# 1. 准备数据
# 房屋面积数据
x=[225.98,247.07,253.14,457.85,241.58,301.01,20.67,288.64,163.56,120.86,207.83,342.75,147.9,53.06,224.72,29.51,21.61,483.21,245.25,399.25,343.35]# 房屋价格数据
y=[196.63,203.88,210.75,372.74,202.41,247.61,24.9,239.34,148.32,104.15,176.84,288.23,128.79,49.64,191.74,33.1,30.74,400.02,205.35,330.64,283.45]# 2. 创建画布
plt.figure(figsize=(20,8),dpi=100)# 3. 绘制图像
plt.scatter(x,y)# 3. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5VaId1er-1592962893789)(output_35_0.png)]

2.4 柱状图

需求1-对比每部电影的票房收入

# 1. 准备数据
movie_names = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']
tickets = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]# 2. 创建画布
plt.figure(figsize=(20,8),dpi=100)# 3. 绘制柱状图
x_ticks = range(len(movie_names))
plt.bar(x_ticks,tickets,color=['b','r','g','y','c','m','y','k','c'])# 修改x的刻度值
# plt.xticks(刻度的大小,刻度上的值)
plt.xticks(x_ticks,movie_names)# 添加标题
plt.title("电影票房收入对比")# 添加网格
plt.grid(linestyle="--",alpha=0.5)# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eZTRvJeR-1592962893790)(output_38_0.png)]

需求2-如何对比电影票房收入才更能加有说服力

比较相同天数的票房

有时候为了公平起见,我们需要对比不同电影首日和首周的票房

# 1. 准备数据
movie_name=['雷神3:诸神黄昏','正义联盟','寻梦环游记']
first_day=[10587.6,10062.5,1275.71]
first_weekend=[36224.9,34479.6,11830]x = range(len(movie_name)) # 2. 创建画布
plt.figure(figsize=(20,8),dpi=100)# 3. 绘制柱状图
plt.bar(x,first_day,width=0.2,label="首日票房")
# [i+0.2 for i in x] 这是列表生成式
plt.bar([i+0.2 for i in x],first_weekend,width=0.2,label="首周票房")# 显示图例
plt.legend(loc="best")# 修改刻度
plt.xticks([i+0.1 for i in x],movie_name)# 设置标题
plt.title("对比不同电影首日和首周的票房")# 设置表格
plt.grid(linestyle="--",alpha=0.5)# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kIpDCtS8-1592962893790)(output_42_0.png)]

2.5 直方图(histogram)

·组数:在统计数据时,我们把数据按照不同的范围分成几个组,分成的组的个数称为组数

·组距:每一组两个端点的差

直方图 VS 柱状图:

1.直方图展示数据的分布,柱状图比较数据的大小

2.直方图X轴为定量数据,柱状图X轴为分类数据。

3.直方图柱子无间隔,柱状图柱子有间隔

  • 因为直方图中的区间是连续的,因此柱子之间不存在间隙。而柱状图的柱子之间是存在间隔。

4.直方图柱子宽度可不一,柱状图柱子宽度须一致

2.5.3 直方图绘制

需求:电影时长分布状况

# 1、准备数据
time = [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]# 2、创建画布
plt.figure(figsize=(20,8),dpi=100)# 3、给制直方图
#通常设置组数会有相应公式:组数=极差/组距=(max-min)/组距
# plt.hist(x,组数)
distance = 2 # 组距
group_num = int((max(time)-min(time))/distance) # 组数
plt.hist(time,bins=group_num,density=True)  # density=True  则y轴显示的刻度值为频率,否则为频数# 添加网格
plt.grid(linestyle="--", alpha=0.5)# 添加标题
plt.title("电影时长分布状况")# 修改x轴刻度
plt.xticks(range(min(time),max(time)+2,distance))# 4、显示图倒
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3cbYnMSO-1592962893791)(output_54_0.png)]

2.6.2饼图绘制

需求:显示不同的电影的排片占比

# 1. 准备数据
movie_name = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]# 2. 创建画布
plt.figure(figsize=(20,8),dpi=100)# 3. 绘制饼图
# autopct 显示百分比的格式
plt.pie(place_count,labels=movie_name, colors=['b','r','g','y','c','m','y','k','c','g','y'], autopct="%1.2f%%")# 添加axis
plt.axis("equal")# 显示图例
plt.legend()plt.title("不同的电影的排片占比")# 4. 显示图像
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-30WhM3Zb-1592962893792)(output_57_0.png)]

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.mzph.cn/news/471044.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩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

LeetCode 2256. 最小平均差(前缀和)

文章目录1. 题目2. 解题1. 题目 给你一个下标从 0 开始长度为 n 的整数数组 nums 。 下标 i 处的 平均差 指的是 nums 中 前 i 1 个元素平均值和 后 n - i - 1 个元素平均值的 绝对差 。两个平均值都需要 向下取整 到最近的整数。 请你返回产生 最小平均差 的下标。 如果有…

Linux使用技巧9--用dpkg管理你的软件

dpkg(package manager for Debian): debian体系中的包管理工具。 Commands:-i|--install <.deb file name> ... | -R|--recursive <directory> ... -r|--remove <package> ... | -a|--pending 1.查看已经安装的软件 $ dpkg -l DesiredUnknown/I…

十、简单线性回归的python实现(详解)

4. 简单线性回归的python实现 点击标题即可获取源代码和笔记 4.1 导入相关包 import numpy as np import pandas as pd import random import matplotlib as mpl import matplotlib.pyplot as pltplt.rcParams[font.sans-serif] [simhei] # 显示中文 plt.rcParams[axes.unic…

LeetCode 2257. 统计网格图中没有被保卫的格子数

文章目录1. 题目2. 解题1. 题目 给你两个整数 m 和 n 表示一个下标从 0 开始的 m x n 网格图。 同时给你两个二维整数数组 guards 和 walls &#xff0c;其中 guards[i] [rowi, coli] 且 walls[j] [rowj, colj] &#xff0c;分别表示第 i 个警卫和第 j 座墙所在的位置。 一…

程序打包过程

程序打包过程 并且在 General中配置Team账号 &#xff08;如果是发布&#xff09; 就要在build settings中配置code signing的证书 然后选择模式为Generic iOS Device 使用 Commond B 打包编译 在Products 中找到应用的app 使用 Finder打开 把资源包拖到itunes中&#xff0c;然…

LeetCode 2259. 移除指定数字得到的最大结果

文章目录1. 题目2. 解题1. 题目 给你一个表示某个正整数的字符串 number 和一个字符 digit 。 从 number 中 恰好 移除 一个 等于 digit 的字符后&#xff0c;找出并返回按 十进制 表示 最大 的结果字符串。 生成的测试用例满足 digit 在 number 中出现至少一次。 示例 1&am…

十一、加权线性回归案例:预测鲍鱼的年龄

加权线性回归案例&#xff1a;预测鲍鱼的年龄 点击文章标题即可获取源代码和笔记 数据集&#xff1a;https://download.csdn.net/download/weixin_44827418/12553408 1.导入数据集 数据集描述&#xff1a; import pandas as pd import numpy as npabalone pd.read_table(&q…

linq 实现查询字符串拼接 : And 和 OR 两种方式

MXS&Vincene ─╄OvЁ &0000019─╄OvЁ MXS&Vincene MXS&Vincene ─╄OvЁ&#xff1a;今天很残酷&#xff0c;明天更残酷&#xff0c;后天很美好&#xff0c;但是绝大部分人是死在明天晚上&#xff0c;只有那些真正的英雄才能见到后天的太阳。 MXS&…

LeetCode 2260. 必须拿起的最小连续卡牌数(哈希)

文章目录1. 题目2. 解题1. 题目 给你一个整数数组 cards &#xff0c;其中 cards[i] 表示第 i 张卡牌的 值 。如果两张卡牌的值相同&#xff0c;则认为这一对卡牌 匹配 。 返回你必须拿起的最小连续卡牌数&#xff0c;以使在拿起的卡牌中有一对匹配的卡牌。 如果无法得到一对…

十二、案例:加利福尼亚房屋价值数据集(多元线性回归) Lasso 岭回归 分箱处理非线性问题 多项式回归

案例&#xff1a;加利福尼亚房屋价值数据集&#xff08;线性回归&#xff09;& Lasso & 岭回归 & 分箱处理非线性问题 点击标题即可获取文章源代码和笔记 1. 导入需要的模块和库 from sklearn.linear_model import LinearRegression as LR from sklearn.model_sel…

bzoj 1295: [SCOI2009]最长距离

题目链接 1295: [SCOI2009]最长距离 Time Limit: 10 Sec Memory Limit: 162 MBSubmit: 1165 Solved: 619[Submit][Status][Discuss]Description windy有一块矩形土地&#xff0c;被分为 N*M 块 1*1 的小格子。 有的格子含有障碍物。 如果从格子A可以走到格子B&#xff0c;那么…

LeetCode 2261. 含最多 K 个可整除元素的子数组

文章目录1. 题目2. 解题1. 题目 给你一个整数数组 nums 和两个整数 k 和 p &#xff0c;找出并返回满足要求的不同的子数组数&#xff0c;要求子数组中最多 k 个可被 p 整除的元素。 如果满足下述条件之一&#xff0c;则认为数组 nums1 和 nums2 是 不同 数组&#xff1a; 两…

二十、MySQL之用户权限管理(用户管理、权限管理、忘记root密码的解决方案)

用户权限管理&#xff1a;在不同的项目中给不同的角色&#xff08;开发者&#xff09;不同的操作权限&#xff0c;为了保证数据库数据的安全。 通常&#xff0c;一个用户的密码不会长期不变&#xff0c;所以需要经常性的变更数据库用户密码来确保用户本身安全&#xff08;mysql…

PyQt5 基本窗口控件(状态栏/窗口/图标/提示消息/QLabel/文本类控件)

文章目录1. 状态栏2. 窗口居中显示3. 关闭窗口4. QWidget5. 添加图标6. 气泡提示信息7. QLabel添加快捷键8. QLineEditechoMode验证器inputMask综合练习9. QTextEditlearn from 《PyQt5 快速开发与实战》 1. 状态栏 self.statusbar.showMessage("hello, Michael", …

输入框只能输入数字

<input type"text" class"form-control divValue" id"iptBuyPrice" οnkeyup"this.valuethis.value.replace(/\D/g,)" onafterpaste"this.valuethis.value.replace(/\D/g,)">转载于:https://www.cnblogs.com/zxy56232…

CSMA/CD协议(先听再说,边听边说)

一、概念 载波监听多点接入/碰撞检测 CSMA/CD &#xff08;carrier sense multiple access with colision detection&#xff09; CS&#xff1a;载波侦听/监听&#xff0c;每一个站再发送数据之前以及发送数据时都要检测一下总线上是否有其他计算机再发送数据。 MA&#xff…

PyQt5 基本窗口控件(按钮类/对话框类)

文章目录1. 按钮类1.1 QPushButton1.2 QRadioButton1.3 QCheckBox1.4 QComboBox 下拉列表1.5 QSpinBox 计数器1.6 QSlider 滑动条2. 对话框类2.1 QDialog2.2 QMessageBox2.3 QInputDialog2.4 QFontDialog2.5 QFileDialoglearn from 《PyQt5 快速开发与实战》 https://doc.qt.io…

【转】iOS的APP资源,开源的哦

完整项目 文章转自 “标哥的技术博客” IOS-Swift2.0 高仿半糖App 这个开源项目为半糖&#xff0c;官网➡,类似于美丽说&#xff0c;一款电商App&#xff0c;使用语言:Swift2.0,开发工具: Xcode 7.1,纯代码开发,耗时两个多月&#xff0c;数据为本地数据&#xff0c;用Charles进…

python网络爬虫系列(二)——ProxyHandler处理器实现代理IP

ProxyHandler处理器&#xff08;代理&#xff09;&#xff1a; 很多网站会检测某一段时间某个IP的访问次数&#xff08;通过流量统计&#xff0c;系统日志等&#xff09;&#xff0c;如果访问次数多的不像正常人&#xff0c;它会禁止这个lP的访问。 所以我们可以设置一些代理服…

LeetCode 2264. 字符串中最大的 3 位相同数字

文章目录1. 题目2. 解题1. 题目 给你一个字符串 num &#xff0c;表示一个大整数。如果一个整数满足下述所有条件&#xff0c;则认为该整数是一个 优质整数 &#xff1a; 该整数是 num 的一个长度为 3 的 子字符串 。该整数由唯一一个数字重复 3 次组成。 以字符串形式返回 …