程序员经验分享-hwhale

Seaborn lineplot（用线条可视化数据）

2023-10-16

在 Seaborn 支持的众多绘图中，线图是最常见的统计数据绘图库。在本文中，我们将讨论 lineplot() 方法以及如何设置各种属性来自定义绘图。

 

 

使用 lineplot() 绘制一条线

Seaborn 的 lineplot() 方法允许我们绘制跨数据点的连接线。我们必须向 lineplot() 提供 x 和 y 轴值。
使用 lineplot() 的语法是：


sns.lineplot(x = None, y = None, hue = None, size = None, style = None, data = None, palette = None, hue_order = None, hue_norm = None, sizes = None, size_order = None, size_norm = None, dashes = True, markers = None, style_order = None, units = None, estimator = ‘mean’, ci= 95, n_boot = 1000, sort =True, err_style = ‘band’, err_kws = None, legend = ‘brief’, ax = None, **kwargs,)

以下代码片段展示了如何使用 lineplot() 绘制线条。


import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
yr = [2014, 2016, 2017, 2018, 2020, 2019, 2022]
revenuePercent = [60.2, 89.8, 78, 81, 73.3, 69, 93.2]
datf = pd.DataFrame({"Year":yr, "Profit":revenuePercent})
sns.lineplot(x = "Year", y = "Profit", data=datf)
plt.show()

Output

 

绘制多条线

使用 Seaborn 的 lineplot()，我们可以绘制多条线。这是一段代码片段，展示了如何生成它。


import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
arry = [[11, 1, 0, 2, 0, 1],
         [3, 8, 0, 1, 0, 1],
         [0, 16, 3, 0, 0, 1],
         [0, 0, 12, 0, 0, 1],
         [0, 0, 0, 13, 0, 1],
         [0, 1, 0, 0, 16, 2],
         [0, 1, 0, 0, 16, 2]]
datf = pd.DataFrame(arry, range(7), range(6))
sns.lineplot(data = datf)
plt.show()

Output


Another way of generating multiple lines using Seaborn’s lineplot() without using random values is:


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataf = pd.DataFrame({"Sales1": [6, 2, 8, 1, 4, 9, 10, 8],
                 "Sales2" : [2, 1, 4, 6, 7, 8, 9, 5]})
p = sns.lineplot(data = dataf)
plt.show()

Output

 

更改标题

可以使用三种不同的方法来设置线图标题。这些都是：
Method 1：使用set_title()方法：set_title()方法可以帮助接受字符串作为参数来设置绘图的标题。下面的代码片段可以解释如何使用它。


import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
arry = [[11, 1, 0, 2, 0, 1],
         [3, 8, 0, 1, 0, 1],
         [0, 16, 3, 0, 0, 1],
         [0, 0, 12, 0, 0, 1],
         [0, 0, 0, 13, 0, 1],
         [0, 1, 0, 0, 16, 2],
         [0, 1, 0, 0, 16, 2]]
datf = pd.DataFrame(arry, range(7), range(6))
sns.lineplot(data = datf).set_title('RANDOM LINE GENERATOR')
plt.show()

Output


Method 2: Using the set() method: In this method, we use the set() method and pass a string with the title parameter to display the title for our plot. The code snippet below can explain how to use it.


import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
arry = [[11, 1, 0, 2, 0, 1],
         [3, 8, 0, 1, 0, 1],
         [0, 16, 3, 0, 0, 1],
         [0, 0, 12, 0, 0, 1],
         [0, 0, 0, 13, 0, 1],
         [0, 1, 0, 0, 16, 2],
         [0, 1, 0, 0, 16, 2]]
datf = pd.DataFrame(arry, range(7), range(6))
sns.lineplot(data = datf).set(title = "RANDOM LINE GENERATOR")
plt.show()

Output


Method 3: Using Matplotlib’s title() method: Seaborn leverages Matplotlib to render various plots.

因此，使用 Matplotlib 的 title() 方法来指定绘图标题变得很容易。下面的代码片段可以解释如何使用它。


import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
arry = [[11, 1, 0, 2, 0, 1],
         [3, 8, 0, 1, 0, 1],
         [0, 16, 3, 0, 0, 1],
         [0, 0, 12, 0, 0, 1],
         [0, 0, 0, 13, 0, 1],
         [0, 1, 0, 0, 16, 2],
         [0, 1, 0, 0, 16, 2]]
datf = pd.DataFrame(arry, range(7), range(6))
sns.lineplot(data = datf)
plt.title("RANDOM LINE GENERATOR")
plt.show()

Output

 

自定义线条样式

我们可以通过不同的方法设置自定义的线条样式。这些都是：
Method 1: 设置线型():
我们可以使用 set_linestyle() 方法并传递字符串及其参数。这是显示如何使用它的代码片段。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
s = 10
g = np.linspace(0, 2.5, s)
k = np.sin(1.5*np.pi*g)
z = sns.lineplot(g, k)
z.lines[0].set_linestyle("--")
plt.show()

Output


We can use the following parameters here.

  • Solid
  • Dashed
  • Dotted
  • Dashdot
  • None

Or,

  • ‘-‘
  • ‘:’
  • ‘–‘
  • ‘-.’
  • ‘ ‘

Method 2：使用 dashes 参数：Seaborn lineplot() 有一个 dashes 参数，也可以帮助设置线图的自定义线。这是显示如何使用它的代码片段。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 5, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
ax = sns.lineplot(data = dataf, dashes=[(2, 2), (2, 2)])
plt.show()

Output


Method 3: Using the linestyle parameter: Using the linestyle parameter of the Seaborn lineplot(), we can determine customized styles for our lines. Here is a code snippet showing how to implement it.


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 5, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
ax = sns.lineplot(data = dataf, linestyle='-.')
plt.show()

Output

 

更改线条颜色

Seaborn 有两种不同的方法来更改线图的线条颜色。这些都是;
Method 1：使用颜色参数：我们可以使用lineplot()的颜色参数并将颜色代码或颜色名称作为字符串传递来更改线条颜色。这是显示如何使用它的代码片段。


import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
yr = [2014, 2016, 2017, 2018, 2020, 2019, 2022]
revenuePercent = [60.2, 89.8, 78, 81, 73.3, 69, 93.2]
datf = pd.DataFrame({"Year":yr, "Profit":revenuePercent})
sns.lineplot(x = "Year", y = "Profit", data=datf, color="r")
plt.show()

Output


Method 2: Using the palette parameter: We can use the palette parameter of the lineplot() and pass the palette color code or color name as a string to change the line color. Here is a code snippet showing how to use it.


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
sns.lineplot(data=dataf, palette="rocket")
plt.show()

Output

 

更改标记大小

图表包含各种指示器作为图标，显示数据想要表达的有关绘图的内容。标记是用于代表数据可视化创建者和数据分析师的特殊符号，用于美化演示视觉的过程。

我们可以在绘制图表时使用标记属性自定义标记。
以下是符号及其相关形状的列表，以及它们在绘图中使用时形成的内容的描述。

Markers What mark/shape do they create?
“.” It creates a point
“, “ It creates a pixel
“o” It creates a circle
“v” It creates a triangle_downward
“^” It creates a triangle_upward
“<“ It creates a triangle left-facing
“>” It creates a triangle right-facing
“1” It creates a tri_down
“2” It creates a tri_up
“3” It creates a tri_left
“4” It creates a tri_right
“8” It creates an octagon
“s” It creates a square
“p” It creates a pentagon
“P” It creates a plus (filled)
“*” It creates a star
“h” It creates a hexagon1
“H” It creates a hexagon2
“+” It creates a plus-shaped marker
“x” It creates a ‘x’-shaped marker
“X” It creates a ‘x’ (filled)
“D” It creates a diamond-shaped marker
“d” It creates a thin diamond-shaped marker
“|” It creates a vline
“_” It creates a hline

我们还可以通过更改seaborn.lineplot() 的markersize 参数值来更改Seaborn 线图中标记的大小。这是显示如何使用它的代码片段。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 5, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
ax = sns.lineplot(data=dataf, marker= 'h', markersize=10)
plt.show()

Output

 

标记特定点

为了清晰起见，我们通常需要在线图中标记一个特定点以突出显示该点。这时候我们就需要使用markevery参数了。

我们必须传递一个列表，其中包含用小黑圆圈标记不同点的值。这是显示如何使用它的代码片段。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 5, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
sns.lineplot(data=dataf, palette="Blues_r", marker = 'o', markersize=20, fillstyle='none', markeredgewidth=1.5, markeredgecolor='black', markevery=[10, 20])
plt.show()

Output

 

设置线图不透明度

我们可以通过更改 alpha 参数的值来调整线图的透明度。

随着 alpha 参数值的减小，不透明度降低，使线条半透明，反之亦然，增加不透明度。

下面的代码段显示了如何在 Seaborn 的 lineplot() 方法中实现 alpha 参数。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
dataf2 = pd.DataFrame(np.c_[y2+4, y1+6])
sns.lineplot(data=dataf, palette="rocket", alpha = 0.08)
sns.lineplot(data=dataf2, palette="Blues_r", alpha = 0.9)
plt.show()

Output


In this code, you can see two different pairs of line graphs with varied alpha values.

 

更改背景颜色

我们可以通过不同的技术添加或更改 Seaborn 线图的背景。这些都是：
Method 1：使用seaborn.set()方法：为了配置线图的美观性，我们通常使用set()方法。

没有直接的参数或方法可以将背景从白色更改为白色或向绘图添加背景颜色。这是一个代码片段，展示了如何实现它。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
dataf2 = pd.DataFrame(np.c_[y2+4, y1+6])
sns.set(rc={'axes.facecolor':'goldenrod', 'figure.facecolor':'goldenrod'})
sns.lineplot(data=dataf2, palette="rocket", alpha = 1.0)
plt.show()

Output


Method 2: Using the set_style() method: We can use the set_style() method to set the background theme for the line plot, hence changing the color. Here is a code showing how to do it.


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
dataf2 = pd.DataFrame(np.c_[y2+4, y1+6])
sns.set_style("darkgrid")
sns.lineplot(data = dataf2, palette = "rocket", alpha = 1.0)
plt.show()

Output

 

更改图例位置

图例是一个小框，存在于绘图的任何一侧或角落，包含与某些文本关联的多条颜色线，以确定与绘图关联的各种元素类型。

图例充当数据所代表的组件的指示符。

我们还可以使用 matplotlib.pyplot 的 legend() 方法的 loc 参数更改图例的位置。我们还可以为 loc 指定其他位置值：

  • 右上方
  • 中左
  • 中右
  • 左上
  • 左下角
  • 下中心
  • 上中心
  • 右下
  • right
  • center

这是显示如何使用它的代码片段。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
dataf2 = pd.DataFrame(np.c_[y2+4, y1+6])
sns.set()
plt.grid(color = 'gainsboro', linestyle = '-', linewidth = 2)
sns.lineplot(data = dataf2, palette = "rocket", alpha = 1.0)
plt.legend(loc = 'center right')
plt.show()

Output

 

设置/更改图例标题

我们可以使用 legend() 方法的 title 参数添加图例标题。要进一步更改它，我们可以使用相同的标题参数。这是显示如何使用它的代码片段。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
dataf2 = pd.DataFrame(np.c_[y2+4, y1+6])
sns.set()
plt.grid(color = 'gainsboro', linestyle = '-', linewidth = 2)
sns.lineplot(data = dataf2, palette = "rocket", alpha = 1.0)
plt.legend(loc = 'center right', title = 'Title for the Category')
plt.show()

Output

 

删除图例

有两种不同的方法可以从seaborn的线图中删除图例。这些都是：
Method 1：使用 legend 参数：lineplot() 附带一个设置为 True 的 legend 参数。我们可以使用 False 关键字作为值来禁用图中的图例。这是显示如何使用它的代码片段。


import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
arry = [[11, 1, 0, 2, 0, 1],
         [3, 8, 0, 1, 2, 11],
         [0, 10, 3, 1, 6, 10],
         [0, 0, 10, 4, 3, 7]]

datf = pd.DataFrame(arry, range(4), range(6))
sns.lineplot(data = datf, legend = False)
plt.title("RANDOM LINE GENERATOR")
plt.show()

Output


Method 2: Using the Matplotlib.pyplot.legend() method: Seaborn runs on top of matplotlib. The matplotlib.pyplot.legend() function helps in adding a customized legend to the Seaborn plots.

我们可以使用 legend()matplotlib.pyplot也将其删除。我们可以传递空白列表并将frameon参数设置为False。这是显示如何使用它的代码。


import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
arry = [[11, 1, 0, 2, 0, 1],
         [3, 8, 0, 1, 2, 11],
         [0, 10, 3, 1, 6, 10],
         [0, 0, 10, 4, 3, 7]]

datf = pd.DataFrame(arry, range(4), range(6))
sns.lineplot(data = datf)
plt.title("RANDOM LINE GENERATOR")
plt.legend([],[], frameon=False)
plt.show()

Output


Method 3: Using the remove() method: The legend_.remove() method is another popular way of removing a legend from a plot. Here is a code snippet showing how to implement it.


import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
arry = [[11, 1, 0, 2, 0, 1],
         [3, 8, 0, 1, 2, 11],
         [0, 10, 3, 1, 6, 10],
         [0, 0, 10, 4, 3, 7]]

datf = pd.DataFrame(arry, range(4), range(6))
gk = sns.lineplot(data = datf)
plt.title("RANDOM LINE GENERATOR")
gk.legend_.remove()
plt.show()

Output

 

添加标签

有时我们需要为 x 轴和 y 轴提供标签来指示或赋予绘图含义。要在线图中给出标签，有两种不同的方法。这些都是：
Method 1：使用set()方法：在set()方法中，我们必须传递xlabel和ylabel参数值来确定x轴和y轴的标签。这是显示如何使用它的代码片段。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
dataf2 = pd.DataFrame(np.c_[y2+4, y1+6])
sns.set()
plt.grid(color = 'gainsboro', linestyle = '-', linewidth = 2)
gk = sns.lineplot(data = dataf2, palette = "rocket", alpha = 1.0, legend = False)
gk.set(xlabel = "Potential", ylabel = "Frequency")
plt.show()

Output


Method 2: Using matplotlib’s xlabel() and ylabel(): Seaborn uses matplotlib, which is why it becomes easy to integrate matplotlib methods with Seaborn. We can use the xlabel() and ylabel() methods to set labels for the x and y axes. Here is a code snippet showing how to use it.


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(1.4*np.pi*g)
y2 = np.cos(2.5*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
dataf2 = pd.DataFrame(np.c_[y2+4, y1+6])
sns.set()
plt.grid(color='gainsboro', linestyle='-', linewidth=2)
gk = sns.lineplot(data=dataf2, palette="rocket", alpha = 1.0, legend=False)
plt.xlabel('Potential')
plt.ylabel('Frequency')
plt.show()

Output

 

旋转标签

有两种不同的方法可以在线图中旋转标签。这些都是：
Method 1：使用 xticks() 方法：我们可以使用 matplotlib 的 xticks() 方法来旋转 x 轴的标签。这是显示如何使用它的代码片段。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(8.2*np.pi*g)
y2 = np.cos(6.8*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
dataf2 = pd.DataFrame(np.c_[y2+6, y1+7])
sns.set()
plt.grid(color='gainsboro', linestyle='-', linewidth=2)
gk = sns.lineplot(data=dataf2, palette="hls", alpha = 1.0, legend=False)
plt.xticks(rotation=45)
plt.show()

Output


Method 2: Using the setp() method: This method also allows us to rotate the x-axis labels. Here is the code snippet on how to implement it.


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(8.2*np.pi*g)
y2 = np.cos(6.8*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
dataf2 = pd.DataFrame(np.c_[y2+6, y1+7])
sns.set()
plt.grid(color='gainsboro', linestyle='-', linewidth=2)
gk = sns.lineplot(data=dataf2, palette="hls", alpha = 1.0, legend=False)
locs, labels = plt.xticks()
plt.setp(labels, rotation=45)
plt.show()

Output

 

保存/导出图形

我们可以使用 matplotlib 的 savefig() 方法将图形保存为 PNG 或 JPG 文件。

然后我们可以导出它或在各种其他情况下使用它。这是一个代码片段，显示如何保存文件以将其导出。


import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
s = 90
g = np.linspace(0, 2, s)
y1 = np.sin(8.2*np.pi*g)
y2 = np.cos(6.8*np.pi*g)
dataf = pd.DataFrame(np.c_[y1, y2])
dataf2 = pd.DataFrame(np.c_[y2+6, y1+7])
sns.set()
plt.grid(color='gainsboro', linestyle='-', linewidth=2)
gk = sns.lineplot(data=dataf2, palette="hls", alpha = 1.0, legend=False)
plt.savefig('saveToExport.png')
plt.show()

Output

 

属性错误模块Seaborn没有属性lineplot

这是您在处理 Seaborn 时可能会遇到的常见错误。如果您系统中的seaborn不是最新的或需要立即升级，您可能会遇到这样的错误。

同样，当最新的 Seaborn 版本与您的系统或 IDE 不兼容时，可能会生成此错误。要修复此类错误，您应该更新您的seaborn 库。

为此，请运行命令并键入以下命令：


pip install -U seaborn

如果您使用的是 Jupyter Notebook，请键入：


pip install seaborn –upgrade

 

结论

我们希望本文能够让您对 Seaborn lineplot() 以及如何在确定线图时自定义各种功能有一个清晰的了解。

我们收集了与线条相关的各种元素的见解，例如标记、不透明度、颜色、图例等。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

python

Seaborn

Seaborn lineplot（用线条可视化数据） 的相关文章

随机推荐

  • Linux 中的终止命令

    Linux是一个伟大而先进的操作系统 但它并不完美 有时 某些应用程序可能会开始表现不稳定并变得无响应或开始消耗大量系统资源 无响应的应用程序无法重新启动 因为原始应用程序进程永远不会完全关闭 唯一的解决方案是重新启动系统或终止应用程序进程

  • 如何更改 Linux 中的 Swappiness 值

    交换空间是 RAM 内存已满时使用的硬盘的一部分 交换空间可以是专用交换分区或交换文件 当 Linux 系统耗尽物理内存时 非活动页面将从 RAM 移至交换空间 Swappiness 是一个 Linux 内核属性 它设置将页面从物理内存换出

  • 如何在 Python 中查找列表的长度

    列表是Python中最常用的数据类型之一 用于存储相同类型的项目的集合 本文介绍如何查找列表的长度 len 功能 Python有一个内置函数len 返回给定对象的长度 该对象可以是一个list 元组 字符串 字典等 的语法len 函数如下

  • Tmux 入门

    本指南将介绍 Tmux 的安装和基本用法 以帮助您入门和运行 什么是 tmux Tmux 是终端多路复用器的替代品GNU 屏幕 换句话说 这意味着您可以启动 Tmux 会话 然后在该会话中打开多个窗口 每个窗口占据整个屏幕 并且可以分割成矩

  • 如何在 Python 中向列表添加元素（追加、扩展和插入）

    在 Python 中使用列表时 您经常需要向列表中添加新元素 Python 列表数据类型具有三种添加元素的方法 append 将单个元素追加到列表中 extend 将可迭代的元素追加到列表中 insert 在列表的给定位置插入单个项目 所有

  • 如何添加 Git 远程

    通常 在使用 Git 时 您将仅使用一个名为 origin 的远程服务器 并针对不同的功能和环境使用不同的分支 Origin 是克隆存储库时自动创建的远程名称 并指向克隆的存储库 然而 当与一群人协作处理一个项目时 您可能会发现使用多个 G

  • Linux 中的 Dig 命令（DNS 查找）

    Dig Domain Information Groper 是一个强大的命令行工具 用于查询 DNS 名称服务器 The dig命令 允许您查询有关各种 DNS 记录的信息 包括主机地址 邮件交换和名称服务器 由于其灵活性和易用性 它是系统

  • 如何在 Ubuntu 20.04 上安装 Zoom

    Zoom是一个易于使用的通信平台 集云视频会议 实时消息传递和内容共享于一体 使用 Zoom 您可以举办网络研讨会 组织在线会议以及创建会议室 本指南介绍如何在 Ubuntu 20 04 上安装 Zoom 相同的说明适用于所有基于 Debi

  • 如何在 Ubuntu 20.04 上安装 Memcached

    Memcached 是一个免费开源的高性能内存键值数据存储 它通常用于通过缓存 API 和数据库调用结果中的各种对象来加速应用程序 本文介绍如何在 Ubuntu 20 04 上安装和配置 Memcached 安装 Memcached mem

  • PyQt5绘图教程（绘画API）

    在本教程中 我们将学习如何绘制矢量图形PyQt5 正如您将看到的 在 Python 中 PyQt5 模块是可用于绘图目的的最简单的模块 在开始之前 让我们使用 PyQt5 创建一个窗口 在其中绘制图形 目录 hide 1 创建一个 PyQt

  • NumPy where 教程（带示例）

    The numpy where函数用于检索 ndarray 中给定条件为 true 的元素的索引 学完本教程后 您将充分了解如何使用numpy where查询NumPy 数组 目录 hide 1 语法和参数 2 使用 x 和 y 参数替换值

  • 使用 sed 命令掌握 Linux 文件中的文本插入

    The ised 中的命令用于在行前插入文本 的一般语法为i命令是 sed pattern i text to be inserted filename 在本教程中 我们将重点介绍如何使用sed命令 目录 hide 1 Sed Insert

  • Sed 命令指南：Linux 中的文本编辑

    sed代表流编辑器 该命令允许您解析和转换文本数据 如果输入源自文件 管道或标准输入 sed逐行处理它 With sed 您可以执行各种文本操作 如插入 删除 搜索和替换 目录 hide 1 Basic Syntax and Operati

  • Pandas查询方法：高效过滤DataFrame

    Pandas提供query 允许用户使用字符串表达式查询 DataFrame 的方法 在本教程中 您将了解query方法以及如何在实际应用中使用它 目录 hide 1 Pandas 查询语法和参数 2 使用查询方法过滤数据帧 3 Using

  • 用于网络故障排除的 Linux 网络命令

    在上一篇文章中 我们谈到了Linux进程管理t 在这篇文章中 我们将讨论 Linux 网络命令以及如何排除网络故障 如果确保物理网络正常工作 下一步就是对网络进行故障排除 这里我们进入我们的主题 即 Linux 网络命令以及如何使用它们对网

  • Pandas loc 与 iloc：何时使用它们进行数据选择

    The loc and iloc属性是 Pandas 库的一部分 允许根据某些标准从 DataFrame 中选择数据 本教程将讨论这两种属性之间的主要区别 以及如何确保您使用适合您特定需求的属性 下表总结了这两个属性之间的差异 Proper

  • 使用 PHP 将数组转换或转换为对象（Hydrator 模式）

    在这篇文章中 我们将使用 PHP Hydrator 模式将数组转换为对象 这个方法很简单 就是将数据从一个地方传输到另一个地方 我们将定义一个类 它将一个数组和一个对象作为输入 并搜索对象中的所有 set 方法 并用数组中的值填充它 首先

  • 使用 Linux 进程管理命令进行性能调优

    在服务器管理中 了解正在运行的进程如何详细工作 从高负载进程到慢响应时间进程 非常重要 当你的服务器变得如此缓慢或无法响应时 你应该了解进程管理或Linux进程管理 当是时候杀死一个进程 or renice它以及如何monitor当前正在运

  • NumPy 数组排序：综合指南

    在本教程中 我们将讨论如何对NumPy 数组使用不同的技术 接下来 我们将了解如何按升序和降序对 NumPy 数组进行排序 以及如何处理多维数组 就地排序 间接排序以及排序时遇到的常见问题 目录 hide 1 使用 np sort 对 Nu

  • Seaborn lineplot（用线条可视化数据）

    在 Seaborn 支持的众多绘图中 线图是最常见的统计数据绘图库 在本文中 我们将讨论 lineplot 方法以及如何设置各种属性来自定义绘图 目录 hide 1 使用 lineplot 绘制一条线 2 绘制多条线 3 更改标题

热门标签