程序员经验分享-hwhale

Seaborn histplot（用直方图可视化数据）

2023-10-24

Seaborn 是最广为人知的数据可视化库之一，运行在Matplotlib。通过 Seaborn，我们可以渲染各种类型的绘图，并提供简单、直观且高度可定制的 API 来生成数据可视化。

如果没有丰富的可视化，就很难理解数据并与数据进行交流。想要可视化数据点和直方图或显示分布数据而不是计数数据的数据分析师和数据科学专业人员应该在 Seaborn 中使用直方图。

在本教程中，我们将讨论什么是 histplot() 以及如何以不同的方式使用它来生成直方图。

 

 

什么是直方图？

直方图是在程序员或用户指定的固定范围内形成的数据点的图形表示。

其实，这是一个bar plot但通过携带许多数据点并将它们分组到逻辑箱或范围中，将数据系列压缩为易于解释的视觉效果。

在水平 X 轴上，图表包含一系列类别，垂直 y 轴表示每列数据的计数或出现率。

 

什么是 Seaborn histplot 以及如何使用它？

我们使用seaborn.histplot()通过seaborn生成直方图。 histplot() 的语法是：


seaborn.histplot(data, x, y, hue, stat, bins, bandwidth, discrete, KDE, log_scale)

参数为：

  • data：输入数据，主要作为数据框 or NumPy 数组.
  • x, y（可选参数）：分别定位在x、y轴上的数据的key
  • 色调（可选参数）：映射以确定绘图元素颜色的语义数据键
  • stat（可选）：它测量频率、计数、密度或概率
  • 核密度估计（KDE)：它是用于平滑直方图的机制之一。

这是一个代码片段：


import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# Creating arbitrary dataset from random numbers
np.random.seed(1)
numb_var = np.random.randn(1200)
numb_var = pd.Series(numb_var, name = "Numerical Measures")

# Plotting the histogram
sns.histplot(data = numb_var, kde=True)
plt.show()

Output

 

添加标签

我们经常需要标记 x 轴和 y 轴，以便更好地识别绘图或赋予绘图含义。 Seaborn 提供两种不同的方式来设置 x 轴和 y 轴的标签。
Method 1：使用 set() 方法：set() 方法允许我们设置标签，我们必须在其中传递 xlabel 和 ylabel 参数的字符串。这是一个代码片段，展示了我们如何执行此操作。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [7, 4, 5, 6, 3],
                 "Season 2" : [1, 2, 8, 4, 9]})
p = sns.histplot(data = datf)
p.set(xlabel="X Label Value", ylabel = "Y Label Value")
plt.show()

Output


Method 2: Using Matplotlib’s xlabel() and ylabel(): Seaborn runs on top of Matplotlib. Thus, it allows us to leverage Matplotlib pyplot’s xlabel() and ylabel() to create so. The code snippet will look like:


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [7, 4, 5, 6, 3],
                 "Season 2" : [1, 2, 8, 4, 9]})
p = sns.histplot(data = datf)
plt.xlabel('X axis labeling')
plt.ylabel('Y axis labeling')
plt.show()

Output

删除 xlabel 或 ylabel

可以通过两种不同的方式从直方图中删除 xlabel 和 ylabel。这些都是：
Method 1：使用 set() 方法：set() 方法允许我们指定参数名称并传递带有 None 值的 xlabel 和 ylabel 参数的字符串。

将值设置为 None（关键字）将使标签空白，因此不会显示在图中。这是相同的代码片段。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [7, 4, 5, 6, 3],
                 "Season 2" : [1, 2, 8, 4, 9]})
p = sns.histplot(data = datf)
p.set(xlabel = None)
p.set(ylabel = None)
plt.show()

Output


Method 2: Using set_ticklabels() method: This is another method to create empty labels is by using yte xaxis.set_ticklabels() and yaxis.set_ticklabels() and pass an empty list [] as parameter.

在这种情况下，除了标签之外，它还会从图中删除刻度值或单位。代码片段如下所示：
Output

 

KDE 的直方图

核密度估计（KDE）是一种衡量连续随机变量的概率密度和概率函数的方法。

它将生成一条主要用于绘图的非参数分析的波浪线。在seaborn的histplot()中，该方法有一个接受True或False的KDE参数。

如果将其设置为 true，则会显示测量概率密度的线。这是一个代码片段，展示了如何使用直方图禁用和启用它。


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", alpha = 1.0, kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", alpha = 1.0, kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
plt.legend()
plt.show()

Output


We can also customize the KDE line using the line_kws parameter that accepts a dictionary as a parameter.


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z = sns.histplot(data=datf, x = "sepal_width", color = "red", alpha = 0.6, kde = True, line_kws = {'color':'red','linestyle': 'dashed'})
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
plt.legend()
plt.show()

Output

 

添加标题

我们可以通过不同的方式为图表提供标题。这些都是：
Method 1：使用 set() 方法：它将采用单个参数“title”作为参数，并接受字符串作为其值。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
p = sns.histplot(data = datf).set(title = "AVERAGE VIEWS (in Millions)")
plt.xlabel('Month')
plt.ylabel('Views')
plt.legend([],[], frameon = False)
plt.show()

Output


Method 2: Using the set_title() method: This method works as a helping substitute method for string and takes the string as a parameter within the plot. Here is a code snippet on how to use it.


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
p = sns.histplot(data = datf).set_title('AVERAGE VIEWS (in Millions)')
plt.xlabel('Month')
plt.ylabel('Views')
plt.legend([],[], frameon = False)
plt.show()

Output


Method 3: Using Matplotlib’s title() method: Since Seaborn runs on top of Matplotlib, we can efficiently utilize Matplotlib’s title() method to specify the title for the plot. Here is a code snippet showing its use.


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
p = sns.histplot(data = datf)
plt.title("AVERAGE VIEWS (in Millions)")
plt.xlabel('Month')
plt.ylabel('Views')
plt.legend([],[], frameon = False)
plt.show()

Output

 

设置字体大小

绘图中的字体大小对于创造良好的视觉效果具有价值。我们可以通过两种不同的技术来设置可视化的字体大小。这些都是：
Method 1：使用 fontsize 参数：我们可以将此参数与多个 Matplotlib 方法一起使用，例如 xlabel()、ylabel()、title() 等。下面是显示如何使用它的代码片段。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
p = sns.histplot(data = datf)
p.set_xlabel("Month", fontsize = 18)
p.set_ylabel("Views", fontsize = 18)
p.set_title("AVERAGE VIEWS (in Millions)", fontsize = 18)
plt.legend([],[], frameon = False)
plt.show()

Output


Method 2: Using the set() method: The set() method also helps to set up the font size for all the fonts related to the plot and font_scale parameter. Here’s how to use it.


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
sns.set(font_scale = 3)
p = sns.histplot(data = datf)
p.set_xlabel("Month")
p.set_ylabel("Views")
p.set_title("AVERAGE VIEWS (in Millions)")
plt.legend([],[], frameon = False)
plt.show()

Output

 

设置自定义调色板

调色板是一种在一个名称下表示各种颜色渐变的方式。我们可以使用 histplot() 方法的调色板参数设置直方图的调色板。

一些众所周知的调色板值包括 tab10、hls、husl、set2、Paired、rocket、mako、flare、Blues_r 等。下面是显示如何使用调色板的代码片段。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
sns.set(font_scale = 2)
p = sns.histplot(data = datf, legend=False, palette="Blues_r")
p.set_xlabel("Month")
p.set_ylabel("Views")
plt.show()

Output

 Or,


p = sns.histplot(data = datf, legend=False, palette="rocket ")

Output


Note that palette names are case sensitive.

 

不同颜色的直方图

在单个图中，我们可以生成两个具有不同颜色的直方图，显示有关数据的两种不同见解。我们可以通过两种不同的方式生成。

  1. 使用调色板参数：我们可以使用palette参数来生成不同颜色的直方图。这是一个代码片段，展示了如何生成具有不同颜色的绘图。
    
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
sns.set(style = "darkgrid")
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
sns.histplot(data=datf, palette="rocket", label="Last Year Report")
sns.histplot(data=datf, palette="mako", label="This Year's Report")
plt.legend()
plt.show()

    Output

  2. 使用颜色参数：我们可以使用颜色参数来生成不同颜色的直方图。这是一个代码片段，展示了如何生成具有不同颜色的绘图。
    
import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
plt.legend()
plt.show()

    Output

 

带条件颜色的直方图

我们可以简单地使用 if 语句来确定条件。此外，我们可以使用调色板值和随机模块生成带有颜色的图。

下面的程序展示了如何生成带有颜色条件的直方图。


import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
x=int(input("Enter the number to generate a histogram with different color palettes: "))
if x==1:
    df = pd.DataFrame({'col1':'A',
                    'col2':np.random.randn(100) * 10 + 50})
    sns.histplot(data = df, palette = "husl")
if x==2:
    df = pd.DataFrame({'col1':'B',
                    'col2':np.random.randn(100) * 10 + 60})
    sns.histplot(data = df, palette = "Blues_r")
if x==3:
    df = pd.DataFrame({'col1':'C',
                    'col2':np.random.randn(100) * 10 + 70})
    sns.histplot(data = df, palette = "rocket")
if x==4:
    df = pd.DataFrame({'col1':'C',
                    'col2':np.random.randn(100) * 10 + 70})
    sns.histplot(data = df, palette = "hls")
plt.show()

Output

 

更改不透明度

我们可以改变 alpha 参数的值来改变直方图的透明度。随着 alpha 值降低，不透明度降低。

随着alpha值的增加，不透明度增加。以下代码片段展示了如何使用 histplot() 方法的 alpha 参数。


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", alpha = 0.05, kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", alpha = 0.05, kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
plt.legend()
plt.show()

Output


Now, let us change (increasing value) the alpha value to increase the opacity.


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", alpha = 1.0, kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", alpha = 1.0, kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
plt.legend()
plt.show()

Output

 

改变轴范围

Seaborn 允许我们更改 x 轴和 y 轴的轴范围。
Method 1：通过使用Matplotlib的matplotlib.axes.Axes.set_xlim()和matplotlib.axes.Axes.set_ylim()函数，我们可以更改轴范围。

这是显示如何更改轴范围的代码片段。


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", alpha = 1.0, kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", alpha = 1.0, kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
z.set_xlim(1, 20)
#z.set_ylim(1, 10)
plt.legend()
plt.show()

Output


Method 2: We can also use the set() method to change the axis range. Here is a code snippet showing how to change the axis range using set().


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", alpha = 1.0, kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", alpha = 1.0, kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
z.set(xlim=(0,10),ylim=(0,100))
plt.legend()
plt.show()

Output

 

在条之间添加空间

我们可以在直方图条之间提供空格。这是显示如何执行此操作的代码片段。


import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
datf = pd.DataFrame({'Name': ['Karl', 'Ray', 'Sue', 'Dee'], 'SalInLac': [25, 28, 21, 26], 'Gender': ['M', 'M', 'F', 'F']})
datf = pd.concat([datf[datf.Gender == 'M'], pd.DataFrame({'Name': [''], 'SalInLac': [0], 'Gender': ['M']}), datf[datf.Gender == 'F']])
age_plot = sns.histplot(data = datf)
plt.setp(age_plot.get_xticklabels(), rotation=90)
plt.ylim(0, 5)
age_plot.tick_params(labelsize = 6)
age_plot.tick_params(length = 5, axis='x')
age_plot.set_ylabel("Age", fontsize=12)
age_plot.set_xlabel("", fontsize=1.5)
plt.tight_layout()
plt.show()

Output

 

改变方向

我们可以调整 x 和 y 参数来更改直方图的方向，并将其从垂直更改为水平。

我们可以将数据放在 y 轴上，而不是通常将其放在 x 轴上。

下面是一个代码片段，展示了如何执行此操作：


import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset("tips")
tips.head()
#Changing the orientation of the plot
g = sns.histplot(data=tips, y="total_bill", color="lime")
g.set_ylabel("Bill", fontsize=12)
g.set_xlabel("")
plt.show()

Output

 

带日期的直方图

我们可以在 histplot 的所有独立刻度中绘制日期。为此，我们将这些日期作为 DataFrame 下的字符串列表。

然后，我们将使用它们作为 x 或 y 值来显示它们。这是显示如何显示日期的代码片段。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({'date': ['1/11/2022', '3/21/2022', '5/31/2022', '8/28/2022'],
                   'salesPoint': [11, 9, 10, 16],
                   'Branding_Group': ['A','B','A','B']})
sns.set(font_scale = 2)
ax = sns.histplot(x = 'date', y = 'salesPoint', hue = 'Branding_Group', data = datf)
plt.legend()
plt.show()

Output

 

无属性错误

这是使用 Seaborn 和 histplot 时可能遇到的一个突出错误。当您的 Seaborn 不是最新版本或需要升级时，通常会发生这种情况。

当有最新的系统但您在系统中安装的 Seaborn 版本与较新的系统不兼容时，也会再次出现此类错误。

在这种情况下，就会弹出这个错误。要修复此错误，您必须更新您的seaborn 库。在笔记本或应用程序的命令行部分运行命令来解决问题。


pip install -U seaborn

如果您使用 Jupyter，那么此代码也可以工作。


pip install seaborn –upgrade

 

结论

我们希望本教程能够让您对 Seaborn histplot() 以及如何使用它生成直方图有一个清晰的了解。本教程还讨论了我们可以用来自定义直方图的各种参数。

本综合指南还讨论了生成更清晰的 seaborn 直方图所需的标题、调色板、颜色、字体大小、标签、不透明度、KDE、方向等。

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 histplot（用直方图可视化数据） 的相关文章

  • Django Rest Framework 嵌套序列化器不显示相关数据

    我使用 Django Rest Framework 进行了基本设置 我有两个模型和一个嵌套序列化器设置 models py from django db import models class Plan models Model name

  • 如何在 Pygame 中制作边框

    我试图让游戏的某个区域周围有边框 并使用一种尺寸来不断更改我的代码 以便它适用于一种尺寸 这是代码 screen xpos ypos height width border width color def draw borders s x

  • 如何从字符串读取 NumPy 二维数组？

    如何从字符串中读取 Numpy 数组 取一个像这样的字符串 0 5544 0 4456 0 8811 0 1189 并将其转换为数组 a from string 0 5544 0 4456 0 8811 0 1189 where a成为对象

  • 使用 numba 计算向量和矩阵中的行之间的余弦相似度

    找到了这个gist https gist github com FedericoV 0e7d6d8c8794a99a7a42使用 numba 快速计算余弦相似度 import numba numba jit target cpu nopyt

  • 用户在对话框中输入

    python 中是否有任何库可用于图形用户输入 我知道关于tk但我相信需要一些代码才能做到这一点 我正在寻找最短的解决方案 a input Enter your string here 取而代之的是 我想要一个对话框 以便用户可以在那里输入

  • 计算5个城市之间的地理距离以及每个城市所有可能的组合

    所以我有一个 csv 文件 其中包含 3 列 城市 纬度 经度 我已经使用此代码从这个 csv 文件在 python 中创建了一个数据框 data pd read csv lat long csv nrows 10 Lat data lat

  • 实现一个java UDF并从pyspark调用它

    我需要创建一个在 pyspark python 中使用的 UDF 它使用 java 对象进行内部计算 如果它是一个简单的 python 我会做类似的事情 def f x return 7 fudf pyspark sql functions

  • Python 中的类位于不同的文件中吗？

    与 Java 或 php 非常相似 我习惯将类与文件分开 Python 中也是同样的情况吗 另外 我应该如何命名该文件 像classname py一样小写还是像ClassName py一样 如果我想从此类创建一个对象 我是否需要做一些特殊的

  • 使用 QtDesigner 的 pyQt 信号/槽

    我正在尝试编写一个与 QGraphicsView 交互的程序 我想在 QGraphicsView 中发生事件时收集鼠标和键盘事件 例如 如果用户单击 QGraphicsView 小部件 我将获得鼠标位置 类似的东西 我可以很容易地对其进行硬

  • 如何从 __subclasses__ 中删除类？

    当从类继承时 子类可以通过父类访问 subclasses method class BaseClass pass class SubClass BaseClass pass BaseClass subclasses

  • Python中基于行输入的条件求和

    我正在尝试用Python 做一个条件和积 简化的思路如下 A 1 1 2 3 3 3 B 0 50 0 25 0 99 0 80 0 70 0 20 我想要作为输出 Total1 0 50 1 0 25 1 Total2 0 99 2 To

  • 我应该如何在 Python 中将 HTTPHandler 与 RotatingFileHandler 链接起来？

    我需要创建一个系统 将嵌入式系统中生成的日志消息远程记录在服务器上并存储在轮换日志文件中 由于网络通信的限制 日志消息必须通过HTTP协议传输 服务器已经运行了Flask http flask pocoo org 基于 HTTP 服务器 因

  • 将字符串作为有序字典导入

    我有一个没有扩展名的文件 其中包含这样的行 忽略行之间的间距 但每一行都是单独的行 OrderedDict key1 u value1 key2 value2 OrderedDict key1 u value1 key2 value2 Or

  • 如何在 Python 中将列表变量传递给 subprocess.call 命令

    我有一个清单 apps apps append wq35a5huqlja45jsyukrpmwuiayovrmh apps append q7mimvgduueernwvw4y22t5huemykntw apps append pmudbp

  • 在matplotlib中绘制曲线连接点

    所以我试图绘制曲线来连接点 这是我正在使用的代码 def hanging line point1 point2 a point2 1 point1 1 np cosh point2 0 np cosh point1 0 b point1 1

  • AIORedis 和 PUB/SUB 不是 asnyc

    I used aioredis http aioredis readthedocs org en latest examples html用于编写异步服务 该服务将侦听某个通道并以异步方式运行一些命令 基本上我从示例页面 http aior

  • Python：计算非整数的阶乘

    我想知道是否有一种快速的 Pythonic 的方法来计算非整数的阶乘 例如 3 4 当然 内置的factorial 函数在Math模块可用 但它仅适用于积分 我不关心这里的负数 你想用math gamma x http docs pytho

  • pytest - ModuleNotFoundError - python 3.6.4

    我有一个具有以下布局的项目 MANIFEST in README md init py company init py api init py auth py debug py exceptions py reporting py rest

  • 字典条目被覆盖？ [复制]

    这个问题在这里已经有答案了 我发现一些输入没有存储在 Python 3 的字典中 运行这段代码 N int input How many lines of subsequent input graph for n in range N st

  • 用 Ruby 或 Python 解析 SVG 的库 [关闭]

    Closed 这个问题正在寻求书籍 工具 软件库等的推荐 不满足堆栈溢出指南 help closed questions 目前不接受答案 SVG 是一个庞大的标准 它基于 XML 我过去曾将 SVG 解析为 XML 然而 有些事情很难 例如

随机推荐

  • 如何在 Ubuntu、Debian 和 LinuxMint 上安装 Python 3.7

    在撰写本文时 Python 3 7 系列的最新稳定版本已可供安装 本文将帮助您在 Ubuntu 和 LinuxMint 操作系统上安装 Python 3 7 9 你可以拜访here阅读有关 Python 版本的更多信息 先决条件 保持软件包

  • 如何在 Ubuntu 16.04、14.04 上安装 Nginx、PHP 7 和 MySQL

    PHP 7 2 的最新主要版本已经发布 在速度和安全性方面进行了大量优化 所以你应该尝试这个版本来进行开发 本教程将帮助您在 Ubuntu 17 10 16 04 和 14 04 LTS 版本上安装 Nginx PHP 7 2 和 MySQ

  • 了解 Terraform 语法和配置文件

    Terraform 由 HashiCorp 开发 是一款因其在基础设施即代码 IaC 方面的强大功能而广为人知的工具 本综合指南旨在让您深入了解 Terraform 语法 特别关注配置文件 了解 Terraform 语法 Terraform

  • Fedora 26 发布，新功能及升级步骤

    Fedora 26 发布 最终的 Fedora 26 已发布于2017 年 7 月 11 日 Fedora 26有各种软件升级 安全补丁 该版本将与 GENOME 3 24 一起发布 您可以从以下位置下载 Fedora 26 预发行版 Be

  • 如何重命名 SQL Server 数据库

    Microsoft SQL Server 为您提供了多种重命名数据库的方法 您可以使用 SQL Server Management Studio 或运行 SQL 查询来重命名数据库 在重命名数据库之前 请记住 它可能会中断使用当前数据库名称

  • 如何使用SCP命令安全传输文件

    SCP 安全复制 是一个命令行实用程序 允许您在两个位置之间安全地复制文件和目录 With scp 您可以复制文件或目录 从本地系统到远程系统 从远程系统到本地系统 在本地系统的两个远程系统之间 当传输数据时scp 文件和密码都经过加密 因

  • 如何在 CentOS 7 上安装 VMware Workstation Player

    VMware是一个成熟稳定的虚拟化解决方案 允许您在一台机器上运行多个独立的操作系统 您可以创建自己的虚拟机并评估许多软件供应商作为虚拟设备分发的软件 这些软件可从VMware 解决方案交流 本教程将指导您完成在 CentOS 7 上安装

  • 如何在 Ubuntu 18.04 上安装 Java

    Java 是世界上最流行的编程语言之一 用于构建不同类型的跨平台应用程序 本教程介绍如何在 Ubuntu 18 04 上安装各种版本的 OpenJDK 以及 Oracle Java 相同的说明适用于 Ubuntu 16 04 和任何基于 U

  • 如何在 Ubuntu 18.04 上安装 Apache Cassandra

    Apache Cassandra 是一个免费的开源 NoSQL 数据库 不存在单点故障 它提供线性可扩展性和高可用性 而不会影响性能 Apache Cassandra 被许多组织使用 包括 Apple NetFlix eBay 和 Easo

  • Linux 中的超时命令

    timeout是一个命令行实用程序 它运行指定的命令 并在给定时间段后终止该命令 如果该命令仍在运行 换句话说 timeout允许您运行有时间限制的命令 这timeout命令是 GNU 核心实用程序包的一部分 几乎所有 Linux 发行版上

  • 如何在 CentOS 7 上添加交换空间

    交换空间是磁盘上的空间 当物理 RAM 内存已满时使用 当 Linux 系统耗尽 RAM 时 非活动页面将从 RAM 移至交换空间 交换空间可以采用专用交换分区或交换文件的形式 在大多数情况下 当在虚拟机上运行 CentOS 时 不存在交换

  • 如何在 Ubuntu 18.04 上设置 Apache 虚拟主机

    在本教程中 我们将提供有关如何在 Ubuntu 18 04 上设置 Apache 虚拟主机的分步说明 Apache 虚拟主机允许您在一台计算机上运行多个网站 使用虚拟主机 您可以指定站点文档根目录 包含网站文件的目录 为每个站点创建单独的安

  • 如何在 Ubuntu 20.04 上安装和配置 VNC

    虚拟网络计算 VNC 是一种图形桌面共享系统 允许您使用键盘和鼠标远程控制另一台计算机 它是 Microsoft 的开源替代品远程桌面协议 RDP 本文介绍如何在 Ubuntu 20 04 上安装和配置 VNC 服务器 我们还将向您展示如何

  • 如何在 Ubuntu 18.04 上禁用防火墙

    Ubuntu 附带了一个名为 UFW 简单防火墙 的防火墙配置工具 UFW 是一个用户友好的前端 用于管理 iptables 防火墙规则 其主要目标是使管理防火墙规则更容易 或者顾名思义 不复杂 强烈建议保持防火墙启用 但是 在某些情况下

  • 如何在 Debian 9 上安装 Jenkins

    Jenkins是一个开源自动化服务器 提供了一种设置持续集成和持续交付 CI CD 管道的简单方法 持续集成 CI 是一种 DevOps 实践 团队成员定期将代码更改提交到版本控制存储库 然后运行自动化构建和测试 持续交付 CD 是自动构建

  • 如何在 Debian 10 上配置 MySQL (MariaDB) 主从复制

    MySQL 复制是将数据从一台数据库服务器 主服务器 复制到一台或多台服务器 从服务器 的过程 MySQL 支持多种复制拓扑 其中主 从拓扑是最著名的拓扑之一 其中一台数据库服务器充当主服务器 而一台或多台服务器充当从服务器 默认情况下 复

  • 如何在 Ubuntu 18.04 上安装 Ghost

    Ghost 是一个构建在 Node js 平台之上的现代源代码发布平台 它完全可定制且易于使用 使您可以以几乎零的学习曲线发布内容 在本教程中 我们将向您展示如何使用 Nginx 作为代理 免费的 Let s Encrypt SSL 证书

  • 使用 NumPy 范数计算向量和矩阵范数

    在线性代数中 范数是为向量空间中的每个向量分配严格正的长度或大小的函数 它是矢量大小的度量 从数学上来说 对于一个向量x the p 范数定义为 x p sum xi p 1 p 在本教程中 我们将使用numpy linalg norm f

  • 在 Pandas query() 中使用字符串方法：数据帧过滤

    The Pandas 中的 query 方法允许您过滤数据帧 并且当与字符串方法结合使用时 可能性变得广泛 在本教程中 您将学习如何在query 功能来细化和过滤数据 目录 hide 1 检查子字符串 str contains 2 str

  • Seaborn histplot（用直方图可视化数据）

    Seaborn 是最广为人知的数据可视化库之一 运行在Matplotlib 通过 Seaborn 我们可以渲染各种类型的绘图 并提供简单 直观且高度可定制的 API 来生成数据可视化 如果没有丰富的可视化 就很难理解数据并与数据进行交流 想

热门标签