用matplotlib复现一幅看到的图

已于 2022-04-29 22:36:24 修改
阅读量650 收藏 1
点赞数 1
分类专栏： python数学建模 文章标签： python
于 2022-04-26 23:07:19 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/delsystem32/article/details/124427866
版权

文章目录

当你看到一幅精美的图时，你想到了什么？

4月的一个晚上，一位同学在《Corporate Finance》上看到下图时，脑中产生了这么一个想法：“我能否用matplotlib把它画出来？”

在这里插入图片描述

每当脑中产生一些有趣的idea时，我都会把它记录下来。而今天这个idea我不需要记下来，因为我打算即刻就把它照进现实。

下面让我手把手教你，如何一步步复现上面这幅精美的图！或者在文末直接获取全部代码！

〇、 首先分别出图片的主要组成要素

在这里插入图片描述

① x和y的数据
② 颜色
③ xy轴的刻度和标签等
④ 黑点和虚线
⑤ 箭头和文本

然后让我们来实现它们吧👣👣

一、 获取三条线x和y的数据

1. 分析下书上的数据

  • 第一点的数据来源是非常重要的，若果没有数据，那我怎么画出一样的线条呢？好在数据已经在书中给出。

在这里插入图片描述
在这里插入图片描述

三条线分别对应的是三种投资机会。简单分析下三种投资机会。

  • l 1 l_1 l1​是把钱投给男朋友的项目， l 2 l_2 l2​是自己投资两台无人机送外卖， l 3 l_3 l3​是她发现自己其实可以投资十台无人机送外卖。
  • 这三种投资机会是互斥的，也就是她只能选择其中一种进行投资，因为她的时间和精力是有限的。
  • 此外，这三种投资方式的现金流模式时一样的，但是初始规模(Scale)和年金存在差异。

注意：上面两张ppt中展示的是假定折现率为12%的情况下三种投资方案的NPV，而我们要绘制净现值曲线，则需要遍历折现率的全部可能取值来获得三条 l l l。

注意：内部收益率IRR和债券的到期收益率不同。 李奇霖：债券收益率曲线与利差分析


2. 使用numpy_financial计算不同折现率下的净现值

首先导入需要用的库:
➕ numpy
📊 matplotlib.pyplot
⌚ numpy_financial

这里介绍一下numpy_financial库。

numpy_financial可用于金融计算，相当于金融计计算器的作用。可以用它来计算现值，利率，终值等。

图中线条的数据涉及到不同折现率下的净现值，所以我要用numpy_financial来生计算现值。

import numpy as np
import matplotlib.pyplot as plt
import numpy_financial as npf

np.set_printoptions(threshold=10)  # 设置数组显示长度

👉生成从0.001到1，间隔0.001的1000个折现率数据。

R = np.linspace(0,1,1001)[1:]
R

array([0.001, 0.002, 0.003, ..., 0.998, 0.999, 1.   ])
  • 生成 l 1 l_1 l1​的数据。
Solutions1 = []          # 存储l1的全部NPV
for r in R:
    rate = r             # 每期实际利率
    nper = 3             # 期数
    c = 5000             # 负号表示现金流支出
    fv = 0               # 终值
    when = 0             # 最后一个0表明现金六期末开始，但起始点都是期初也就是会折现到期初
    Solutions1.append(-npf.pv(rate, nper, c, fv, when)-10000)  #  将现值调为正数，然后带入NPV的计算公式

❗ 用金融计算器时，要注意它额外给你添加的正负号。如果现金流©是正值，那么初始值它会返回负值。

一个直观的理解是你在期初支出（-）了这个投资的钱，然后每一期获得了现金收入（+）。

❗ 但这里我们其实不需要用正负号表示这一多余的信息，我们只要知道年金的现值（本题它的数值本身显

然应该是正的——使用年金计算公式），然后带入NPV的计算公式。所以npv.pv的计算结果要加负号！

Net Present Value
NPV = PV(Benefits) - PV(Costs)
  • 如法炮制，生成 l 2 l_2 l2​的数据。
Solutions2 = []
for r in R:
    rate = r             # 每期实际利率
    nper = 3             # 期数
    c = 6000             # 负号表示现金流支出
    fv = 0               # 终值
    when = 0             # 最后一个0表明现金六期末开始，但起始点都是期初也就是会折现到期初
    Solutions2.append(-npf.pv(rate, nper, c, fv, when)-10000)  #  将现值调为正数，然后带入NPV的计算公式
  • 生成 l 3 l_3 l3​的数据。
Solutions3 = []
for r in R:
    rate = r             # 每期实际利率
    nper = 3             # 期数
    c = 25000            # 负号表示现金流支出
    fv = 0               # 终值
    when = 0             # 最后一个0表明现金六期末开始，但起始点都是期初也就是会折现到期初
    Solutions3.append(-npf.pv(rate, nper, c, fv, when)-50000)  #  将现值调为正数，然后带入NPV的计算公式

二、 颜色

颜色是画的灵魂，不同的颜色会对人的大脑产生不同的刺激，形成不一样的感受，这幅教科书上的颜色很
随和，沁人心脾。

要获得和原图一样的颜色，其实很简单，需要借助画图软件。

1.通过画图获取颜色

  1. 直接截图（windows+shift+s），将图片保存到桌面。
  2. 右键图片———打开方式———画图。

在这里插入图片描述

  1. 点击吸管工具，先吸取 l 1 l_1 l1​橙色线条的颜色。

  2. 点击编辑颜色，出现编辑颜色界面。然后把矩形框中的红黄蓝三个分量记住，写到jupyter中！

在这里插入图片描述

  1. 由于画图中rgb显示的三个分量是十进制的，而python中画图需要十六进制的参数输入，故定义一个转换函数。
def h16_10(n):
    ls = []   
    for i in n:
        m = hex(int(i))
        m=m[2:]
        ls.append(m)    
    return '#' + ''.join(ls)

h16_10([199,129,77])  # 以列表形式输入你记住的三个颜色的分量

'#c7814d'

"#c7814d"就是我们要的结果，它可以直接作为plot的color参数的赋值。

如法炮制获取 l 2 l_2 l2​和左下角区域的颜色。

l 3 l_3 l3​一看便知是紫色，故不需要通过画图获取颜色，右边近似小三角的区域和 l 1 l_1 l1​的颜色一样。

至于 l 1 l_1 l1​和 l 2 l_2 l2​之间的颜色则可以通过设置plot的alpha值(不透明度)来实现。

h16_10([64,138,122])  # 输入三个颜色的分量构成的列表

'#408a7a'

2. 既然已经获取了线条的xy以及颜色，那就来画图吧，然后再一点点加精

# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   # zorder小的先画
plt.plot(R, Solutions2, c='#408a7a', linewidth=2, zorder=1)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 秀出你的图片
plt.show()

在这里插入图片描述


3 填充区域颜色

  • 在填充区域的颜色前先设置xy显示范围。

添加如下代码：

plt.ylim([-4000,12000])
plt.xlim(0,0.4)

# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   
plt.plot(R, Solutions2, c='#408a7a', linewidth=2, zorder=1)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 设置xy显示范围
plt.ylim([-4000,12000])
plt.xlim(0,0.4)
# 秀出你的图片
plt.show()

在这里插入图片描述

  • 填充颜色。
    • 由原图中的两个分界点23.4%和36.3%可以知道，他们应该对应R[233]和R[362]。

添加如下代码:

plt.fill_between(R[:363], Solutions1[:234]+[0]*129, color='#a7cd3a')  # y2默认为0
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, Solutions2[:363],color='#a7cd3a', alpha=0.5)
plt.fill_between(R[363:], Solutions2[363:], color='#d26c53')  # y2默认为0
plt.fill_between(R[234:], Solutions1[234:], [0]*129+Solutions2[363:], color='#d26c53', alpha=0.5)

# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   
plt.plot(R, Solutions2, c='#408a7a', linewidth=2)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 设置xy边界
plt.ylim([-4000,12000])
plt.xlim(0,0.4)
# 填充颜色
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, color='#a7cd3a')  # y2默认为0
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, Solutions2[:363],color='#a7cd3a', alpha=0.5)
plt.fill_between(R[363:], Solutions2[363:], color='#d26c53')  # y2默认为0
plt.fill_between(R[234:], Solutions1[234:], [0]*129+Solutions2[363:], color='#d26c53', alpha=0.5)
# 秀出你的图片
plt.show()

在这里插入图片描述


三、 xytick和xylabel

1. 让上边和右边的边框线消失

添加如下代码:

ax = plt.gca()  # 获得当前Axes对象
ax.spines['right'].set_color('none')  # 包围线消失
ax.spines['top'].set_color('none')

3. 设置x轴的位置。

  • 让原来的横轴消失，然后自己plot添加横轴。
  • 通过自己添加横轴可以让刻度线显示在x轴上方!

添加如下代码:

ax.spines['bottom'].set_color('none')             # 需要让x轴消失（不包括刻度线）自己画
ax.spines['bottom'].set_position(('axes',0.25))   # 设置x轴的tick的位置，移动到NPV=0上面
plt.plot(R, np.array(R)*0, c='k', linewidth=0.8)  # 自己画横轴 ```

# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   
plt.plot(R, Solutions2, c='#408a7a', linewidth=2)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 设置xy边界
plt.ylim([-4000,12000])
plt.xlim(0,0.4)
# 填充颜色
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, color='#a7cd3a')  # y2默认为0
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, Solutions2[:363],color='#a7cd3a', alpha=0.5)
plt.fill_between(R[363:], Solutions2[363:], color='#d26c53')  # y2默认为0
plt.fill_between(R[234:], Solutions1[234:], [0]*129+Solutions2[363:], color='#d26c53', alpha=0.5)
# 让包围线消失
ax = plt.gca()  # 获得当前Axes对象
ax.spines['right'].set_color('none')  # 包围线消失
ax.spines['top'].set_color('none')
# 移动x轴并让刻度显示在x轴上方
ax.spines['bottom'].set_color('none')   # 需要让x轴消失（不包括刻度线）自己画
ax.spines['bottom'].set_position(('axes',0.25))  # 设置x轴的tick的位置，移动到NPV=0上面
plt.plot(R, np.array(R)*0, c='k', linewidth=0.8)  # 自己画横轴
# 秀出你的图片
plt.show()

在这里插入图片描述


4. 调整刻度间隔，并在xtick后添加"%“,在ytick前添加”$"。

添加如下代码：

# 设置xtick
plt.xticks([0.12,0.2,0.234,0.363], [str(i) + '%' for i in [12,20,23.4,36.3]],x=0,y=-100)  
# 设置ytick
plt.yticks([i*2000-4000 for i in range(9)],['$'+str(i*2000-4000) for i in range(9)])      

# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   
plt.plot(R, Solutions2, c='#408a7a', linewidth=2)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 设置xy边界
plt.ylim([-4000,12000])
plt.xlim(0,0.4)
# 填充颜色
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, color='#a7cd3a')  # y2默认为0
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, Solutions2[:363],color='#a7cd3a', alpha=0.5)
plt.fill_between(R[363:], Solutions2[363:], color='#d26c53')  # y2默认为0
plt.fill_between(R[234:], Solutions1[234:], [0]*129+Solutions2[363:], color='#d26c53', alpha=0.5)
# 让包围线消失
ax = plt.gca()  # 获得当前Axes对象
ax.spines['right'].set_color('none')  # 包围线消失
ax.spines['top'].set_color('none')
# 移动x轴并让刻度显示在x轴上方
ax.spines['bottom'].set_color('none')
ax.spines['bottom'].set_position(('axes',0.26))  # 设置x轴的tick的位置，移动到NPV=0上面
plt.plot(R, np.array(R)*0, c='k', linewidth=0.8)  # 自己画横轴
# 调整刻度间隔，并在xtick后添加"%",在ytick前添加"$"。
plt.xticks([0.12,0.2,0.234,0.363], [str(i) + '%' for i in [12,20,23.4,36.3]],x=0,y=-100)   # 设置xtick
plt.yticks([i*2000-4000 for i in range(9)],['$'+str(i*2000-4000) for i in range(9)])   # 设置ytick
# 秀出你的图片
plt.show()

在这里插入图片描述


5. 添加xylabel

  • 注意这里的xlabel不能直接添加在x轴下方，因为x轴已经移动到了大约26%y轴的位置
  • 如果还要xlabel像原图一样留在底部，不妨用plt.suptitle函数来设置

!首先设置字体

# 设置ylabel字体
font1 = {'family': 'Times New Roman',
         'weight': 'bold',  # bold：粗体
         'style':'normal',
         'size': 16}
# 设置subtitle字体
font2 = {'family': 'Times New Roman',
         'weight': 'bold',
        'style':'normal',  # normal：普通；italic：斜体
         'size': 16}

参数设置:

  • style{‘normal’, ‘italic’, ‘oblique’}   italic：斜体 italic和oblique的区别
  • weight{a numeric value in range 0-1000, ‘ultralight’, ‘light’, ‘normal’, ‘regular’, ‘book’, ‘medium’, ‘roman’, ‘semibold’, ‘demibold’, ‘demi’, ‘bold’, ‘heavy’, ‘extra bold’, ‘black’}

添加如下代码：

plt.ylabel('NPV', fontdict=font1, weight='bold')
plt.suptitle('Discount Rate', fontproperties=font2, y=0.1)  # font properties:字体属性
  • 一个需要注意的点：subtitle要通过fontproperties来传入字体的字典参数，而ylabel用font。
# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   
plt.plot(R, Solutions2, c='#408a7a', linewidth=2)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 设置xy边界
plt.ylim([-4000,12000])
plt.xlim(0,0.4)
# 填充颜色
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, color='#a7cd3a')  # y2默认为0
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, Solutions2[:363],color='#a7cd3a', alpha=0.5)
plt.fill_between(R[363:], Solutions2[363:], color='#d26c53')  # y2默认为0
plt.fill_between(R[234:], Solutions1[234:], [0]*129+Solutions2[363:], color='#d26c53', alpha=0.5)
#  让包围线消失
ax = plt.gca()  # 获得当前Axes对象
ax.spines['right'].set_color('none')  # 包围线消失
ax.spines['top'].set_color('none')
# 移动x轴并让刻度显示在x轴上方
ax.spines['bottom'].set_color('none')
ax.spines['bottom'].set_position(('axes',0.26))                                            # 设置x轴的tick的位置，移动到NPV=0上面
plt.plot(R, np.array(R)*0, c='k', linewidth=0.8)                                            # 自己画横轴
# 调整刻度间隔，并在xtick后添加"%",在ytick前添加"$"。
plt.xticks([0.12,0.2,0.234,0.363], [str(i) + '%' for i in [12,20,23.4,36.3]],x=0,y=-100)   # 设置xtick
plt.yticks([i*2000-4000 for i in range(9)],['$'+str(i*2000-4000) for i in range(9)])       # 设置ytick
# 添加xylabel
plt.ylabel('NPV', fontdict=font1, weight='bold')
plt.suptitle('Discount Rate', fontproperties=font2, y=0.1)  # font properties:字体属性
# 秀出你的图片
plt.show()

在这里插入图片描述


四、添加黑点和虚线

  1. 添加黑点,
    添加如下代码：
plt.scatter(0.2,Solutions2[200], c='k')
plt.scatter(0.12,Solutions1[120], c='k')
plt.scatter(0.12,Solutions2[120], c='k')
plt.scatter(0.12,Solutions3[120], c='k')```
  1. 添加虚线,
    添加如下代码：
plt.plot([0.12,0.12], [0,Solutions2[120]],dashes=[6, 3],c='k')  # dashes=[6, 3]表示虚线长6，空白长3 
plt.plot([0.2,0.2], [0.2,Solutions2[200]],dashes=[6, 3],c='k')
  • dashes=[6, 3]表示虚线长6，空白长3
# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   
plt.plot(R, Solutions2, c='#408a7a', linewidth=2)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 设置xy边界
plt.ylim([-4000,12000])
plt.xlim(0,0.4)
# 填充颜色
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, color='#a7cd3a')  # y2默认为0
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, Solutions2[:363],color='#a7cd3a', alpha=0.5)
plt.fill_between(R[363:], Solutions2[363:], color='#d26c53')  # y2默认为0
plt.fill_between(R[234:], Solutions1[234:], [0]*129+Solutions2[363:], color='#d26c53', alpha=0.5)
# 让包围线消失
ax = plt.gca()  # 获得当前Axes对象
ax.spines['right'].set_color('none')  # 包围线消失
ax.spines['top'].set_color('none')
# 移动x轴并让刻度显示在x轴上方
ax.spines['bottom'].set_color('none')
ax.spines['bottom'].set_position(('axes',0.26))                                            # 设置x轴的tick的位置，移动到NPV=0上面
plt.plot(R, np.array(R)*0, c='k', linewidth=0.8)                                            # 自己画横轴
# 调整刻度间隔，并在xtick后添加"%",在ytick前添加"$"。
plt.xticks([0.12,0.2,0.234,0.363], [str(i) + '%' for i in [12,20,23.4,36.3]],x=0,y=-100)   # 设置xtick
plt.yticks([i*2000-4000 for i in range(9)],['$'+str(i*2000-4000) for i in range(9)])       # 设置ytick
# 添加xylabel
plt.ylabel('NPV', fontdict=font1, weight='bold')
plt.suptitle('Discount Rate', fontproperties=font2, y=0.1)  # font properties:字体属性
# 添加黑点
plt.scatter(0.2,Solutions2[200], c='k')
plt.scatter(0.12,Solutions1[120], c='k')
plt.scatter(0.12,Solutions2[120], c='k')
plt.scatter(0.12,Solutions3[120], c='k')
# 添加虚线
plt.plot([0.12,0.12], [0,Solutions2[120]],dashes=[6, 3],c='k')  # dashes=[6, 3]表示虚线长6，空白长3 
plt.plot([0.2,0.2], [0.2,Solutions2[200]],dashes=[6, 3],c='k')
# 秀出你的图片
plt.show()

在这里插入图片描述

五、添加箭头和文本

1. 箭头+箭头的文本标注

添加如下代码：

ax.annotate("Boyfriends's\nbusiness\nIRR", xy=(0.363, 200), xytext=(0.363, 2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"), 
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate("IRR", xy=(0.234, -500), xytext=(0.234, -2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"),
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate("Crossover", xy=(0.2, Solutions2[200]), xytext=(0.25, Solutions2[200]+1000),
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3, rad=0"),
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate(' Cost of \nCapital', xy=(0.12, -500), xytext=(0.12, -2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"),
             horizontalalignment='center',verticalalignment ='top')  #,fontsize='x-large')

参数说明：

ax.annotate(“文本”,xy=(箭头位置)，xytext(文本位置)，
            arrowarprops=dict(箭头样式),
            horizontalalignment=‘center’ # 把x作为文本框水平方向的中心点的位置,
            verticalalignment =‘bottom’ # 把y作为文本框垂直方向的底部的位置)
            # 上面两行就是设定xytext指的是文本框中间底部的坐标。

  • 还可设置fontsize='x-large’让文字变大。
# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   
plt.plot(R, Solutions2, c='#408a7a', linewidth=2)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 设置xy边界
plt.ylim([-4000,12000])
plt.xlim(0,0.4)
# 填充颜色
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, color='#a7cd3a')  # y2默认为0
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, Solutions2[:363],color='#a7cd3a', alpha=0.5)
plt.fill_between(R[363:], Solutions2[363:], color='#d26c53')  # y2默认为0
plt.fill_between(R[234:], Solutions1[234:], [0]*129+Solutions2[363:], color='#d26c53', alpha=0.5)
# 让包围线消失
ax = plt.gca()  # 获得当前Axes对象
ax.spines['right'].set_color('none')  # 包围线消失
ax.spines['top'].set_color('none')
# 移动x轴并让刻度显示在x轴上方
ax.spines['bottom'].set_color('none')
ax.spines['bottom'].set_position(('axes',0.26))                                            # 设置x轴的tick的位置，移动到NPV=0上面
plt.plot(R, np.array(R)*0, c='k', linewidth=0.8)                                            # 自己画横轴
# 调整刻度间隔，并在xtick后添加"%",在ytick前添加"$"。
plt.xticks([0.12,0.2,0.234,0.363], [str(i) + '%' for i in [12,20,23.4,36.3]],x=0,y=-100)   # 设置xtick
plt.yticks([i*2000-4000 for i in range(9)],['$'+str(i*2000-4000) for i in range(9)])       # 设置ytick
# 添加xylabel
plt.ylabel('NPV', fontdict=font1, weight='bold')
plt.suptitle('Discount Rate', fontproperties=font2, y=0.1)  # font properties:字体属性
# 添加黑点
plt.scatter(0.2,Solutions2[200], c='k')
plt.scatter(0.12,Solutions1[120], c='k')
plt.scatter(0.12,Solutions2[120], c='k')
plt.scatter(0.12,Solutions3[120], c='k')
# 添加虚线
plt.plot([0.12,0.12], [0,Solutions2[120]],dashes=[6, 3],c='k')  # dashes=[6, 3]表示虚线长6，空白长3 
plt.plot([0.2,0.2], [0.2,Solutions2[200]],dashes=[6, 3],c='k')
# 添加箭头和文本
ax.annotate("Boyfriends's\nbusiness\nIRR", xy=(0.363, 200), xytext=(0.363, 2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"), 
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate("IRR", xy=(0.234, -500), xytext=(0.234, -2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"),
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate("Crossover", xy=(0.2, Solutions2[200]), xytext=(0.25, Solutions2[200]+1000),
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3, rad=0"),
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate(' Cost of \nCapital', xy=(0.12, -500), xytext=(0.12, -2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"),
             horizontalalignment='center',verticalalignment ='top')  
# 秀出你的图片
plt.show()

在这里插入图片描述

2. 仅添加文本和全局设定字体大小

  • 上面的图中字体都有点小，所以首先全局设定字体类型和大小。
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['font.size'] = 18
  • 然后添加 l 2 l_2 l2​和 l 3 l_3 l3​的两处文本说明（不带箭头的）:
plt.text( 0.13, Solutions3[120],'Delivery Service\n (10 drones)', c='k')
plt.text( 0.363, Solutions1[363]-1200, 'Delivery Service \n(2 drones)', c='k', horizontalalignment='center')

# 全局设定字体类型和大小
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['font.size'] = 18
# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   
plt.plot(R, Solutions2, c='#408a7a', linewidth=2)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 设置xy边界
plt.ylim([-4000,12000])
plt.xlim(0,0.4)
# 填充颜色
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, color='#a7cd3a')  # y2默认为0
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, Solutions2[:363],color='#a7cd3a', alpha=0.5)
plt.fill_between(R[363:], Solutions2[363:], color='#d26c53')  # y2默认为0
plt.fill_between(R[234:], Solutions1[234:], [0]*129+Solutions2[363:], color='#d26c53', alpha=0.5)
# 让包围线消失
ax = plt.gca()  # 获得当前Axes对象
ax.spines['right'].set_color('none')  # 包围线消失
ax.spines['top'].set_color('none')
# 移动x轴并让刻度显示在x轴上方
ax.spines['bottom'].set_color('none')
ax.spines['bottom'].set_position(('axes',0.26))                                            # 设置x轴的tick的位置，移动到NPV=0上面
plt.plot(R, np.array(R)*0, c='k', linewidth=0.8)                                            # 自己画横轴
# 调整刻度间隔，并在xtick后添加"%",在ytick前添加"$"。
plt.xticks([0.12,0.2,0.234,0.363], [str(i) + '%' for i in [12,20,23.4,36.3]],x=0,y=-100)   # 设置xtick
plt.yticks([i*2000-4000 for i in range(9)],['$'+str(i*2000-4000) for i in range(9)])       # 设置ytick
# 添加xylabel
plt.ylabel('NPV', fontdict=font1, weight='bold')
plt.suptitle('Discount Rate', fontproperties=font2, y=0.1)  # font properties:字体属性
# 添加黑点
plt.scatter(0.2,Solutions2[200], c='k')
plt.scatter(0.12,Solutions1[120], c='k')
plt.scatter(0.12,Solutions2[120], c='k')
plt.scatter(0.12,Solutions3[120], c='k')
# 添加虚线
plt.plot([0.12,0.12], [0,Solutions2[120]],dashes=[6, 3],c='k')  # dashes=[6, 3]表示虚线长6，空白长3 
plt.plot([0.2,0.2], [0.2,Solutions2[200]],dashes=[6, 3],c='k')
# 添加箭头和文本
ax.annotate("Boyfriends's\nbusiness\nIRR", xy=(0.363, 200), xytext=(0.363, 2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"), 
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate("IRR", xy=(0.234, -500), xytext=(0.234, -2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"),
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate("Crossover", xy=(0.2, Solutions2[200]), xytext=(0.25, Solutions2[200]+1000),
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3, rad=0"),
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate(' Cost of \nCapital', xy=(0.12, -500), xytext=(0.12, -2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"),
             horizontalalignment='center',verticalalignment ='top')  
# 添加纯文本
plt.text( 0.13, Solutions3[120],'Delivery Service\n (10 drones)', c='k')
plt.text( 0.363, Solutions1[363]-1200, 'Delivery Service \n(2 drones)', c='k', horizontalalignment='center')
# 秀出你的图片
plt.show()

在这里插入图片描述


3. 在 l 3 l_3 l3​和刻度值23.4%处添加白色block

添加如下代码：

for label in ax.get_xticklabels()[2:3]:    
    label.set_fontsize(16)    
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=2)

# 全局设定字体类型和大小
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['font.size'] = 18
# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   
plt.plot(R, Solutions2, c='#408a7a', linewidth=2)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 设置xy边界
plt.ylim([-4000,12000])
plt.xlim(0,0.4)
# 填充颜色
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, color='#a7cd3a')  # y2默认为0
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, Solutions2[:363],color='#a7cd3a', alpha=0.5)
plt.fill_between(R[363:], Solutions2[363:], color='#d26c53')  # y2默认为0
plt.fill_between(R[234:], Solutions1[234:], [0]*129+Solutions2[363:], color='#d26c53', alpha=0.5)
# 让包围线消失
ax = plt.gca()  # 获得当前Axes对象
ax.spines['right'].set_color('none')  # 包围线消失
ax.spines['top'].set_color('none')
# 移动x轴并让刻度显示在x轴上方
ax.spines['bottom'].set_color('none')
ax.spines['bottom'].set_position(('axes',0.26))                                            # 设置x轴的tick的位置，移动到NPV=0上面
plt.plot(R, np.array(R)*0, c='k', linewidth=0.8)                                            # 自己画横轴
# 调整刻度间隔，并在xtick后添加"%",在ytick前添加"$"。
plt.xticks([0.12,0.2,0.234,0.363], [str(i) + '%' for i in [12,20,23.4,36.3]],x=0,y=-100)   # 设置xtick
plt.yticks([i*2000-4000 for i in range(9)],['$'+str(i*2000-4000) for i in range(9)])       # 设置ytick
# 添加xylabel
plt.ylabel('NPV', fontdict=font1, weight='bold')
plt.suptitle('Discount Rate', fontproperties=font2, y=0.1)  # font properties:字体属性
# 添加黑点
plt.scatter(0.2,Solutions2[200], c='k')
plt.scatter(0.12,Solutions1[120], c='k')
plt.scatter(0.12,Solutions2[120], c='k')
plt.scatter(0.12,Solutions3[120], c='k')
# 添加虚线
plt.plot([0.12,0.12], [0,Solutions2[120]],dashes=[6, 3],c='k')  # dashes=[6, 3]表示虚线长6，空白长3 
plt.plot([0.2,0.2], [0.2,Solutions2[200]],dashes=[6, 3],c='k')
# 添加箭头和文本
ax.annotate("Boyfriends's\nbusiness\nIRR", xy=(0.363, 200), xytext=(0.363, 2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"), 
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate("IRR", xy=(0.234, -500), xytext=(0.234, -2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"),
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate("Crossover", xy=(0.2, Solutions2[200]), xytext=(0.25, Solutions2[200]+1000),
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3, rad=0"),
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate(' Cost of \nCapital', xy=(0.12, -500), xytext=(0.12, -2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"),
             horizontalalignment='center',verticalalignment ='top')  
# 添加纯文本
plt.text( 0.13, Solutions3[120],'Delivery Service\n (10 drones)', c='k')
plt.text( 0.363, Solutions1[363]-1200, 'Delivery Service \n(2 drones)', c='k', horizontalalignment='center')
# 在l3和23.4%交叉处添加白色矩形
for label in ax.get_xticklabels()[2:3]:    
    label.set_fontsize(16)    
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=2))
# 秀出你的图片
plt.show()

在这里插入图片描述
至此，大功告成。基本实现了与原图百分之90的相似度。

全部代码如下!

# 复现一幅教科书上看到的图
import numpy as np
import matplotlib.pyplot as plt
import numpy_financial as npf
# 生成数据
R = np.linspace(0,1,1001)[1:]
Solutions1 = []          # 存储l1的全部NPV
for r in R:
    rate = r             # 每期实际利率
    nper = 3             # 期数
    c = 5000             # 负号表示现金流支出
    fv = 0               # 终值
    when = 0             # 最后一个0表明现金六期末开始，但起始点都是期初也就是会折现到期初
    Solutions1.append(-npf.pv(rate, nper, c, fv, when)-10000)  #  将现值调为正数，然后带入NPV的计算公式
Solutions2 = []
for r in R:
    rate = r             # 每期实际利率
    nper = 3             # 期数
    c = 6000             # 负号表示现金流支出
    fv = 0               # 终值
    when = 0             # 最后一个0表明现金六期末开始，但起始点都是期初也就是会折现到期初
    Solutions2.append(-npf.pv(rate, nper, c, fv, when)-10000)  #  将现值调为正数，然后带入NPV的计算公式
Solutions3 = []
for r in R:
    rate = r             # 每期实际利率
    nper = 3             # 期数
    c = 25000            # 负号表示现金流支出
    fv = 0               # 终值
    when = 0             # 最后一个0表明现金六期末开始，但起始点都是期初也就是会折现到期初
    Solutions3.append(-npf.pv(rate, nper, c, fv, when)-50000)  #  将现值调为正数，然后带入NPV的计算公式
# 开始绘图
# 全局设定字体类型和大小
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['font.size'] = 18
# 设置ylabel字体
font1 = {'family': 'Times New Roman',
         'weight': 'bold',  # bold：粗体
         'style':'normal',
         'size': 16}
# 设置subtitle字体
font2 = {'family': 'Times New Roman',
         'weight': 'bold',
        'style':'normal',  # normal：普通；italic：斜体
         'size': 16}
# 生成画布
fig = plt.figure(figsize=(10,8))
# 绘制三条曲线
plt.plot(R, Solutions1, c='#c57746', linewidth=2, zorder=1)   
plt.plot(R, Solutions2, c='#408a7a', linewidth=2)
plt.plot(R, Solutions3, c='purple', linewidth=2, zorder=1)
# 设置xy边界
plt.ylim([-4000,12000])
plt.xlim(0,0.4)
# 填充颜色
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, color='#a7cd3a')  # y2默认为0
plt.fill_between(R[:363], Solutions1[:234]+[0]*129, Solutions2[:363],color='#a7cd3a', alpha=0.5)
plt.fill_between(R[363:], Solutions2[363:], color='#d26c53')  # y2默认为0
plt.fill_between(R[234:], Solutions1[234:], [0]*129+Solutions2[363:], color='#d26c53', alpha=0.5)
# 让包围线消失
ax = plt.gca()  # 获得当前Axes对象
ax.spines['right'].set_color('none')  # 包围线消失
ax.spines['top'].set_color('none')
# 移动x轴并让刻度显示在x轴上方
ax.spines['bottom'].set_color('none')
ax.spines['bottom'].set_position(('axes',0.26))                                            # 设置x轴的tick的位置，移动到NPV=0上面
plt.plot(R, np.array(R)*0, c='k', linewidth=0.8)                                            # 自己画横轴
# 调整刻度间隔，并在xtick后添加"%",在ytick前添加"$"。
plt.xticks([0.12,0.2,0.234,0.363], [str(i) + '%' for i in [12,20,23.4,36.3]],x=0,y=-100)   # 设置xtick
plt.yticks([i*2000-4000 for i in range(9)],['$'+str(i*2000-4000) for i in range(9)])       # 设置ytick
# 添加xylabel
plt.ylabel('NPV', fontdict=font1, weight='bold')
plt.suptitle('Discount Rate', fontproperties=font2, y=0.1)  # font properties:字体属性
# 添加黑点
plt.scatter(0.2,Solutions2[200], c='k')
plt.scatter(0.12,Solutions1[120], c='k')
plt.scatter(0.12,Solutions2[120], c='k')
plt.scatter(0.12,Solutions3[120], c='k')
# 添加虚线
plt.plot([0.12,0.12], [0,Solutions2[120]],dashes=[6, 3],c='k')  # dashes=[6, 3]表示虚线长6，空白长3 
plt.plot([0.2,0.2], [0.2,Solutions2[200]],dashes=[6, 3],c='k')
# 添加箭头和文本
ax.annotate("Boyfriends's\nbusiness\nIRR", xy=(0.363, 200), xytext=(0.363, 2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"), 
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate("IRR", xy=(0.234, -500), xytext=(0.234, -2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"),
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate("Crossover", xy=(0.2, Solutions2[200]), xytext=(0.25, Solutions2[200]+1000),
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3, rad=0"),
             horizontalalignment='center',verticalalignment ='bottom')  #,fontsize='x-large')
ax.annotate(' Cost of \nCapital', xy=(0.12, -500), xytext=(0.12, -2000),
             arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"),
             horizontalalignment='center',verticalalignment ='top')  
# 添加纯文本
plt.text( 0.13, Solutions3[120],'Delivery Service\n (10 drones)', c='k')
plt.text( 0.363, Solutions1[363]-1200, 'Delivery Service \n(2 drones)', c='k', horizontalalignment='center')
# 在l3和23.4%交叉处添加白色矩形
for label in ax.get_xticklabels()[2:3]:    
    label.set_fontsize(16)    
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=2))
# 秀出你的图片
plt.show()

困惑和不足

  1. 通过什么方法来调整 l 3 l_3 l3​和“ 23.4 % 23.4\% 23.4%”交界处白色block的位置？

  2. 原图中的到底是什么字体？有点像写手写印刷体。

  3. 原图中的字体有点拉长，较细，怎么实现？没办法通过调整字体的stretch和weight来实现。

  4. 可以看到，这个代码啊，越写越长。那在我下一次要画类似的图时，难道又要写那么长的代码吗？
    能否用一下marplotlob的style功能，将上面的图保存成一个风格？

数学家面膜
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
使用matplotlib绘制一个基本的折线图
06-03
附件展示如何使用matplotlib绘制一个基本的折线图 这段代码首先导入了matplotlib.pyplot模块，然后准备了一些简单的数据。使用plt.plot()函数来绘制折线图，并通过marker、linestyle和color参数来定制图表的外观。...
解决python中用matplotlib画多幅图时出现图形部分重叠的问题
09-19
在Python的可视化领域，`matplotlib` 是一个广泛使用的库，它允许用户创建各种类型的图表，如折线图、散点图、柱状图等。然而，在绘制多幅图时，可能会遇到图形部分重叠的问题，这会影响图表的可读性和美观性。本文...
复现与复现图笔记（1）
jy199548的博客
11-21 332
期刊论文图片代码复现（Origin&Matlab）
m0_64583023的博客
03-30 2039
经常在论文中，需要用到图片的数据，然后方便可视化研究。不知道小伙伴们怎么解决的，今天介绍一种方法，希望帮到大家一丢丢。
基于Python、numpy_financial的资金终值复利计算公式应用，期初贷款， 每月部分还款，期末总共还款多少
最新发布
xll_007的博客
04-30 467
应用Python的numpy_financial里面的终值公式来解决终值问题。例子描述：期初存款1000万，年利率3%，每季度再存款10万元，到5年末的时候取出，总共可以拿到多少钱。 资金的时间价值，因为复利这个非常有用的东西存在，资金会随着时间产生价值。
matplotlib plt.gca()学习
qq_45759229的博客
04-14 1205
之前一直在这个代码里看到plt.gca()的使用，但是一直没搞明白这个怎么用，今天总结一下gca是get current axis的首字母的缩写，就是控制坐标轴的，也是比较简单的，并不是一个很复杂的函数。
数据可视化
chbxw
05-25 735
  数据的可视化是数据探索、数据分析中的重要任务，通过可视化可以帮助我们发现数 据的异常值、特征的分布情况等，为数据预处理提供重要支持。Spark目前对数据的可视化 功能还很弱或还没有，不过没关系，我们可以借助Python或R等可视化功能，Python 和R 在数据可视化方面功能很强大，这里以Python的数据可视化为例。Python的数据表现能力 很强，其可视化可以使用matplotlib或pl...
数据可视化之 Matplotlib
sereasuesue的博客
02-05 315
可参考 https://mofanpy.com/tutorials/data-manipulation/plt/ 基本用法 # set new sticks new_ticks = np.linspace(-1, 2, 5) print(new_ticks) plt.xticks(new_ticks) # set tick labels plt.yticks([-2, -1.8, -1, 1.22, 3], [r'$really\ bad$', r'$bad$', r'$n
使用 matplotlib绘制简单图形，保存图片的方法
01-07
本博客介绍如何使用 matplotlib 绘制简单的图形，并介绍保存图片的方法。 matplotlib 可以绘制出很高级，很复杂的图形，本篇博客不做介绍，可以查看官方文档，写的很清楚，这里仅对部分使用频率比较高的图形做介绍 ...
c ++使用matplotlib
07-20
这个示例代码使用Matplotlib在C++中绘制了一条简单的线形图，并显示了图形。 使用Matplotlib在C++中进行绘图可以生成高质量的图形，并且可以与Python的Matplotlib库进行交互式环境生成图形。同时，使用Matplotlib在...
python3使用matplotlib绘制条形图
12-26
本文实例为大家分享了python3使用matplotlib绘制条形图的具体代码，供大家参考，具体内容如下 绘制竖状条形图 代码 from matplotlib import pyplot as plt from matplotlib import font_manager my_font = font_...
期刊论文图片代码复现【由图片还原代码】（Origin&Matlab）
Yan_she_He的博客
04-12 785
概述经常在论文中，需要用到图片的数据，然后方便可视化研究。不知道小伙伴们怎么解决的，今天介绍一种方法，希望帮到大家一丢丢。📚2 复刻步骤2.1 步骤1进入图像数字化工具界面。打开软件后，点击菜单栏-工具-图像数字化工具，进入如下图所示界面。
基于matplotlib的数据可视化 - 三维曲面图gca
weixin_34125592的博客
08-13 1434
1 语法 ax = plt.gca(projection='3d')ax.plot_surface(x,y,z,rstride=行步距，cstride=列步距，cmap=颜色映射)     gca(**kwargs) 在当前图像上，获取与给定关键字args匹配的当前Axes的当前Axes实例，若不存在，则会返回一个新创建的实例。 帮助文档中的一个示例 plt.gca(pro...
Matplotlib绘图-第四回：文字图例尽眉目
weixin_41955255的博客
01-18 471
本文为DataWhale的Matplotlib训练营 链接：https://datawhalechina.github.io/fantastic-matplotlib/index.html 文章目录Figure和Axes上的文本文本APItext-子图上的文本xlabel和ylabel - 子图的x，y轴标签title和suptitle - 子图和画布的标题annotate - 子图的注解字体的属性设置Tick上的文本简单模式Tick Locators and FormattersTick Format.
Matplotlib 中文用户指南 4.5 标注
热门推荐
龙哥盟
01-30 4万+
标注 原文：Annotation 译者：飞龙 协议：CC BY-NC-SA 4.0 基本标注使用text()会将文本放置在轴域的任意位置。 文本的一个常见用例是标注绘图的某些特征，而annotate()方法提供辅助函数，使标注变得容易。 在标注中，有两个要考虑的点：由参数xy表示的标注位置和xytext的文本位置。 这两个参数都是(x, y)元组。import numpy a
matplotlib命令与格式：标题(title),标注(annotate),文字说明(text)
wuguangbin1230的博客
10-19 6196
1.title设置图像标题 (1)title常用参数 fontsize设置字体大小，默认12，可选参数 ['xx-small', 'x-small', 'small', 'medium', 'large','x-large', 'xx-large'] fontweight设置字体粗细，可选参数 ['light', 'normal', 'medium', 'semibold', 'bold', '...
Python Matplotlib简易教程(小白教程)
菜鸟教程
11-12 1万+
更多编程教程请到：菜鸟教程 https://www.piaodoo.com/ 友情链接：好看站 http://www.nrso.net/ 简单演示 import matplotlib.pyplot as plt import numpy as np 从[-1,1]中等距去50个数作为x的取值 x = np.linspace(-1, 1, 50) print(x) y = 2*x + 1 第一个是横坐标的值，第二个是纵坐标的值 plt.plot(x, y) 必要方法，用于将设置好的figure对
ax.spines——matplotlib坐标轴设置
Bowen Wang的博客
10-11 3万+
通常软件绘图，包括 matlab、python 的 matplotlib，默认都是将坐标轴置于画布（figure）的最下侧（x 轴），最左侧（y 轴），也即将坐标原点置于左下角 获取坐标轴 在matplotlib的图中，默认有四个轴，两个横轴和两个竖轴，可以通过ax = plt.gca()方法获取，gca是‘get current axes’的缩写，获取图像的轴，总共有四个轴top、bottom、...
matplotlib复现图像
08-26
要使用matplotlib复现图像，您可以按照以下步骤进行操作： 1. 导入所需的库： ```python import matplotlib.pyplot as plt ``` 2. 准备数据： 根据您要复现的图像类型，准备好相应的数据。 3. 创建画布和子图： `...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值