Matplotlib库详解

最新推荐文章于 2024-07-09 20:12:07 发布
最新推荐文章于 2024-07-09 20:12:07 发布
阅读量420 收藏 2
点赞数
文章标签： matplotlib python numpy
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/qq_43908049/article/details/128781030
版权

绘制简单的图形

我们使用Mat子模块pyplot来绘制2D图形

范例1 绘制第一个图形

import math
import matplotlib.pyplot as plt

# 生成正弦曲线x点
nbSamples = 256
xRange = (-math.pi, math.pi) # X轴的取值区间【-Π，+Π】
x,y = [],[]  # 创建两个空列表

for n in range(nbSamples):
    ratio = (n+0.5)/nbSamples
    x.append(xRange[0] + (xRange[1]-xRange[0])*ratio)
    y.append(math.sin(x[-1]))  # 将列表x中最后一个数据作为sin()函数的值，求出y
    

# 绘制正弦曲线
plt.plot(x,y)  # x为数据点横坐标，y为数据点纵坐标，x和y可以是列表也可以是元组，但两者的长度要保持一致
plt.show()

在这里插入图片描述

范例2 使用Numpy简化数据构造

import math
import matplotlib.pyplot as plt
import numpy as np

# 生成正弦曲线的数据
nbSamples = 256
x = np.linspace(-math.pi,math.pi,num=256)
y = np.sin(x)


# 绘制图形
plt.plot(x,y)
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-07F5mo6b-1674903203097)(output_5_0.png)]

范例3 修改图形中线条的属性

import numpy as np
import matplotlib.pyplot as plt
nbSamples = 128

x = np.linspace(-np.pi,np.pi,nbSamples)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x,y1,color='g',linewidth=4.,linestyle='--')#  color颜色/linewidth宽度/linestyle形状
plt.plot(x,y2,'*',markersize=8,markerfacecolor='r',markeredgecolor='k')# '*'自动对应linestyle形状/markersize标记点大小/markerfacecolor填充色/markeredgecolor边线颜色

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-2qLcH488-1674903203097)(output_7_0.png)]

pyplot的高级功能

添加图例与注释

范例4 给图形添加图例

import numpy as np
import matplotlib.pyplot as plt
nbSamples = 128

x = np.linspace(-np.pi,np.pi,nbSamples)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x,y1,color='g',linewidth=4.,linestyle='--',label=r'$y=sin(x)$')#  color颜色/linewidth宽度/linestyle形状
plt.plot(x,y2,'*',markersize=8,markerfacecolor='r',markeredgecolor='k',label=r'$y=cos(x)$')# '*'自动对应linestyle形状/markersize标记点大小/markerfacecolor填充色/markeredgecolor边线颜色

plt.legend(loc='best')  # 设置使图例能够在画布最佳位置显示
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-ndkTBjFC-1674903203098)(output_11_0.png)]

范例5 显示坐标点

import numpy as np
import matplotlib.pyplot as plt


x = np.arange(0,10,1)   
y = 2*x

for a, b in zip(x,y):
    plt.text(a,b,(a,b),ha='center',va = 'bottom',fontsize = 10)# 前两个参数表示
    # 要标注的x轴和y轴的坐标位置。第三个参数表示标注的文本内容。这里是显示坐标点
    # ha为水平对齐，其可选参数为'center','right','left'
    # va为垂直对齐，其可选参数为'center','top','bottom','center_baseline'
    
plt.plot(x,y,'bo-')
plt.show()

在这里插入图片描述

设置图形标题及坐标轴

范例6 设置图形标题及坐标轴

import numpy as np
import matplotlib.pyplot as plt


x = np.arange(-5,5,0.05)
y1 = np.sin(x)
y2 = np.cos(x)


#  为在mat中显示中文，设置特殊字体
plt.rcParams['font.sans-serif']=['SimHei'] # SimHei表示简体黑体
plt.rcParams['axes.unicode_minus']=False  # 为了正确显示负号
plt.title('双曲线')   #  给图形设置标题

plt.ylim(-1.2,1.2)  # 设置y轴区间范围
plt.xlim(-6,6)    # 设置x轴区间范围
plt.xticks(ticks=np.arange(-1.5*np.pi, 2*np.pi, 0.5*np.pi),
          labels=['$-\\frac{3}{2}\pi$', '$-\pi$', '$-\\frac{1}{2}\pi$',
                 '0','$\\frac{1}{2}\pi$','$\pi$','$\\frac{3}{2}\pi$'])# 设置x轴刻度，
                    # ticks用于设置坐标轴的刻度值，labels用于设置坐标轴的标签值
plt.yticks(ticks=[-1,0,1])  # 设置y轴刻度
plt.xlabel('我是$X$轴')  # 设置x轴名称
plt.ylabel('我是$Y$轴')  # 设置y轴名称

plt.plot(x,y1,'r-',label='$y_1=sin(x)$')
plt.plot(x,y2,'b:',label='$y_2=cos(x)$')

plt.legend(loc='best')
plt.show()

在这里插入图片描述

范例6 一次性绘制多条曲线

import matplotlib.pyplot as plt
import numpy as np


# 在[0,4)区间，以间隔0.2均匀分割
data = np.arange(0,4,0.2)

# 分别使用红色的点画线、蓝色的方块和绿色的三角形来区分这三条曲线
plt.plot(data,data,'r-.',data,data**2,'bs',data,data**3,'g^')
plt.savefig('mult_lines.png', dpi=600)  # 将显示的结果另存为一张图片

在这里插入图片描述

添加网格线

范例8 添加网格线

import matplotlib.pyplot as plt
import numpy as np


# 在[0,4)区间，以间隔0.2均匀分割
data = np.arange(0,4,0.2)

# 分别使用红色的点画线、蓝色的方块和绿色的三角形来区分这三条曲线
plt.plot(data,data,'r-.',data,data**2,'bs',data,data**3,'g^')
plt.grid(b=True)  # 添加网格线
plt.savefig('mult_lines.png', dpi=600)  # 将显示的结果另存为一张图片

在这里插入图片描述

[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-zR7EvR9G-1674903203099)(attachment:image.png)]

b是否添加网格；which（‘major’|‘minor’|‘both’）,大网格|小网格|大网格里套小网格
axis:x轴添加、y轴添加、都添加

绘制多个子图

subplot(nrows,ncols,plot_number) nrows行ncols列第plot_number个子图

范例9 绘制两个子图

import matplotlib.pyplot as plt
import numpy as np


def f(t):
    return np.exp(-t)*np.cos(2*np.pi*t)

t1 = np.arange(0.0,5.0,0.1)
t2 = np.arange(0.0,5.0,0.02)

# 第一种绘制子图的方法
fig = plt.figure()  # 创建一个画布
sub_fig1 = fig.add_subplot(2,1,1)   # 在画布上创建一个子图
sub_fig1.grid(True)  # 添加网格线
plt.plot(t1,f(t1),'bo',t2,f(t2),'k')  # 两个图叠加在一起成为点画图

# 第二种绘制子图的方法
plt.subplot(2,1,2)
plt.plot(t2,np.cos(2*np.pi*t2),'r--')
plt.show()

在这里插入图片描述

Axes与Subplot的区别

[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-ZqnSVSTu-1674903203100)(attachment:image.png)]

import matplotlib.pyplot as plt
# 生成一个没有子图（Axes）的画布fig
fig = plt.figure()
plt.show()

<Figure size 432x288 with 0 Axes>

# 生成一个画布fig，fig中有2x2分布均匀的子图
fig, axes_lst = plt.subplots(2,2)  # plt.subplots()返回两个值，一个是画布Figure,一个是Axes对象
plt.show()

在这里插入图片描述

# 构造x轴和y轴数据
x = np.linspace(0,2*np.pi,400)
y = np.sin(x**2)
# 在第一行第一列是子图中绘图
axes_lst[1,1].plot(x,y)
plt.show()

散点图

范例10 绘制散点图

import matplotlib.pyplot as plt
import numpy as np


# 产生50对服从正态分布的样本点
nbPointers = 50
x = np.random.standard_normal(nbPointers)
y = np.random.standard_normal(nbPointers)

# 固定种子，以便实验结果具有可重复性
np.random.seed(19680801)
colors = np.random.rand(nbPointers)

area = (30*np.random.rand(nbPointers))**2
plt.scatter(x,y,s = area, c = colors, alpha = 0.5) # 绘制点状图，参数s表示点的大小
# 参数c表示点的颜色，alpha表示透明度,其大小不超过1，数值越大越不透明
plt.show()

在这里插入图片描述

条形图与直方图

垂直条形图

范例12 绘制垂直条形图

import numpy as np
import matplotlib.pyplot as plt

objects = ('Python', 'C++', 'Java', 'Perl', 'Scala', 'Lisp')
y_pos = np.arange(len(objects))# 以横坐标对象数为长度产生一个顺序序列，以此确定x轴上各对象的位置
performance = [10,8,6,4,2,1]

plt.bar(y_pos,performance,align='center',alpha=0.5)
#plt.xticks(y_pos,objects)
plt.ylabel('用户量')
plt.title('数据分析程序语言使用分布情况')

plt.show()

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt

objects = ('Python', 'C++', 'Java', 'Perl', 'Scala', 'Lisp')
y_pos = np.arange(len(objects))# 以横坐标对象数为长度产生一个顺序序列，以此确定x轴上各对象的位置
performance = [10,8,6,4,2,1]

plt.bar(y_pos,performance,align='center',alpha=0.5)
plt.xticks(y_pos,objects)# 作用是确定x轴上各对象的名称
plt.ylabel('用户量')
plt.title('数据分析程序语言使用分布情况')

plt.show()

在这里插入图片描述

[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-G08Tm2rf-1674903203101)(attachment:image.png)]

[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-XKB1Kigh-1674903203101)(attachment:image.png)]

[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-pdPgraZV-1674903203102)(attachment:image.png)]

水平条形图

范例13 绘制水平条形图

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei'] # SimHei表示简体黑体
plt.rcParams['axes.unicode_minus']=False  # 为了正确显示负号
objects = ('Python', 'C++', 'Java', 'Perl', 'Scala', 'Lisp')
y_pos = np.arange(len(objects))# 以横坐标对象数为长度产生一个顺序序列，以此确定x轴上各对象的位置
performance = [10,8,6,4,2,1]

plt.barh(y_pos,performance,align='center',alpha=0.5,color = 'k',tick_label = objects)
# plt.xticks(y_pos,objects)# 作用是确定x轴上各对象的名称
plt.xlabel('用户量')
plt.title('数据分析程序语言使用分布情况')

plt.show()

在这里插入图片描述

并列条形图

范例14 绘制并列条形图

import numpy as np
import matplotlib.pyplot as plt

# 用于绘制图形条的数据
n_groups = 4
means_frank = (90,55,40,65)
means_guido = (85,62,54,20)


# 创建图形
fig,ax = plt.subplots()

# 定义条形图在横坐标上的分类位置
index = np.arange(n_groups)

bar_width = 0.35
opacity = 0.8
# 绘制第一个条形图
rects1 = plt.bar(index,         # 定义第一个条形图的x轴坐标信息
                means_frank,    # 定义第一个条形图的y轴坐标信息
                bar_width,      # 定义图形的宽度
                alpha=opacity,  # 定义图形的透明度
                color='b',      # 定义图形颜色为蓝色
                label='张三')   # 定义图形的标签信息，注意是图形标签

# 绘制第二个条形图
rects2 = plt.bar(index+bar_width,   # 与第一个条形图在x轴上无缝肩并肩
                means_guido,
                bar_width,
                alpha=opacity,
                color='g',
                label='李四')


plt.xlabel('课程')   # 注意是坐标轴的标签
plt.ylabel('分数')
plt.title('分数对比图')
plt.xticks(index+bar_width,('A','B','C','D'))
plt.legend()
plt.show()

在这里插入图片描述

范例15 绘制带有纹理填充的条形图

import numpy as np
import matplotlib.pyplot as plt

# 用于绘制图形条的数据
n_groups = 4
means_frank = (90,55,40,65)
means_guido = (85,62,54,20)


# 创建图形
fig,ax = plt.subplots()

# 定义条形图在横坐标上的分类位置
index = np.arange(n_groups)

bar_width = 0.35
opacity = 0.8
# 绘制第一个条形图
rects1 = plt.bar(index,         # 定义第一个条形图的x轴坐标信息
                means_frank,    # 定义第一个条形图的y轴坐标信息
                bar_width,      # 定义图形的宽度
                alpha=opacity,  # 定义图形的透明度
                color='w',edgecolor='k', # 填充颜色为白色，边界颜色为黑色
                hatch='...',   # 设置纹理类型
                label='张三')   # 定义图形的标签信息，注意是图形标签

# 绘制第二个条形图
rects2 = plt.bar(index+bar_width,   # 与第一个条形图在x轴上无缝肩并肩
                means_guido,
                bar_width,
                alpha=opacity,
                color='w',edgecolor='k',
                hatch='\\\\',
                label='李四')


plt.xlabel('课程')   # 注意是坐标轴的标签
plt.ylabel('分数')
plt.title('分数对比图')
plt.xticks(index+bar_width,('A','B','C','D'))
plt.legend()
plt.show()

在这里插入图片描述

叠加条形图

范例16 绘制叠加条形图

import numpy as np
import matplotlib.pyplot as plt

# 用于绘制图形条的数据
n_groups = 4
means_frank = (90,55,40,65)
means_guido = (85,62,54,20)


# 创建图形
fig,ax = plt.subplots()

# 定义条形图在横坐标上的分类位置
index = np.arange(n_groups)

bar_width = 0.35
opacity = 0.8
# 绘制第一个条形图
rects1 = plt.bar(index,         # 定义第一个条形图的x轴坐标信息
                means_frank,    # 定义第一个条形图的y轴坐标信息
                bar_width,      # 定义图形的宽度
                alpha=opacity,  # 定义图形的透明度
                color='w',edgecolor='k', # 填充颜色为白色，边界颜色为黑色
                hatch='...',   # 设置纹理类型
                label='张三')   # 定义图形的标签信息，注意是图形标签

# 绘制第二个条形图
rects2 = plt.bar(index,   
                means_guido,
                bar_width,
                bottom=means_frank,  # 第二个条形图以第一个为底，以此类推，如果还有第三个条形图需要叠加，它的起点是第二个条形图的顶点
                alpha=opacity,
                color='w',edgecolor='k',
                hatch='\\\\',
                label='李四')


plt.xlabel('课程')   # 注意是坐标轴的标签
plt.ylabel('分数')
plt.title('分数对比图')
plt.xticks(index+bar_width,('A','B','C','D'))
plt.legend()
plt.show()

在这里插入图片描述

直方图

范例17 绘制频率分布直方图

import numpy as np
import matplotlib.pyplot as plt

mu = 100
sigma = 15
x = mu+sigma*np.random.randn(200)  # 随机生成期望为100，标准差为15的200个数据
num_bins = 25   # 划分的组数
plt.figure(figsize=(9,6),dpi=100)

n,bins,patches = plt.hist(x,   # 指定要在x轴上绘制直方图所需要的数据
                          num_bins,  # 指定直方图条形的个数，默认值为10
                         color='w', edgecolor='k',
                         hatch=r'ooo',
                         density=1,  # 设置归一化处理，直方图下的面积总和为1
                         label='频率')

y = ((1/(np.sqrt(2*np.pi)*sigma))*
    np.exp(-0.5*(1/sigma*(bins-mu))**2))

plt.plot(bins,y,'--',label='概率密度函数')
plt.rcParams['font.sans-serif']=['SimHei']
plt.xlabel('聪明度')
plt.ylabel('概率密度')
plt.title('IQ直方图:$\mu=100$,$\sigma=15$')

plt.legend
plt.show()

在这里插入图片描述

饼图

范例19 绘制饼图

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
# 设置图片大小和分辨率
plt.figure(figsize=(9,6),dpi=100)
x = [217,743,426]
labels = ['走路去','自行车','公交车']
explode = [0,0.05,0]

_, _, autotexts = plt.pie(x=x,    # 传入的数据。该数据类似于数组，其中每个元素代表每个饼块的比例
                          labels=labels,  # 定义标签，和数据x维度相同
                          shadow=1,   # 是否有阴影
                         autopct='%.1f%%',  # 默认情况下不显示每个饼块的百分比标注，可以自定义每个饼块的百分比属性
                          explode=explode)  # 默认情况下每个饼块都是彼此相连接的，有时为了突出某一个饼块将其裂开，
                                            # 自定义一个类似于数组的数据来规定每个饼块的爆裂距离
# 将饼图中的字体改成白色
for autotexts in autotexts:
    autotexts.set_color('White')
    
plt.title('3种去学校的方式')
plt.show()

在这里插入图片描述

如果能重来我想当小孩
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Matplotlib库的介绍
weixin_42253964的博客
06-04 5195
Matplotlib是python中一个非常优秀的数据可视化第三方库。可绘制坐标系，饼状图等等一百多种形式的效果。 Matplotlib库由各种可视化类构成，内部结构复杂，受matlab启发。 Matplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式。可以简单的调用Matplotlib中所有的可视化方式。由于名字太长，引入别名plt。 import matplotlib.pyplot as plt 小测一： 启用spyder绘制图形。 import matplotlib.pyplo
详解Matplotlib库的使用
dylan_young的博客
01-13 759
说明：本blog基于python3，matplotlib 3.5.1， numpy 1.22.0 文章目录前言一、创建（初始化）图表对象1.1 在新图表中逐个新的子图表1.2 在图表中创建行，列共享坐标的子图表二、对每个子图进行绘图（折线图）三、对子图进行进一步加工四、图片保存总结 前言 可视化操作广泛应用于数据分析和机器学习中，它可以帮助人们更直观地观测到异常值或所需地数据转换效果；matplotlib作为python的一个桌面绘图包，可以生成出版级质量的图表；该工作包与2002年由John Hunt
【机器学习基础 2】matplotlib库
yewanyuan的博客
03-13 5393
matplotlib是一个用于绘制各种类型图表的Python绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。它支持各种不同的图表类型，包括线图、散点图、条形图、饼图等。
Python数据处理利器：Matplotlib库详解
m0_62153576的博客
10-11 1905
数据# 绘图# 添加标签和标题# 添加图例# 显示图形plt.show()# 数据# 绘图# 自定义坐标轴和刻度# 添加标签和标题# 添加图例# 显示图形plt.show()Matplotlib是Python中最流行的绘图库之一，为数据科学家和工程师提供了强大的绘图工具。通过这篇博客，你已经了解了Matplotlib库的基本绘图、图表样式、子图、以及3D绘图等方面的知识。希望这些实例能够帮助你更好地利用Matplotlib进行数据处理和可视化。
数据挖掘——matplotlib
最新发布
weixin_50164178的博客
07-09 1366
数据挖掘matplotlib部分，包括柱状图，折线图，直方图，饼图，散点图的绘画，并提供了具体的案例和对应代码，已经运行后的结果展示。
数据可视化库 matplotlib 入门 1——安装与配置、常用套路与绘图组件
看流星划过天外的博客
11-27 4003
本文介绍了 matplotlib 库基本信息，库的安装与配置，常用套路和绘图组件等。
Matplotlib库的介绍及使用
qq_53763141的博客
12-24 1万+
Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发，本文章主要介绍其子库pyplot的基本使用和基础图标的绘制。
matplotlib库—数据可视化
m0_66039322的博客
10-30 2489
Matplotlib库
python matplotlib库直方图绘制详解
09-18
Python的matplotlib库是数据可视化的重要工具，尤其在绘制直方图方面表现得尤为出色。直方图是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。在这里，我们将深入探讨如何使用matplotlib库...
十二、python-Matplotlib画图详解
09-28
Python-Matplotlib画图详解 Matplotlib是一款功能强大的Python数据可视化库，它提供了一整套API，十分适合绘制图表，或修改图表的一些属性，如字体、标签、范围等。Matplotlib是一个Python的2D绘图库，它交互式环境...
python的matplotlib库的一些陌生但常用操作详解
05-30
Python的matplotlib库是数据可视化的重要工具，尤其在科学研究和数据分析领域广泛应用。本篇文章将深入探讨matplotlib库中一些可能不那么为人熟知，但实则非常实用的操作。 首先，我们来看看`weather(1).csv`文件，...
python绘图模块matplotlib示例详解
09-18
以下是对matplotlib库的几个关键知识点的详细解释： 1. **绘制一条直线** 在matplotlib中，可以使用`plot()`函数来绘制直线。例如： ```python import numpy as np import matplotlib.pyplot as plt x = np....
Python库matplotlib的使用总结
2301_76737200的博客
06-14 1205
matplotlib库在Python中用于二维图表的绘制，一般用于基于程序的数据分析方向。
Matplotlib库
qq_46458188的博客
01-14 1875
Matplotlib库的介绍 python优秀的数据可视化第三方库，Matplotlib库的效果：http://matplotlib.org/gallery.html Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发。 Matplotlib提供了一个子库——matplotlib.pyplot是绘制各类可视化图像的命令子库，相当于matplotlib的快捷方式。 matplotlib库的使用 import ...
python中的matplotlib库
m0_63131662的博客
07-02 2271
python 的matplotlib模块
【Python】matplotlib库的安装和简单使用
热门推荐
huanqing2010的专栏
03-29 25万+
本文主要介绍matplotlib库的安装和简单使用。针对新手，首先从升级pip工具开始，然后使用pip工具从国内镜像快速下载安装matplotlib库，同时附带简单完整的python代码，用于演示绘制正弦曲线图形。
python----Matplotlib库初识
ChinaYouxin的博客
03-17 1086
在Windows系统下按住"Win+R"，输入“cmd”后，回车，即可打开Windows命令行程序，然后输入 pip install matplotlib,然后回车，就会开始安装Matplotlib库，Numpy库的安装方法相同。注意：每条subplot命令只会创建一个子图。:用来设置绘制线条或标记的样式和颜色。:用来设置绘制线条或标记轴的变量。
Python中Matplotlib库的使用（一）——安装与基本使用指南
m0_61443432的博客
08-28 3151
使用pycharm：左上角文件——设置——项目——python解释器——点击+号搜索matplotlib软件包点击安装。或者新建终端，输入以下命令安装。安装成功后，绘制第一个示例图，使用Matplotlib库和NumPy库创建一个折线图，其中X轴表示0到2π范围内均匀分布的数值，Y轴表示对应于X轴值的正弦函数的计算结果。
干货：Python数据分析绘图库matplotlib使用教程(原理、流程、美化、案例）
xiaoganbuaiuk的博客
12-20 2913
matplotlib 就是 python 的绘图库，一个 Python 2D/3D 绘图库，用以绘制一些高质量的数学二维图形。在他之上，Seaborn-使用 Matplotlib 的统计数据可视化，当然 python 还提供了其他的绘图库，每个绘图库都有自己的特色。matplotlib 官网：https://matplotlib.org/matplotlib 官网例图：https://matplotlib.org/gallery.html。
Python matplotlib函数详解与示例
"这是关于Python中的matplotlib库的函数汇总，旨在帮助用户快速理解和使用这个强大的数据可视化工具。" matplotlib是Python中最常用的数据可视化库之一，它提供了丰富的图形绘制功能，包括各种类型的图表、自定义...
评论 1
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