matplotlib出图细节以及提高出图质量(高dpi)

已于 2022-03-20 16:52:10 修改
阅读量2.5w 收藏 66
点赞数 29
分类专栏： # 数据可视化 文章标签： python matplotlib 数据可视化
于 2022-03-20 16:48:39 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/yue81560/article/details/123612498
版权

文章目录

省流总结

  • 在生成figure时，如fig = plt.figure(figsize=(15,10))不能改变其dpi设定。
  • 根据绘图内容，需要确定保存图形最小尺寸，尺寸过小必然影响出图的质量。可以改变show()方法弹出的图像展示窗口尺寸，选出自己满意的尺寸。如发现窗口1000*800像素，显示的图形比较合理，那么就可以确定绘图的尺寸为(1000/100,800/1000)，即(10,6).
  • savefig()时，传入要保存的图片的dpi即可,如dpi=600。保存图形时会自动扩大图形像素大小。
  • 选择不同的matplotlib的backend。TkAgg比QtAgg好，无交互窗口的Agg出图比TkAgg和QtAgg更好。
  • 注意matplotlib版本，有些版本，如3.3.4的matplotlib的savefig和show会相互影响，出现不可预测的问题。升高或者降低版本能解决问题。

原创不易，如果本文对您有帮助的话，还请点赞收藏~

基础知识

  • 屏幕的尺寸：一般以屏幕的对角线尺寸计量，如15.6寸。
  • 屏幕分辨率：是值屏幕水平和竖直方向上拥有的物理像素点数。如：分辨率是 1920x1080。
  • ppi: 屏幕每英寸的像素密度是ppi。比如我的电脑屏幕尺寸 15.6，分辨率是 1920x1080，用长（1920）跟高的像素数（1080）计算出对角方向的像素数（直角三角形）（2202），然后再用对角的像素数除以屏幕尺寸（15.6），就得到ppi，即141. 如果我们指定显示图像的显示像素，那么由ppi，就可以得到图像在电脑上显示的物理尺寸。然而我们对电脑屏幕截图时，生成的图像大小的dpi一般是100或者96，更有甚者是72. matplotlib的show()的dpi，我更倾向于理解为它是一种dpi，指定100即可，太高在屏幕上还要进行扩大，并不能提高显示质量。
  • dpi: dpi是打印机的像素密度。而showfig()里的dpi就是这个概念。在科研绘图中，我们一般被要求图片的dpi至少要为300. 本文就是要分析如何生成高质量的高dpi图片。主要是对比不同例子之间的显示差距，方便读者体会。

探究过程

matplotlib默认出图（作为参照）

这里使用的matplotlib的版本是3.4.0，完全使用matplotlib的默认参数。

from mpl_toolkits.axes_grid1 import host_subplot
from mpl_toolkits import axisartist

import matplotlib
import matplotlib.pyplot as plt

host = host_subplot(111, axes_class=axisartist.Axes)
fig=plt.gcf()
print(fig)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

par2.axis["right"] = par2.new_fixed_axis(loc="right", offset=(60, 0))

par1.axis["right"].toggle(all=True)
par2.axis["right"].toggle(all=True)

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

host.set_xlim(0, 2)
host.set_ylim(0, 2)
par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

host.set_xlabel("Distance")
host.set_ylabel("Density")
par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

host.legend()

host.axis["left"].label.set_color(p1.get_color())
par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())
fig=plt.gcf()
print(fig)
plt.savefig("demo.jpg",dpi=100)
fig=plt.gcf()
print(fig)
plt.show()
fig=plt.gcf()
print(fig)

控制台打印结果：

Backend Qt5Agg is interactive backend. Turning interactive mode on.
Figure(640x480)
Figure(640x480)
Figure(640x480)
Figure(640x480)

在这里插入图片描述

改变图片的默认尺寸

这里使用的matplotlib的版本是3.4.0。
仅改变figure的尺寸，这里缩小一倍：

from mpl_toolkits.axes_grid1 import host_subplot
from mpl_toolkits import axisartist

import matplotlib
import matplotlib.pyplot as plt
fig_width = 8.26
fig_height = 8.77
width = fig_width / 2.54 #3.25英寸
height = fig_height / 2.54#3.45
fig=plt.figure(figsize=(width,height))
print(fig)
host = host_subplot(111, axes_class=axisartist.Axes)
fig=plt.gcf()
print(fig)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

par2.axis["right"] = par2.new_fixed_axis(loc="right", offset=(60, 0))

par1.axis["right"].toggle(all=True)
par2.axis["right"].toggle(all=True)

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

host.set_xlim(0, 2)
host.set_ylim(0, 2)
par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

host.set_xlabel("Distance")
host.set_ylabel("Density")
par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

host.legend()

host.axis["left"].label.set_color(p1.get_color())
par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())
fig=plt.gcf()
print(fig)
plt.savefig("demo.jpg",dpi=100)
fig=plt.gcf()
print(fig)
plt.show()
fig=plt.gcf()
print(fig)

控制台打印出的结果：

Backend Qt5Agg is interactive backend. Turning interactive mode on.
Figure(325x345)
Figure(325x345)
Figure(325x345)
Figure(325x345)
Figure(325x345)

可以看到由于show指定的 dpi 是 100，而屏幕显示一般ppi就是100.而绘图的大小是 3.25*3.45 英寸。所以占屏幕像素的大小是 325*345.

这里的图形如下：
在这里插入图片描述
这里的一些细节就没有显示全，**说明我们改变图片大小时，有些元素是不能等比例缩放的。**如果要显示全最简单的就是增加图片的尺寸。如果真的对图片大小有限制，那么就得对绘图元素的大小进行改变。如果这里的多副y轴的参数。
另外有一点非常重要，就是绘图内容的合理布局需要给它提供合理的尺寸。这个合理的尺寸可以通过手动调节show()弹出窗口，然后测量窗口的尺寸，将其尺寸更新到figure里面，比如如窗口1000*800像素，显示的图形比较合理，那么就可以确定绘图的尺寸为(1000/100,800/1000)，即(10,6).

改变matplotlib的show的dpi

这里使用的matplotlib的版本是3.4.0。show()的dpi设定为600.

from mpl_toolkits.axes_grid1 import host_subplot
from mpl_toolkits import axisartist

import matplotlib
matplotlib.use("Qt5Agg")
import matplotlib.pyplot as plt
fig_width = 8.26
fig_height = 8.77
width = fig_width / 2.54
height = fig_height / 2.54
fig=plt.figure(figsize=(6.4,4.8),dpi=600)
print(fig)
host = host_subplot(111, axes_class=axisartist.Axes)
fig=plt.gcf()
print(fig)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

par2.axis["right"] = par2.new_fixed_axis(loc="right", offset=(60, 0))

par1.axis["right"].toggle(all=True)
par2.axis["right"].toggle(all=True)

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

host.set_xlim(0, 2)
host.set_ylim(0, 2)
par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

font2 = {'family' : 'Times New Roman',
'weight' : 'normal',
'fontsize'   : 30,
         }
# 对于这个AxesHostAxesSubplot,这样设定label是无效的。
host.set_xlabel("Distance",fontdict=font2)
host.set_ylabel("Density")

par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

host.legend()

host.axis["left"].label.set_color(p1.get_color())
# 对于这个AxesHostAxesSubplot设定标签的大小，似乎只能用这种方法？
# host.axis["left"].label.set_fontsize(30)
par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())
fig=plt.gcf()
print(fig)
plt.savefig("demo.jpg")
fig=plt.gcf()
print(fig)
fig.show()
fig=plt.gcf()
print(fig)

控制台输出：

Backend Qt5Agg is interactive backend. Turning interactive mode on.
Figure(3290x1015)
Figure(3290x1015)
Figure(3290x1015)
Figure(3290x1015)
Figure(3290x1015)

这里可以看到QtAgg的像素的垂直最大值就1050.再大就会被截断。显示的图如下：

在这里插入图片描述再查看保存的图片：
在这里插入图片描述保存的图片也受到了影响

不同backend的影响

在matplotlib 3.4.0版本上，换用TkAgg作为show的backend，并再次运行上节代码：

控制台输出为

Backend TkAgg is interactive backend. Turning interactive mode on.
Figure(3840x2880)
Figure(3840x2880)
Figure(3840x2880)
Figure(3840x2880)
Figure(3840x2880)

此时显示完整的超大图片。但是由于电脑屏幕的限制，窗口垂直方向上也不能显示完全。
在这里插入图片描述
但保存的图片不受任何的影响。

在这里插入图片描述这里可以看到TkAgg比Qt5Agg好不少，但是show()这个函数没必要设定dpi，不然会改变图片的比例以及显示质量。

改变matplotlib的showfig的dpi

这里使用的matplotlib的版本是3.4.0。


from mpl_toolkits.axes_grid1 import host_subplot
from mpl_toolkits import axisartist

import matplotlib
import matplotlib.pyplot as plt
fig_width = 8.26
fig_height = 8.77
width = fig_width / 2.54
height = fig_height / 2.54
fig=plt.figure(figsize=(6.4,4.8))
print(fig)
host = host_subplot(111, axes_class=axisartist.Axes)
fig=plt.gcf()
print(fig)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

par2.axis["right"] = par2.new_fixed_axis(loc="right", offset=(60, 0))

par1.axis["right"].toggle(all=True)
par2.axis["right"].toggle(all=True)

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

host.set_xlim(0, 2)
host.set_ylim(0, 2)
par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

host.set_xlabel("Distance")
host.set_ylabel("Density")
par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

host.legend()

host.axis["left"].label.set_color(p1.get_color())
par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())
fig=plt.gcf()
print(fig)
plt.savefig("demo.jpg",dpi=600) # 一般论文出图dpi为600就不错了
fig=plt.gcf()
print(fig)
plt.show()
fig=plt.gcf()
print(fig)

关于 fig 的控制台输出：

Backend Qt5Agg is interactive backend. Turning interactive mode on.
Figure(640x480)
Figure(640x480)
Figure(640x480)
Figure(640x480)
Figure(640x480)

输出demo.jpg的信息：
在这里插入图片描述可以看到尺寸增加到了 3840x2800，恰好是 640*6 与 480*6

再 win 自带的画图工具里打开 demo.jpg，然后再调整回原来的大小，跟 show 图形的对比是一致的：

在这里插入图片描述到这里就能完成高dpi的出图的。但是如果你的python版本是3.6，那不能升级matplotlib为3.4.0以上的版本。你使用showfig会出现问题的。

不同版本matplotlib的showfig

如果是matplotlib的版本是3.3.4，运行上一节代码，那么这里大概率就出错了，3.3.4的控制台信息为：

Backend Qt5Agg is interactive backend. Turning interactive mode on.
Figure(640x480)
Figure(640x480)
Figure(640x480)
Figure(106.667x80)
Figure(106.667x80)

show的图片十分诡异：

在这里插入图片描述
保存的图片:

在这里插入图片描述

这里暴露了 matplotlib版本对出图质量的影响。3.3.4版本的savefig的dpi设定会影响到show()。即使这里切换到TkAgg也一样。那么就只能切换到Agg的backend.

低版本matplotlib使用Agg作为backend提高出图质量

from mpl_toolkits.axes_grid1 import host_subplot
from mpl_toolkits import axisartist

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
fig_width = 8.26
fig_height = 8.77
width = fig_width / 2.54
height = fig_height / 2.54
fig=plt.figure(figsize=(6.4,4.8))
print(fig)
host = host_subplot(111, axes_class=axisartist.Axes)
fig=plt.gcf()
print(fig)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

par2.axis["right"] = par2.new_fixed_axis(loc="right", offset=(60, 0))

par1.axis["right"].toggle(all=True)
par2.axis["right"].toggle(all=True)

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

host.set_xlim(0, 2)
host.set_ylim(0, 2)
par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

font2 = {'family' : 'Times New Roman',
'weight' : 'normal',
'fontsize'   : 30,
         }
# 对于这个AxesHostAxesSubplot,这样设定label是无效的。
host.set_xlabel("Distance",fontdict=font2)
host.set_ylabel("Density")

par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

host.legend()

host.axis["left"].label.set_color(p1.get_color())
# 对于这个AxesHostAxesSubplot设定标签的大小，似乎只能用这种方法？
# host.axis["left"].label.set_fontsize(30)
par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())
fig=plt.gcf()
print(fig)
plt.savefig("demo.jpg",dpi=600)
fig=plt.gcf()
print(fig)
fig.show()
fig=plt.gcf()
print(fig)

控制台输出：

Figure(640x480)
Figure(640x480)
Figure(640x480)
Figure(640x480)
demo_host_subplot_raw.py:68: UserWarning: Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure.
  fig.show()
Figure(640x480)

这里可以看到Agg的backend是不支持show方法的。但是保存的图片却没有任何的问题：
在这里插入图片描述
在这里插入图片描述

其他的情况

在进行二维和三维混合出图的时候，也发现了一个问题，就是我们show()以及我们保存的图片的像素大小跟指定的大小有偏差，即使我们是采用Agg作为backend，也不能解决这个问题。那么最简单的解决方法，就是视情况多给一些图片尺寸或者少给图片一些尺寸，进行微调。

月司
关注
  • 29
    点赞
  • 踩
  • 66
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
python matplotlib 绘图 和 dpi对应关系详解
09-17
主要介绍了python matplotlib 绘图 和 dpi对应关系详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
matplotlib.pyplot画图 图片的二进制流的获取方法
12-23
有些时候，我们需要画图后的二进制数据流，matplotlib没有提供相关的api，通过源码查看与百度，得到下面此方法 import matplotlib.pyplot as plt import numpy as np import io x=np.arange(10) y=x #plt.plot(x,y) #canvas = plt.get_current_fig_manager().canvas #canvas.draw() fig=plt.figure() plt.plot(x,y) canvas=fig.canvas #上面这段代码和上面注释掉的代码效果一样 #方法1 buffer
在python绘图matplotlib.pyplot as plt，保存图像，设置 像素dpi 参数，同时自动裁剪图像周围的空白部分。
qlkaicx的博客
05-27 1573
以上就是今天要讲的内容，本文仅仅简单介绍了matplotlib.pyplot as plt的使用。
matplotlib绘图不清晰的问题
SweetInsomnia
04-25 1212
解决python使用matplotlib绘制表格不清晰的问题。
matplotlib绘制符合论文要求的图片实例(必看篇)
12-25
最近需要将实验数据画图出来，由于使用python进行实验，自然使用到了matplotlib来作图。 下面的代码可以作为画图的模板代码，代码中有详细注释，可根据需要进行更改。 # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['Arial'] #如果要显示中文字体，则在此处设为：SimHei plt.rcParams['axes.unicode_minus']=False #显示负号 x = np.array([3,5,7,9
Python中Matplotlib绘图保存图片时如何调节图形的清晰度或者分辨率
最新发布
Pandas120的博客
01-15 1917
在Matplotlib中，你可以通过设置图形的DPI（每英寸点数）来调节图形的清晰度。DPI值越高，图形的分辨率就越高，从而图形看起来更清晰。选择适当的DPI取决于你的输出设备和对图形质量的要求。根据需要调整DPI值，以获得最佳的图形清晰度。来设置Matplotlib的全局参数，包括DPI。这将影响所有后续创建的图形。表示设置图形的分辨率为300 DPI。表示设置图形的分辨率为300 DPI。将全局图形分辨率设置为300 DPI。参数来调整图形的分辨率。当你保存图形时，可以通过设置。
matplotlib 设置分辨率
10-13 1594
【代码】matplotlib 设置分辨率。
Python之Matplotlib绘图调节清晰度
江月的博客
01-14 3416
问题：在使用Matplotlib中的绘图时，如何提高图像的清晰度？使用来设置图像的DPI。增加DPI可以提高图像的清晰度，但也会增加文件大小。在保存图像时，使用来设置保存图像的DPI。选择矢量图格式（如SVG、PDF），能够在不同分辨率下保持清晰度。使用来调整图像的宽度和高度。总体而言，根据具体需求，可以根据DPI、图像尺寸、保存格式等因素进行调整，以获得所需的图像清晰度。
python(7):matplotlib库绘图细节记录
biter0088的博客
09-15 1057
matplotlib.pyplot.legend()函数
matplotlib保存高分辨率图
To be a better man
03-22 2745
matplotlib保存高分辨率图
利用matplotlib为图片上添加触发事件进行交互
09-17
主要介绍了利用matplotlib为图片上添加触发事件进行交互，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
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 文章目录一、绘制折线图1.示例代码：2.输出图片：3.函数和参数二、绘制散点图1.代码示例2.输出图片2.函数和参数三、保存图片1.代码示例：2.函数和参数四、故障问题 一、绘制折线图 1.示例代码： import matplotlib.pyplot as plt import numpy as np x=np.linspace(-2*np.pi,2*np.pi,400)
在Django中输出matplotlib生成的图片方法
12-24
下面的代码片段是直接在Django中输出matplotlib生成的图片，网上很多种方法都是先生成图片再调用，感觉不是那么直接。 环境：Python2.7，Django1.83 该文件为views.py文件，函数映射按实际设置。 from django.shortcuts import render from django.http import HttpResponse from matplotlib.figure import Figure from matplotlib.backends.backend_agg import FigureCanvasAgg from matplotlib
解决matplotlib库show()方法不显示图片的问题
01-21
最近使用python里的matplotlib库绘图，想在代码结束时显示图片看看，结果图片一闪而过，附上我原来代码： import matplotlib.pyplot as plt import numpy as np import pandas as pd ... ... #type(forecast)= pic01=m.plot(forecast) pic01.show() 我上网查了一下，在遇到show()方法无法显示图片或者图片一闪而过，解决方案分两步： 1.加头文件，完整头文件如下： import pand
南丁格尔玫瑰图实现-python+matplotlib绘制极坐标以及一些基础的知识
12-21
老师布置的python作业，文字显示要与其倾斜角度一样，代码如下 import numpy as np import math import matplotlib.pyplot as plt fig = plt.figure(figsize=(10,6))#形成一个1000x600的一个白色窗口大小（玫瑰图的显示窗口） ax = plt.subplot(111, polar=True)#順肘針 projection= 'polar'和polar=True等价 ax.set_theta_direction(-1)#极坐标正方向为顺时针 ax.set_theta_zero_location( 'N
matplotlib 输出保存指定尺寸的图片方法
12-24
其实这个问题来源于笔者的横坐标太多了，然后生成的那个figure框框太小，导致坐标重叠，而输出的图片是需要批量保存的，总不能每次都拉长截图吧 所以在plot绘图之前加上了一句 plt.figure(figsize=(10, 5)) 图就变...
导入seaborn的数据集方法load_datasets的问题
热门推荐
yue81560的博客
06-12 1万+
导入seaborn自带的一些经典数据集，如iris等，若是直接使用load_dataset方法，经常会发生URLError: <urlopen error [Errno 11004] getaddrinfo failed>。下面提供了这个问题发生的原因和解决方法
matplotlib常用的的刻度定位器locator总结
yue81560的博客
08-01 1万+
在使用matplotlib绘制图时，发现默认生成的刻度的位置总是不令人满意，这时候我们可以使用locator来设定刻度位置。
matplotlib出图
09-14
Matplotlib是一个强大的Python数据可视化库，可以用于创建各种类型的图表和图形。根据引用，Matplotlib可以输出矢量图像，例如PDF和SVG，这些图像具有尺度不变性，并且不会丢失细节。而根据引用，Matplotlib也可以输出位图图像，例如PNG，这些图像可以包含透明度和颜色。因此，Matplotlib是非常灵活的，可以满足不同需求的出图需求。 要使用Matplotlib进行图像输出，首先需要导入相关的库和模块，例如numpy和pyplot。然后，可以使用Matplotlib的函数和方法来创建和配置图形，并将其保存为文件。例如，可以使用plot函数创建一个函数图形，然后使用savefig方法将该图形保存为PDF或PNG文件。 下面是一个示例代码，展示了如何使用Matplotlib创建并保存图形： ```python import numpy as np from matplotlib import pyplot as plt # 创建数据 x = np.linspace(-10, 10, 1024) y = np.sinc(x) # 创建图形 plt.plot(x, y) # 保存为PDF文件 plt.savefig('sinc.pdf') # 保存为PNG文件 plt.savefig('sinc.png', c='c') ``` 在这个例子中，我们使用linspace函数创建了一个包含1024个点的x轴数据，然后使用sinc函数计算了对应的y轴数据。接下来，使用plot函数创建了一个函数图形，并使用savefig方法将图形保存为sinc.pdf和sinc.png文件。注意，对于PNG文件，我们还可以指定颜色参数(c='c')来控制保存图像时的颜色。 因此，通过使用Matplotlib的函数和方法，我们可以轻松地创建和保存各种类型的图形文件。

“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 3
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

打赏作者

月司

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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