Cốt truyện 3d python từ csv
Trong hướng dẫn này, chúng tôi chỉ ra rằng chúng ta không chỉ có thể vẽ đồ thị 2 chiều bằng Matplotlib và Pandas mà còn có thể vẽ đồ thị ba chiều bằng Matplot3d. Ở đây, chúng tôi hiển thị một vài ví dụ, như Giá, cho đến nay, đến H-L chẳng hạn. Có nhiều thứ khác mà chúng ta có thể so sánh và 3D Matplotlib không giới hạn ở các ô phân tán. Chúng tôi có thể làm khung dây, thanh, v.v. Nếu có cách vẽ trực tiếp với Pandas, giống như chúng tôi đã làm trước đây với df. cốt truyện(), tôi không biết nó. Tuy nhiên, điều đó không sao, bởi vì chúng ta vẫn có thể đi qua các đối tượng Pandas và vẽ đồ thị bằng cách sử dụng kiến thức về Matplotlib cho phần còn lại Show
Hãy đến với mã import pandas as pd from pandas import DataFrame import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D Ở trên, mọi thứ trông khá điển hình, ngoài lần nhập thứ tư, đây là nơi chúng tôi nhập khả năng hiển thị trục 3D df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100) Ở trên, chúng tôi có mã điển hình mà bạn đã thấy trong loạt bài này, không cần giải thích về nó Bây giờ, chúng ta hãy đến với những thứ tốt. Giả sử chúng ta muốn so sánh giá và H-L với nhau, để xem liệu có bất kỳ mối tương quan nào giữa H-L và giá một cách trực quan không threedee = plt.figure().gca(projection='3d') threedee.scatter(df.index, df['H-L'], df['Close']) threedee.set_xlabel('Index') threedee.set_ylabel('H-L') threedee.set_zlabel('Close') plt.show() Vì vậy, điều mới đầu tiên bạn thấy là chúng tôi đã xác định hình của mình, điều này khá bình thường, nhưng sau plt. hình () chúng ta có. gca(hình chiếu='3d'). Bạn hỏi điều này có nghĩa là gì? . Đó là một GUI và chúng tôi cần thông báo ngay cho nó rằng chúng tôi đang có ý định tạo cốt truyện này ở dạng 3D. Những gì Matplotlib làm là vẽ cốt truyện của bạn trên hình theo đúng nghĩa đen, sau đó hiển thị nó khi bạn yêu cầu. Đương nhiên, nếu bạn định vẽ ở chế độ 3D, bạn nên cho Matplotlib biết điều này Sau đó, chúng tôi làm. phân tán, chỉ lần này chúng tôi chỉ định 3 tham số biểu đồ, x, y và z Từ đó, chúng tôi chỉ dán nhãn trục và hiển thị cốt truyện. Mặc dù chúng tôi không có Pandas để nắm tay, nhưng cũng không tệ lắm Bây giờ, so sánh H-L với giá hơi ngớ ngẩn, vì chúng ta có thể loại bỏ biến ngày, vì nó không quan trọng trong phép so sánh đó. Nếu chúng tôi loại bỏ ngày var, thì chúng tôi đã có cho mình một cốt truyện 2D đơn giản và dù sao cũng không cần 3D. Còn H-L, giá và khối lượng thì sao? Chúng tôi sẽ bắt đầu bằng cách vẽ một điểm duy nhất trong không gian tọa độ 3D. Sau đó, chúng ta sẽ tìm hiểu cách tùy chỉnh các biểu đồ của mình và sau đó chúng ta sẽ chuyển sang các biểu đồ phức tạp hơn như bề mặt Gaussian 3D, đa giác 3D, v.v. Cụ thể, chúng ta sẽ xem xét các chủ đề sau
Mục lục 1
Vẽ một điểm duy nhất trong không gian 3DChúng ta hãy bắt đầu bằng cách thực hiện từng bước cần thiết để tạo biểu đồ 3D trong Python, với một ví dụ về biểu đồ một điểm trong không gian 3D Bước 1. Nhập thư việnimport matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D Câu đầu tiên là câu lệnh nhập tiêu chuẩn để vẽ biểu đồ bằng matplotlib, mà bạn cũng sẽ thấy cho biểu đồ 2D. fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()4 là bắt buộc để bật phép chiếu 3D. Mặt khác, nó không được sử dụng ở bất kỳ nơi nào khác. Lưu ý rằng lần nhập thứ hai là bắt buộc đối với các phiên bản Matplotlib trước 3. 2. 0. Đối với phiên bản 3. 2. 0 trở lên, bạn có thể vẽ sơ đồ 3D mà không cần nhập fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()5 Bước 2. Tạo hình và trụcfig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') Đầu ra. Ở đây, trước tiên chúng ta tạo một hình có kích thước 4 inch X 4 inch. Sau đó, chúng tôi tạo đối tượng trục 3-D bằng cách gọi phương thức fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()6 và chỉ định giá trị '3d' cho tham số fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()7. Chúng ta sẽ sử dụng đối tượng trục ‘ax’ này để thêm bất kỳ đồ thị nào vào hình.
Lưu ý rằng hai bước này sẽ phổ biến trong hầu hết các sơ đồ 3D mà bạn thực hiện trong Python bằng Matplotlib Bước 3. Vẽ điểmSau khi tạo đối tượng trục, chúng ta có thể sử dụng nó để tạo bất kỳ loại biểu đồ nào chúng ta muốn trong không gian 3D. fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()8 và chuyển ba tọa độ của điểm đó. fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show() Đầu ra. Như bạn có thể thấy, một điểm duy nhất đã được vẽ (màu xanh lam) tại (2,3,4).
Vẽ một đường liên tục 3DCó thể bạn quan tâmBây giờ chúng ta đã biết cách vẽ một điểm trong không gian 3D, tương tự chúng ta có thể vẽ một đường liên tục đi qua danh sách các tọa độ 3D Chúng ta sẽ sử dụng phương thức fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()9 và chuyển 3 mảng, mỗi mảng cho tọa độ x, y và z của các điểm trên đường thẳng df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)2 Đầu ra. Chúng tôi đang tạo tọa độ x, y và z cho 50 điểm. Tọa độ x và y được tạo bằng cách sử dụng df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)20 để tạo 50 điểm phân bố đều trong khoảng từ -4π đến +4π. Tọa độ z chỉ đơn giản là tổng bình phương của tọa độ x và y tương ứng.
Tùy chỉnh cốt truyện 3DHãy để chúng tôi vẽ một biểu đồ phân tán trong không gian 3D và xem cách chúng tôi có thể tùy chỉnh giao diện của nó theo những cách khác nhau dựa trên sở thích của chúng tôi. Chúng tôi sẽ sử dụng hạt giống ngẫu nhiên NumPy để bạn có thể tạo số ngẫu nhiên giống như hướng dẫn df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)4 Đầu ra. Bây giờ chúng ta hãy thêm tiêu đề cho cốt truyện này Thêm tiêu đềChúng ta sẽ gọi phương thức df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)21 của đối tượng axis để thêm tiêu đề vào biểu đồ df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)6 Đầu ra. LƯU Ý rằng tôi chưa thêm mã trước (để tạo hình và thêm biểu đồ phân tán) ở đây, nhưng bạn nên làm điều đó. Bây giờ chúng ta hãy thêm nhãn cho mỗi trục trên biểu đồ Thêm nhãn trụcChúng ta có thể đặt nhãn cho từng trục trong sơ đồ 3D bằng cách gọi các phương thức df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)22, df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)23 và df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)24 trên đối tượng trục threedee = plt.figure().gca(projection='3d') threedee.scatter(df.index, df['H-L'], df['Close']) threedee.set_xlabel('Index') threedee.set_ylabel('H-L') threedee.set_zlabel('Close') plt.show()0 đầu ra Sửa đổi các điểm đánh dấuNhư chúng ta đã thấy trong các ví dụ trước, theo mặc định, điểm đánh dấu cho mỗi điểm là một vòng tròn màu xanh có kích thước không đổi. Hãy để chúng tôi bắt đầu bằng cách thay đổi màu sắc và phong cách của điểm đánh dấu threedee = plt.figure().gca(projection='3d') threedee.scatter(df.index, df['H-L'], df['Close']) threedee.set_xlabel('Index') threedee.set_ylabel('H-L') threedee.set_zlabel('Close') plt.show()1 Đầu ra. Chúng tôi đã sử dụng các tham số df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)25 và df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)26 để thay đổi kiểu và màu sắc của các điểm riêng lẻ Sửa đổi các giới hạn trục và đánh dấuPhạm vi và khoảng giá trị trên các trục được đặt theo mặc định dựa trên giá trị đầu vào. Hãy để chúng tôi tạo một biểu đồ phân tán khác biểu thị một tập hợp các điểm dữ liệu mới, sau đó sửa đổi phạm vi và khoảng trục của nó threedee = plt.figure().gca(projection='3d') threedee.scatter(df.index, df['H-L'], df['Close']) threedee.set_xlabel('Index') threedee.set_ylabel('H-L') threedee.set_zlabel('Close') plt.show()4 Đầu ra. Chúng tôi đã vẽ dữ liệu của 3 biến là chiều cao, cân nặng và tuổi trên 3 trục. Như bạn có thể thấy, các giới hạn trên trục X, Y và Z đã được chỉ định tự động dựa trên dữ liệu đầu vào. Chúng ta hãy sửa đổi giới hạn tối thiểu và tối đa trên mỗi trục, bằng cách gọi các phương thức df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)27, df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)28 và df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)29 threedee = plt.figure().gca(projection='3d') threedee.scatter(df.index, df['H-L'], df['Close']) threedee.set_xlabel('Index') threedee.set_ylabel('H-L') threedee.set_zlabel('Close') plt.show()8 Đầu ra. Giới hạn cho ba trục đã được sửa đổi dựa trên các giá trị tối thiểu và tối đa mà chúng tôi đã chuyển cho các phương thức tương ứng. Chúng tôi cũng có thể sửa đổi các dấu kiểm riêng lẻ cho từng trục. Hiện tại, các tick trên trục X là [100,120,140,160,180,200]. Hãy để chúng tôi cập nhật điều này lên [100,125,150,175,200] fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d')0 Đầu ra. Tương tự, chúng ta có thể cập nhật dấu Y và Z bằng cách sử dụng phương pháp df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)40 và df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)41 . fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d')1 đầu ra Thay đổi kích thước của cốt truyệnNếu chúng tôi muốn ô của mình lớn hơn hoặc nhỏ hơn kích thước mặc định, chúng tôi có thể dễ dàng đặt kích thước của ô khi khởi tạo hình – sử dụng tham số df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)42 của phương pháp df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)43, or we can update the size of an existing plot by calling the df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)44 method on the figure object. Trong cả hai phương pháp, chúng tôi phải chỉ định chiều rộng và chiều cao của ô tính bằng inch. Vì chúng ta đã thấy phương pháp đầu tiên để chỉ định kích thước của ô trước đó, bây giờ chúng ta hãy xem xét phương pháp thứ hai i. e sửa đổi kích thước của một ô hiện có. fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d')2 Đầu ra. Kích thước biểu đồ phân tán của chúng tôi đã được tăng lên so với kích thước mặc định trước đó. Tắt/bật đường lướiTất cả các ô mà chúng tôi đã vẽ cho đến nay đều có đường lưới trên chúng theo mặc định. df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)45 của đối tượng trục và chuyển giá trị 'Sai. ’ Nếu chúng ta muốn các đường lưới trở lại, chúng ta có thể gọi phương thức tương tự với tham số ‘True. ’. fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d')3 đầu ra Đặt màu cốt truyện 3D dựa trên lớpGiả sử rằng các cá nhân được đại diện bởi biểu đồ phân tán của chúng tôi được chia thành hai hoặc nhiều loại. df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)26 khi tạo biểu đồ phân tán. fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d')4 Đầu ra. Hiện tại, cốt truyện hiển thị từng loại trong số hai loại với một màu khác nhau. Nhưng làm cách nào để biết màu nào tương ứng với danh mục nào? Chúng ta có thể thêm một ‘thanh màu’ để giải quyết vấn đề này fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d')5 đầu ra Đặt huyền thoạiThường thì chúng ta có nhiều hơn 1 bộ dữ liệu mà chúng ta muốn vẽ biểu đồ trên cùng một hình. Ví dụ: giả sử dữ liệu tuổi-chiều cao-cân nặng của chúng tôi được thu thập từ 3 tiểu bang của Hoa Kỳ là Florida, Georgia và California. Hãy để chúng tôi tạo 3 ô trong vòng lặp for và gán một nhãn khác cho chúng mỗi lần fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d')6 đầu ra Đánh dấu lô có kích thước khác nhauTrong các biểu đồ phân tán mà chúng ta đã thấy cho đến nay, tất cả các điểm đánh dấu đều có kích thước không đổi Chúng tôi có thể thay đổi kích thước của điểm đánh dấu bằng cách chuyển các giá trị tùy chỉnh vào tham số df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)47 của biểu đồ phân tán. Chúng tôi có thể chuyển một số duy nhất để đặt tất cả các điểm đánh dấu thành một kích thước cố định mới hoặc chúng tôi có thể cung cấp một mảng các giá trị, trong đó mỗi giá trị đại diện cho kích thước của một điểm đánh dấu. Trong ví dụ của chúng tôi, chúng tôi sẽ tính toán một biến mới gọi là 'bmi' từ chiều cao và cân nặng của các cá nhân và làm cho kích thước của các điểm đánh dấu riêng lẻ tỷ lệ thuận với giá trị BMI của họ fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d')7 Đầu ra. Kích thước của các điểm đánh dấu trong biểu đồ này càng lớn thì chỉ số BMI của những cá nhân đó càng cao và ngược lại. Vẽ sơ đồ phân phối GaussianBạn có thể biết về một phân phối Gaussian đơn biến được vẽ trên mặt phẳng 2D, thường được gọi là 'đường cong hình chuông'. ’ nguồn. https. // vi. wikipedia. org/wiki/Tệp. Bình thường_Distribution_PDF. svg Chúng ta cũng có thể vẽ đồ thị phân phối Gaussian trong không gian 3D, sử dụng phân phối chuẩn đa biến. fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d')8 Đầu ra. Sử dụng phương pháp df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)48, chúng ta có thể tạo các bề mặt tương tự trong không gian 3D. Vẽ một đa giác 3DChúng ta cũng có thể vẽ đa giác với các đỉnh 3 chiều trong Python fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d')9 đầu ra Xoay đồ thị 3D bằng chuộtĐể tạo biểu đồ tương tác trong Jupyter Notebook, bạn nên chạy df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)49 ở đầu sổ ghi chép. Điều này cho phép chúng tôi tương tác với các ô 3D, bằng cách phóng to và thu nhỏ ô, cũng như xoay chúng theo bất kỳ hướng nào fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()0 đầu ra Vẽ hai bản phân phối 3D khác nhauChúng tôi có thể thêm hai biểu đồ 3D khác nhau vào cùng một hình, với sự trợ giúp của phương pháp df = pd.read_csv('sp500_ohlc.csv', parse_dates=True) print(df.head()) df['H-L'] = df.High - df.Low df['100MA'] = pd.rolling_mean(df['Close'], 100)60. Số có 3 chữ số mà chúng tôi cung cấp cho phương thức cho biết số lượng hàng và cột trong lưới cũng như vị trí của ô hiện tại trong lưới. Hai chữ số đầu tiên cho biết tổng số hàng và cột mà chúng ta cần chia hình thành. Chữ số cuối cùng cho biết vị trí của ô con trong lưới. Ví dụ: nếu chúng ta chuyển giá trị 223 cho phương thức fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()6, thì chúng ta đang đề cập đến ô thứ 3 trong lưới 2×2 (xem xét thứ tự hàng đầu tiên) Bây giờ chúng ta hãy xem một ví dụ trong đó chúng ta vẽ hai bản phân phối khác nhau trên một ô duy nhất fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()1 Đầu ra. Chúng ta có thể vẽ bao nhiêu ô con tùy thích theo cách này, miễn là chúng ta khớp chúng vào lưới. Xuất biểu đồ Python 3D sang HTMLNếu chúng tôi muốn nhúng một hình đồ thị 3D vào một trang HTML mà không cần lưu nó dưới dạng tệp hình ảnh trước tiên, fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()2 Bây giờ chúng ta có thể viết chuỗi mã HTML này vào một tệp HTML, sau đó chúng ta có thể xem tệp này trong trình duyệt fig = plt.figure(figsize=(4,4)) ax = fig.add_subplot(111, projection='3d') ax.scatter(2,3,4) # plot the point (2,3,4) on the figure plt.show()3 đầu ra Sự kết luậnTrong hướng dẫn này, chúng ta đã học cách vẽ đồ thị 3D trong Python bằng thư viện matplotlib. Sau đó, chúng tôi đã học được nhiều cách khác nhau để tùy chỉnh biểu đồ 3D trong Python, chẳng hạn như thêm tiêu đề, chú giải, nhãn trục vào biểu đồ, thay đổi kích thước biểu đồ, bật/tắt đường lưới trên biểu đồ, sửa đổi các dấu kiểm của trục . Sau đó, chúng tôi đã học cách vẽ các bề mặt trong không gian 3D. Chúng tôi đã vẽ sơ đồ phân phối Gaussian và đa giác 3D bằng Python Sau đó, chúng tôi đã xem cách chúng tôi có thể tương tác với biểu đồ Python 3D trong sổ ghi chép Jupyter Cuối cùng, chúng ta đã học cách vẽ nhiều ô con trên cùng một hình và cách xuất một hình thành mã HTML |
Bài Viết Liên Quan
Hai mẫu kiểm tra tỷ lệ Python
Ghi chú. Có thể thực hiện kiểm tra giả thuyết mà không cần có 5 của mỗi loại. Nhưng điều chỉnh đặc biệt cần phải được thực hiện2. Xác định yêu ...
MongoDB Java kéo từ mảng
Toán tử $push và $pull là một phần của toán tử mảng được thiết kế để sửa đổi mảng trong tài liệu MongoDB. Trong hướng dẫn này, tôi sẽ chỉ cho bạn ...
Tạo 5 số ngẫu nhiên trong khoảng từ 1 đến 50 python
Bài đăng này sẽ thảo luận về cách tạo các số ngẫu nhiên n giữa phạm vi được chỉ định trong Python1. Sử dụng hàm random.randint()Hàm random.randint(x, y) tạo ...
Gửi khóa trong Selenium Python là gì?
hàm send_keys() lấy các khóa khác nhau làm tham số. Do đó chúng ta cần nhập khóa trước khi sử dụng chức năng này. Chúng ta có thể thực hiện tất cả các thao ...
Cách hợp nhất hai tệp excel trong python pandas
Nhiệm vụ chung của python và pandas là tự động hóa quy trình tổng hợp dữ liệu từ nhiều tệp và bảng tínhBài viết này sẽ hướng dẫn quy trình cơ bản ...
1 thùng sơn được bao nhiêu m2
Sơn maxilite được chia thành 2 loại là sơn lót và sơn phủ. Vì thế, diện tích sơn của mỗi loại sơn là hoàn toàn khác nhau.Đối với sơn lót maxilite:1 thùng sơn ...
Tôi có thể sử dụng Python trên Windows 7 không?
Ngôn ngữ lập trình đang trở thành xu hướng ngày nay. Thế giới điện toán đã vượt ra ngoài khuôn khổ lập trình thông thường và rất nhiều ngôn ngữ lập ...
Cách tính phần trăm thay đổi trong Python
Lưu ý rằng bạn cũng có thể sử dụng đối số khoảng thời gian để tính phần trăm thay đổi giữa các giá trị ở các khoảng thời gian khác nhau. import pandas ...
Bao nhiêu ngày cho đến ngày 14 tháng 7 năm 2023?
Số ngàyNgàyNgàySố tuầnSố ngày còn lại%11 Tháng MộtChủ Nhật52-0,27%22 Tháng MộtThứ Hai1-0,55%33 Tháng MộtThứ Ba1-0,82%44 Tháng MộtThứ Tư1-1,10%55 Tháng ...
Có bao nhiêu ngày lễ liên bang vào năm 2023?
Danh sách các ngày lễ liên bang của Hoa Kỳ được tạo thành từ 11 ngày quan trọng mà người Mỹ công nhận và kỷ niệmChelsea RitschelNewyorkThứ năm 19 Tháng một ...
Arcmap 10.8 sử dụng phiên bản Python nào?
Mặc dù Python được cài đặt tự động với mỗi phiên bản trên ArcGIS Desktop 10, nhưng việc thiết lập môi trường python hoạt động để sử dụng gói trang web ...
Python --version
Để kiểm tra phiên bản Python của bạn, hãy chạy python ‐‐version trong dòng lệnh (Windows), trình bao (Mac) hoặc thiết bị đầu cuối (Linux/Ubuntu). Để kiểm tra ...
Nhà phát triển JavaScript so với nhà phát triển Python
Ngôn ngữ lập trình là cơ sở của quá trình phát triển web. Chọn ngôn ngữ hoàn hảo là rất quan trọng để phát triển hiệu quả các trang web và ứng dụng web ...
Các dự án python để tiếp tục
từ chối trách nhiệm. Thông tin được cung cấp trong bài viết này chỉ là quan điểm của tác giả và không phải là lời khuyên đầu tư – nó chỉ được cung ...
Làm cách nào để cài đặt thủ công phpMyAdmin trên Ubuntu?
Làm việc với cơ sở dữ liệu đôi khi có thể đáng sợ, nhưng PhpMyAdmin có thể đơn giản hóa các tác vụ bằng cách cung cấp bảng điều khiển để xem hoặc ...
Cần bao nhiêu vở cho lớp 10?
Lớp 10 học những môn gì? Lớp 10 cần bao nhiêu quyển vở? Là những vở gì?Tổng hợpLớp 10 học những môn gì? Lớp 10 cần bao nhiêu quyển vở? Là những vở ...
Mở và đóng tệp Python
Trong cuộc sống hàng ngày, tất cả chúng ta đều xử lý các loại tệp khác nhau và chỉnh sửa tệp bằng cách mở, đọc và sau đó đóng tệp. Đôi khi, việc tìm ...
Làm cách nào để ẩn video trong HTML?
❮ Đối tượng videoThí dụBật điều khiển cho videotài liệu. getElementById(Video của tôi). điều khiển = đúng;Tự mình thử »Định nghĩa và cách sử ...
Khi nào nên mua Toyota Sequoia 2023?
Mẫu SUV cỡ lớn Toyota Sequoia đã được thiết kế lại hoàn toàn cho năm 2023 và bản cập nhật sẽ không còn sớm nữa. Giống như chiếc xe bán tải Tundra có chung ...
Có thể làm xáo trộn javascript không?
Cung cấp tệp JavaScript mà không làm xáo trộn, đơn giản có nghĩa là bất kỳ ai cũng có thể đọc được mã trong tệp. Vì vậy, nếu người đó hiểu JavaScript, ...