当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib中为多个箱线图添加图例的详细指南

Matplotlib中为多个箱线图添加图例的详细指南

Matplotlib中为多个箱线图添加图例的详细指南

参考：Adding Legend to Boxplot with Multiple Plots

在数据可视化中，箱线图是一种非常有用的工具，用于展示数据的分布情况。当我们需要比较多组数据时，在一个图表中绘制多个箱线图是一种常见的做法。然而，为了让读者能够轻松识别每个箱线图代表的数据组，添加清晰的图例就变得至关重要。本文将详细介绍如何在Matplotlib中为多个箱线图添加图例，包括各种不同的方法和技巧。

1. 基础知识：箱线图和图例

在深入探讨如何为多个箱线图添加图例之前，我们先来回顾一下箱线图和图例的基本概念。

1.1 箱线图简介

箱线图（Box Plot）也称为盒须图，是一种用作显示一组数据分散情况资料的统计图。它能显示出一组数据的最大值、最小值、中位数、下四分位数及上四分位数。

箱线图的主要组成部分包括：
– 箱子：表示数据的四分位距
– 中位线：表示数据的中位数
– 须线：延伸到最小和最大的数据点
– 异常点：位于须线之外的数据点

1.2 图例的作用

图例（Legend）是图表中用于解释各种元素含义的一个组件。在多个箱线图的情况下，图例可以帮助读者快速识别每个箱线图代表的数据组或类别。

下面是一个简单的示例，展示了如何创建一个基本的箱线图并添加图例：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(100, 10, 200)
data2 = np.random.normal(90, 20, 200)

# 创建箱线图
fig, ax = plt.subplots(figsize=(8, 6))
bp = ax.boxplot([data1, data2], labels=['Group A', 'Group B'])

# 添加图例
ax.legend([bp['boxes'][0], bp['boxes'][1]], ['Group A', 'Group B'], loc='upper right')

# 设置标题和轴标签
plt.title('Box Plot Example - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

在这个例子中，我们创建了两组数据的箱线图，并为每个箱子添加了图例。注意我们使用了ax.legend()函数来添加图例，并指定了图例的位置。

2. 为多个箱线图添加图例的不同方法

现在，让我们探讨几种为多个箱线图添加图例的方法。

2.1 使用patch对象创建图例

一种常用的方法是创建自定义的patch对象，然后将这些对象用于图例。这种方法允许我们更灵活地控制图例的外观。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.patches import Patch

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(100, 10, 200)
data2 = np.random.normal(90, 20, 200)
data3 = np.random.normal(80, 15, 200)

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
bplot = ax.boxplot([data1, data2, data3], patch_artist=True)

# 设置颜色
colors = ['lightblue', 'lightgreen', 'lightpink']
for patch, color in zip(bplot['boxes'], colors):
    patch.set_facecolor(color)

# 创建图例
legend_elements = [Patch(facecolor=colors[i], edgecolor='black', label=f'Group {chr(65+i)}') for i in range(3)]
ax.legend(handles=legend_elements, loc='upper right')

# 设置标题和轴标签
plt.title('Multiple Box Plots with Legend - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

在这个例子中，我们使用Patch对象创建了自定义的图例元素。这允许我们精确控制图例中每个元素的颜色和标签。

2.2 使用字典comprehension创建图例

另一种方法是使用字典comprehension来创建图例。这种方法特别适用于当你有大量箱线图需要添加图例时。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = {f'Group {chr(65+i)}': np.random.normal(100-i*10, 10+i*5, 200) for i in range(5)}

# 创建箱线图
fig, ax = plt.subplots(figsize=(12, 6))
bplot = ax.boxplot(data.values(), patch_artist=True, labels=data.keys())

# 设置颜色
colors = plt.cm.Set3(np.linspace(0, 1, len(data)))
for patch, color in zip(bplot['boxes'], colors):
    patch.set_facecolor(color)

# 创建图例
legend_elements = [plt.Rectangle((0,0),1,1, facecolor=color, edgecolor='black') for color in colors]
ax.legend(legend_elements, data.keys(), loc='upper right')

# 设置标题和轴标签
plt.title('Multiple Box Plots with Legend using Dictionary Comprehension - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

这个例子展示了如何使用字典comprehension来生成多个数据组，并为每个组创建箱线图和相应的图例。

2.3 使用seaborn库简化过程

虽然我们主要关注Matplotlib，但值得一提的是，seaborn库提供了一种更简单的方式来创建带有图例的多个箱线图。

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

# 生成示例数据
np.random.seed(42)
data = pd.DataFrame({
    'Group': np.repeat(['A', 'B', 'C', 'D'], 200),
    'Values': np.concatenate([
        np.random.normal(100, 10, 200),
        np.random.normal(90, 15, 200),
        np.random.normal(80, 20, 200),
        np.random.normal(70, 25, 200)
    ])
})

# 创建箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(x='Group', y='Values', data=data, palette='Set3')

# 设置标题和轴标签
plt.title('Multiple Box Plots with Legend using Seaborn - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

使用seaborn，我们可以直接从DataFrame创建箱线图，并自动添加图例。这种方法特别适合处理结构化数据。

3. 自定义图例的外观

添加图例后，我们可能还想进一步自定义其外观，以使其更加美观或更符合特定需求。

3.1 调整图例位置

Matplotlib提供了多种方式来调整图例的位置。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(100, 10, 200)
data2 = np.random.normal(90, 20, 200)

# 创建箱线图
fig, ax = plt.subplots(figsize=(8, 6))
bp = ax.boxplot([data1, data2], patch_artist=True)

# 设置颜色
colors = ['lightblue', 'lightgreen']
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

# 添加图例并调整位置
ax.legend([bp['boxes'][0], bp['boxes'][1]], ['Group A', 'Group B'], 
          loc='lower left', bbox_to_anchor=(0.1, -0.1), ncol=2)

# 设置标题和轴标签
plt.title('Box Plot with Custom Legend Position - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.tight_layout()
plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

在这个例子中，我们使用loc和bbox_to_anchor参数来精确控制图例的位置。ncol参数用于设置图例的列数。

3.2 自定义图例样式

我们还可以自定义图例的样式，包括字体大小、边框颜色等。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(100, 10, 200)
data2 = np.random.normal(90, 20, 200)
data3 = np.random.normal(80, 15, 200)

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
bp = ax.boxplot([data1, data2, data3], patch_artist=True)

# 设置颜色
colors = ['lightblue', 'lightgreen', 'lightpink']
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

# 添加自定义样式的图例
ax.legend([bp['boxes'][0], bp['boxes'][1], bp['boxes'][2]], 
          ['Group A', 'Group B', 'Group C'], 
          loc='upper right', 
          fontsize=12, 
          frameon=True, 
          fancybox=True, 
          shadow=True, 
          facecolor='white', 
          edgecolor='black', 
          title='Data Groups', 
          title_fontsize=14)

# 设置标题和轴标签
plt.title('Box Plot with Customized Legend Style - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

这个例子展示了如何使用各种参数来自定义图例的样式，包括字体大小、边框样式、阴影效果等。

4. 处理复杂的多组箱线图

当我们需要处理更复杂的多组箱线图时，可能需要更高级的技巧。

4.1 分组箱线图

有时我们可能需要创建分组的箱线图，并为每个组添加图例。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = {
    'Group A': [np.random.normal(100, 10, 200), np.random.normal(90, 15, 200)],
    'Group B': [np.random.normal(95, 12, 200), np.random.normal(85, 18, 200)],
    'Group C': [np.random.normal(105, 8, 200), np.random.normal(92, 13, 200)]
}

# 创建分组箱线图
fig, ax = plt.subplots(figsize=(12, 6))

positions = np.arange(1, len(data) * 3, 3)
colors = ['lightblue', 'lightgreen']

for i, (group, values) in enumerate(data.items()):
    bp = ax.boxplot(values, positions=positions[i:i+1], patch_artist=True, widths=0.6)
    for patch, color in zip(bp['boxes'], colors):
        patch.set_facecolor(color)

# 添加图例
legend_elements = [plt.Rectangle((0,0),1,1, facecolor=color, edgecolor='black') for color in colors]
ax.legend(legend_elements, ['Subgroup 1', 'Subgroup 2'], loc='upper right')

# 设置x轴刻度和标签
ax.set_xticks(positions)
ax.set_xticklabels(data.keys())

# 设置标题和轴标签
plt.title('Grouped Box Plot with Legend - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

这个例子展示了如何创建分组的箱线图，并为子组添加图例。我们使用不同的位置和颜色来区分不同的组和子组。

4.2 带有统计信息的箱线图

有时，我们可能希望在箱线图上显示一些统计信息，并在图例中包含这些信息。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(100, 10, 200)
data2 = np.random.normal(90, 20, 200)
data3 = np.random.normal(80, 15, 200)

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
bp = ax.boxplot([data1, data2, data3], patch_artist=True)

# 设置颜色
colors = ['lightblue', 'lightgreen', 'lightpink']
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

# 计算并添加均值
means = [np.mean(data) for data in [data1, data2, data3]]
ax.plot(range(1, 4), means, 'r*', markersize=10)

# 添加图例
legend_elements = [
    plt.Rectangle((0,0),1,1, facecolor=color, edgecolor='black', label=f'Group {chr(65+i)}') 
    for i, color in enumerate(colors)
]
legend_elements.append(plt.Line2D([0], [0], marker='*', color='w', markerfacecolor='r', markersize=10, label='Mean'))

ax.legend(handles=legend_elements, loc='upper right')

# 设置标题和轴标签
plt.title('Box Plot with Statistical Information - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

这个例子展示了如何在箱线图上添加均值点，并在图例中包含这些统计信息。

5. 高级技巧和注意事项

在为多个箱线图添加图例时，还有一些高级技巧和注意事项值得考虑。

5.1 处理大量数据组

当需要处理大量数据组时，图例可能会变得过于复杂或占用太多空间。在这种情况下，我们可以考虑使用颜色条（colorbar）来代替传统的图例。

import matplotlib.pyplot as plt
import numpy as np

# 生成大量示例数据
np.random.seed(42)
num_groups = 20
data = [np.random.normal(100 - i*2, 10 + i, 200) for i in range(num_groups)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(15, 8))
bp = ax.boxplot(data, patch_artist=True)

# 设置颜色
cmap = plt.get_cmap('viridis')
colors = [cmap(i/num_groups) for i in range(num_groups)]
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

# 添加颜色条
sm = plt.cm.ScalarMappable(cmap=cmap, norm=plt.Normalize(vmin=0, vmax=num_groups-1))
sm.set_array([])
cbar = plt.colorbar(sm)
cbar.set_label('Group Index')

# 设置标题和轴标签
plt.title('Box Plot with Colorbar for Many Groups - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

这个例子展示了如何使用颜色条来表示大量数据组，而不是使用传统的图例。这种方法在处理大量数据组时特别有用。

5.2 交互式图例

在某些情况下，我们可能希望图例是交互式的，允许用户通过点击图例来显示或隐藏特定的箱线图。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = {f'Group {chr(65+i)}': np.random.normal(100-i*5, 10+i*2, 200) for i in range(5)}

# 创建箱线图
fig, ax = plt.subplots(figsize=(12, 6))
bplot = ax.boxplot(data.values(), patch_artist=True)

# 设置颜色
colors = plt.cm.Set3(np.linspace(0, 1, len(data)))
for patch, color in zip(bplot['boxes'], colors):
    patch.set_facecolor(color)

# 创建图例
legend_elements = [plt.Rectangle((0,0),1,1, facecolor=color, edgecolor='black') for color in colors]
leg = ax.legend(legend_elements, data.keys(), loc='upper right')

# 设置标题和轴标签
plt.title('Interactive Legend for Box Plot - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

# 添加交互功能
def on_legend_click(event):
    if event.artist in legend_elements:
        index = legend_elements.index(event.artist)
        visibility = not bplot['boxes'][index].get_visible()
        bplot['boxes'][index].set_visible(visibility)
        for key in ['whiskers', 'caps', 'fliers', 'medians']:
            bplot[key][index*2].set_visible(visibility)
            bplot[key][index*2+1].set_visible(visibility)
        event.artist.set_alpha(1.0 if visibility else 0.2)
        fig.canvas.draw()

fig.canvas.mpl_connect('pick_event', on_legend_click)
leg.set_picker(True)

plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

这个例子展示了如何创建一个交互式的图例，允许用户通过点击图例来显示或隐藏特定的箱线图。这种交互性可以帮助用户更好地探索和比较不同组的数据。

5.3 结合其他图表类型

有时，我们可能需要在同一个图表中结合箱线图和其他类型的图表，如散点图或线图。在这种情况下，我们需要确保图例能够正确表示所有的图表元素。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(100, 10, 200)
data2 = np.random.normal(90, 20, 200)
trend = np.linspace(80, 110, 200)

# 创建箱线图和线图
fig, ax = plt.subplots(figsize=(10, 6))
bp = ax.boxplot([data1, data2], positions=[1, 2], patch_artist=True)
line = ax.plot(trend, color='red', label='Trend')

# 设置箱线图颜色
colors = ['lightblue', 'lightgreen']
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

# 添加图例
legend_elements = [
    plt.Rectangle((0,0),1,1, facecolor=colors[0], edgecolor='black', label='Group A'),
    plt.Rectangle((0,0),1,1, facecolor=colors[1], edgecolor='black', label='Group B'),
    plt.Line2D([0], [0], color='red', label='Trend')
]
ax.legend(handles=legend_elements, loc='upper right')

# 设置标题和轴标签
plt.title('Box Plot Combined with Line Plot - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

这个例子展示了如何在同一个图表中结合箱线图和线图，并为所有元素创建一个统一的图例。

6. 常见问题和解决方案

在为多个箱线图添加图例的过程中，可能会遇到一些常见问题。以下是一些问题及其解决方案：

6.1 图例重叠问题

当图例项目较多时，可能会出现图例重叠或超出图表边界的问题。

解决方案：
1. 调整图例位置：使用bbox_to_anchor参数将图例放置在图表外部。
2. 减少图例列数：使用ncol参数控制图例的列数。
3. 调整图表大小：增加图表的整体大小。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = {f'Group {chr(65+i)}': np.random.normal(100-i*3, 10+i, 200) for i in range(10)}

# 创建箱线图
fig, ax = plt.subplots(figsize=(15, 8))
bp = ax.boxplot(data.values(), patch_artist=True)

# 设置颜色
colors = plt.cm.tab10(np.linspace(0, 1, len(data)))
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

# 创建图例并解决重叠问题
legend_elements = [plt.Rectangle((0,0),1,1, facecolor=color, edgecolor='black') for color in colors]
ax.legend(legend_elements, data.keys(), 
          loc='upper left', bbox_to_anchor=(1, 1), ncol=2)

# 设置标题和轴标签
plt.title('Box Plot with Non-overlapping Legend - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.tight_layout()
plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

这个例子展示了如何处理大量图例项目，避免重叠问题。

6.2 图例和数据不匹配

有时可能会出现图例标签与实际数据不匹配的情况。

解决方案：
1. 仔细检查数据和标签的对应关系。
2. 使用字典或有序数据结构来保持数据和标签的一致性。

import matplotlib.pyplot as plt
import numpy as np

# 使用有序字典确保数据和标签的一致性
from collections import OrderedDict

# 生成示例数据
np.random.seed(42)
data = OrderedDict([
    ('Group A', np.random.normal(100, 10, 200)),
    ('Group B', np.random.normal(90, 15, 200)),
    ('Group C', np.random.normal(80, 20, 200)),
    ('Group D', np.random.normal(110, 12, 200))
])

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
bp = ax.boxplot(data.values(), patch_artist=True, labels=data.keys())

# 设置颜色
colors = plt.cm.Set3(np.linspace(0, 1, len(data)))
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

# 创建图例
legend_elements = [plt.Rectangle((0,0),1,1, facecolor=color, edgecolor='black') for color in colors]
ax.legend(legend_elements, data.keys(), loc='upper right')

# 设置标题和轴标签
plt.title('Box Plot with Matched Legend and Data - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

这个例子使用了OrderedDict来确保数据和标签的一致性，避免了不匹配的问题。

6.3 图例样式不一致

有时图例的样式可能与实际箱线图的样式不一致。

解决方案：
1. 确保使用相同的颜色和样式参数。
2. 使用自定义的图例元素来精确匹配箱线图的样式。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(100, 10, 200)
data2 = np.random.normal(90, 20, 200)
data3 = np.random.normal(80, 15, 200)

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
bp = ax.boxplot([data1, data2, data3], patch_artist=True)

# 设置颜色和样式
colors = ['lightblue', 'lightgreen', 'lightpink']
edge_colors = ['blue', 'green', 'red']
for patch, color, edge_color in zip(bp['boxes'], colors, edge_colors):
    patch.set_facecolor(color)
    patch.set_edgecolor(edge_color)

# 创建一致的图例
legend_elements = [
    plt.Rectangle((0,0),1,1, facecolor=color, edgecolor=edge_color, label=f'Group {chr(65+i)}')
    for i, (color, edge_color) in enumerate(zip(colors, edge_colors))
]
ax.legend(handles=legend_elements, loc='upper right')

# 设置标题和轴标签
plt.title('Box Plot with Consistent Legend Style - how2matplotlib.com')
plt.xlabel('Groups')
plt.ylabel('Values')

plt.show()

Output:

Matplotlib中为多个箱线图添加图例的详细指南

这个例子展示了如何确保图例样式与实际箱线图的样式保持一致，包括填充颜色和边框颜色。

7. 总结

为多个箱线图添加图例是数据可视化中的一个重要技巧，它能够大大提高图表的可读性和信息传递效率。通过本文的详细介绍，我们学习了多种方法来实现这一目标，包括：

  1. 基本的图例添加方法
  2. 使用自定义patch对象创建图例
  3. 利用字典comprehension处理大量数据组
  4. 使用seaborn库简化过程
  5. 自定义图例的位置和样式
  6. 处理复杂的分组箱线图
  7. 添加统计信息到图例中
  8. 处理大量数据组时使用颜色条
  9. 创建交互式图例
  10. 结合其他图表类型

我们还讨论了一些常见问题及其解决方案，如图例重叠、数据不匹配和样式不一致等。

在实际应用中，选择合适的方法取决于具体的数据结构、可视化需求和目标受众。通过灵活运用这些技巧，我们可以创建出既美观又信息丰富的箱线图，有效地传达数据的分布和比较信息。

记住，好的数据可视化不仅仅是展示数据，更是讲述数据背后的故事。通过精心设计的图例，我们可以引导读者更好地理解和解释数据，从而做出更明智的决策。

最后，建议读者在实践中多尝试不同的方法，并根据具体情况进行调整和优化。随着经验的积累，你将能够更加得心应手地处理各种复杂的数据可视化需求，创造出既专业又富有洞察力的图表。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Matplotlib 精品教程