当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib中如何为所有子图创建单一图例

Matplotlib中如何为所有子图创建单一图例

Matplotlib中如何为所有子图创建单一图例

参考：How to Create a Single Legend for All Subplots in Matplotlib

Matplotlib是Python中强大的数据可视化库，它提供了丰富的绘图功能。在创建复杂的图表时，我们经常需要使用子图来展示多个相关的图形。然而，当每个子图都有自己的图例时，可能会导致视觉混乱和重复信息。为了解决这个问题，我们可以为所有子图创建一个单一的图例，使整个图表更加简洁和易于理解。本文将详细介绍如何在Matplotlib中为所有子图创建单一图例，并提供多个实用的示例代码。

1. 理解Matplotlib的子图和图例

在深入探讨如何创建单一图例之前，我们需要先了解Matplotlib中子图和图例的基本概念。

1.1 子图（Subplots）

子图是Matplotlib中用于在一个图形窗口中创建多个图表的方法。使用子图可以将相关的数据可视化组合在一起，便于比较和分析。

以下是创建子图的基本示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(10, 8))

# 在每个子图中绘制数据
axs[0, 0].plot(x, y1)
axs[0, 0].set_title('Sine Wave - how2matplotlib.com')
axs[0, 1].plot(x, y2)
axs[0, 1].set_title('Cosine Wave - how2matplotlib.com')
axs[1, 0].plot(x, y1 ** 2)
axs[1, 0].set_title('Squared Sine - how2matplotlib.com')
axs[1, 1].plot(x, y2 ** 2)
axs[1, 1].set_title('Squared Cosine - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们创建了一个2×2的子图网格，并在每个子图中绘制了不同的函数。plt.subplots()函数返回一个图形对象和一个包含所有子图的数组。

1.2 图例（Legend）

图例是用于解释图表中不同数据系列的标识符。它通常包含每个数据系列的名称和对应的颜色或样式。

以下是在单个图表中添加图例的基本示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建图表并绘制数据
plt.figure(figsize=(8, 6))
plt.plot(x, y1, label='Sine - how2matplotlib.com')
plt.plot(x, y2, label='Cosine - how2matplotlib.com')

# 添加图例
plt.legend()

plt.title('Sine and Cosine Waves')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们使用label参数为每条线指定了标签，然后调用plt.legend()来显示图例。

2. 为什么需要单一图例

在处理多个子图时，每个子图默认会有自己的图例。这可能导致以下问题：

  1. 视觉混乱：多个图例会占用大量空间，减少实际数据的显示区域。
  2. 信息重复：如果多个子图包含相同的数据系列，每个子图都显示相同的图例会造成不必要的重复。
  3. 一致性：不同子图的图例可能会有细微的差异，影响整体的一致性。
  4. 可读性：多个小图例可能会使文字变小，降低可读性。

创建一个单一的图例可以解决这些问题，使整个图表更加清晰和专业。

3. 创建单一图例的基本方法

创建单一图例的基本思路是：在所有子图绘制完成后，创建一个新的轴（Axes）对象来放置图例，然后将这个轴对象设置为不可见。

以下是一个基本示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(10, 8))

# 在每个子图中绘制数据
for ax in axs.flat:
    ax.plot(x, y1, label='Sine - how2matplotlib.com')
    ax.plot(x, y2, label='Cosine - how2matplotlib.com')

# 创建一个新的轴对象来放置图例
fig.add_subplot(111, frameon=False)
plt.tick_params(labelcolor='none', top=False, bottom=False, left=False, right=False)

# 创建单一图例
handles, labels = ax.get_legend_handles_labels()
plt.legend(handles, labels, loc='center')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们首先创建了2×2的子图网格，并在每个子图中绘制了相同的数据。然后，我们使用fig.add_subplot(111, frameon=False)创建了一个覆盖整个图形的新轴对象，并将其设置为不可见。最后，我们从任意一个子图中获取图例句柄和标签，并使用这些信息创建了一个居中的单一图例。

4. 高级技巧和注意事项

4.1 调整图例位置

你可以通过调整loc参数来改变图例的位置。以下是一个将图例放置在图表底部的示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(10, 10))

# 在每个子图中绘制数据
for ax in axs.flat:
    ax.plot(x, y1, label='Sine - how2matplotlib.com')
    ax.plot(x, y2, label='Cosine - how2matplotlib.com')

# 创建一个新的轴对象来放置图例
fig.add_subplot(111, frameon=False)
plt.tick_params(labelcolor='none', top=False, bottom=False, left=False, right=False)

# 创建单一图例并放置在底部
handles, labels = ax.get_legend_handles_labels()
plt.legend(handles, labels, loc='lower center', bbox_to_anchor=(0.5, -0.05), ncol=2)

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们使用loc='lower center'将图例放置在底部中心，并使用bbox_to_anchor参数微调位置。ncol=2参数使图例以两列显示。

4.2 处理不同子图中的不同数据系列

当不同的子图包含不同的数据系列时，我们需要收集所有子图的图例信息。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = x**2

# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(12, 10))

# 在每个子图中绘制不同的数据
axs[0, 0].plot(x, y1, label='Sine - how2matplotlib.com')
axs[0, 1].plot(x, y2, label='Cosine - how2matplotlib.com')
axs[1, 0].plot(x, y3, label='Tangent - how2matplotlib.com')
axs[1, 1].plot(x, y4, label='Square - how2matplotlib.com')

# 收集所有子图的图例信息
handles, labels = [], []
for ax in axs.flat:
    h, l = ax.get_legend_handles_labels()
    handles.extend(h)
    labels.extend(l)

# 创建一个新的轴对象来放置图例
fig.add_subplot(111, frameon=False)
plt.tick_params(labelcolor='none', top=False, bottom=False, left=False, right=False)

# 创建单一图例
plt.legend(handles, labels, loc='center')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们遍历所有子图，收集它们的图例信息，然后创建一个包含所有数据系列的单一图例。

4.3 自定义图例样式

你可以自定义图例的样式以更好地适应你的图表。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(12, 10))

# 在每个子图中绘制数据
for ax in axs.flat:
    ax.plot(x, y1, label='Sine - how2matplotlib.com')
    ax.plot(x, y2, label='Cosine - how2matplotlib.com')

# 创建一个新的轴对象来放置图例
fig.add_subplot(111, frameon=False)
plt.tick_params(labelcolor='none', top=False, bottom=False, left=False, right=False)

# 创建自定义样式的单一图例
handles, labels = ax.get_legend_handles_labels()
legend = plt.legend(handles, labels, loc='center', 
                    fancybox=True, shadow=True, ncol=2,
                    fontsize='large', title='Legend Title',
                    title_fontsize='x-large')

# 设置图例边框颜色
legend.get_frame().set_edgecolor('gray')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们使用了多个参数来自定义图例的样式，包括添加阴影、设置字体大小、添加标题等。

4.4 处理大量数据系列

当有大量数据系列时，单一图例可能会变得过大。在这种情况下，可以考虑使用多列布局或者只显示部分图例。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
data = [np.sin(x + i) for i in range(10)]

# 创建3x3的子图网格
fig, axs = plt.subplots(3, 3, figsize=(15, 15))

# 在每个子图中绘制数据
for i, ax in enumerate(axs.flat):
    for j, y in enumerate(data):
        ax.plot(x, y, label=f'Series {j+1} - how2matplotlib.com')

# 创建一个新的轴对象来放置图例
fig.add_subplot(111, frameon=False)
plt.tick_params(labelcolor='none', top=False, bottom=False, left=False, right=False)

# 创建多列的单一图例
handles, labels = ax.get_legend_handles_labels()
plt.legend(handles, labels, loc='center', ncol=5, fontsize='small')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们使用ncol=5参数将图例分为5列，并使用fontsize='small'减小字体大小以适应更多的项目。

4.5 结合子图标题和单一图例

有时，你可能想要保留子图的标题，同时使用单一图例。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(12, 10))

# 在每个子图中绘制数据并添加标题
titles = ['Spring', 'Summer', 'Autumn', 'Winter']
for ax, title in zip(axs.flat, titles):
    ax.plot(x, y1, label='Sine - how2matplotlib.com')
    ax.plot(x, y2, label='Cosine - how2matplotlib.com')
    ax.set_title(title)

# 创建一个新的轴对象来放置图例
fig.add_subplot(111, frameon=False)
plt.tick_params(labelcolor='none', top=False, bottom=False, left=False, right=False)

# 创建单一图例
handles, labels = ax.get_legend_handles_labels()
plt.legend(handles, labels, loc='center')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们为每个子图添加了一个标题，同时仍然使用单一图例来表示数据系列。

5. 常见问题和解决方案

5.1 图例遮挡有时，单一图例可能会遮挡部分子图内容。解决这个问题的一种方法是调整子图的布局。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建2x2的子图网格，并留出空间给图例
fig, axs = plt.subplots(2, 2, figsize=(12, 10))
fig.subplots_adjust(right=0.85)  # 调整子图布局，为图例留出空间

# 在每个子图中绘制数据
for ax in axs.flat:
    ax.plot(x, y1, label='Sine - how2matplotlib.com')
    ax.plot(x, y2, label='Cosine - how2matplotlib.com')

# 创建单一图例并放置在右侧
handles, labels = ax.get_legend_handles_labels()
fig.legend(handles, labels, loc='center right')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们使用fig.subplots_adjust(right=0.85)来调整子图的布局，为右侧的图例留出空间。然后，我们使用fig.legend()将图例放置在图形的右侧。

5.2 图例项目过多

当图例项目过多时，可能会导致图例过大或难以阅读。解决这个问题的一种方法是使用多列布局并调整字体大小。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
data = [np.sin(x + i) for i in range(15)]

# 创建3x3的子图网格
fig, axs = plt.subplots(3, 3, figsize=(15, 15))

# 在每个子图中绘制数据
for i, ax in enumerate(axs.flat):
    for j, y in enumerate(data):
        ax.plot(x, y, label=f'Series {j+1} - how2matplotlib.com')

# 创建一个新的轴对象来放置图例
fig.add_subplot(111, frameon=False)
plt.tick_params(labelcolor='none', top=False, bottom=False, left=False, right=False)

# 创建多列的单一图例
handles, labels = ax.get_legend_handles_labels()
plt.legend(handles, labels, loc='center', ncol=5, fontsize='x-small', 
           bbox_to_anchor=(0.5, -0.05), bbox_transform=plt.gcf().transFigure)

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们使用ncol=5将图例分为5列，使用fontsize='x-small'减小字体大小，并使用bbox_to_anchor和bbox_transform参数将图例放置在图形的底部中心。

5.3 不同子图的图例顺序不一致

当不同子图中的数据系列顺序不一致时，可能会导致图例顺序混乱。解决这个问题的一种方法是手动指定图例顺序。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(12, 10))

# 在每个子图中绘制数据，但顺序不同
axs[0, 0].plot(x, y1, label='Sine - how2matplotlib.com')
axs[0, 0].plot(x, y2, label='Cosine - how2matplotlib.com')
axs[0, 0].plot(x, y3, label='Tangent - how2matplotlib.com')

axs[0, 1].plot(x, y2, label='Cosine - how2matplotlib.com')
axs[0, 1].plot(x, y3, label='Tangent - how2matplotlib.com')
axs[0, 1].plot(x, y1, label='Sine - how2matplotlib.com')

axs[1, 0].plot(x, y3, label='Tangent - how2matplotlib.com')
axs[1, 0].plot(x, y1, label='Sine - how2matplotlib.com')
axs[1, 0].plot(x, y2, label='Cosine - how2matplotlib.com')

axs[1, 1].plot(x, y2, label='Cosine - how2matplotlib.com')
axs[1, 1].plot(x, y1, label='Sine - how2matplotlib.com')
axs[1, 1].plot(x, y3, label='Tangent - how2matplotlib.com')

# 创建一个新的轴对象来放置图例
fig.add_subplot(111, frameon=False)
plt.tick_params(labelcolor='none', top=False, bottom=False, left=False, right=False)

# 手动指定图例顺序
desired_order = ['Sine - how2matplotlib.com', 'Cosine - how2matplotlib.com', 'Tangent - how2matplotlib.com']
handles, labels = [], []
for label in desired_order:
    for ax in axs.flat:
        h, l = ax.get_legend_handles_labels()
        if label in l:
            index = l.index(label)
            handles.append(h[index])
            labels.append(label)
            break

# 创建单一图例
plt.legend(handles, labels, loc='center')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们首先定义了期望的图例顺序，然后遍历这个顺序，从子图中收集相应的句柄和标签。这样可以确保最终的图例顺序与我们期望的一致。

6. 高级应用

6.1 结合颜色映射

有时，你可能想要使用颜色映射来表示数据的某些属性。以下是一个结合颜色映射和单一图例的示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y = [np.sin(x + i) for i in range(5)]

# 创建颜色映射
cmap = plt.get_cmap('viridis')
colors = cmap(np.linspace(0, 1, len(y)))

# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(12, 10))

# 在每个子图中绘制数据
for ax in axs.flat:
    for i, (yi, color) in enumerate(zip(y, colors)):
        ax.plot(x, yi, color=color, label=f'Series {i+1} - how2matplotlib.com')

# 创建一个新的轴对象来放置图例
fig.add_subplot(111, frameon=False)
plt.tick_params(labelcolor='none', top=False, bottom=False, left=False, right=False)

# 创建单一图例
handles, labels = ax.get_legend_handles_labels()
plt.legend(handles, labels, loc='center', title='Data Series')

# 添加颜色条
cbar_ax = fig.add_axes([0.95, 0.15, 0.02, 0.7])
sm = plt.cm.ScalarMappable(cmap=cmap, norm=plt.Normalize(0, len(y)-1))
sm.set_array([])
cbar = fig.colorbar(sm, cax=cbar_ax)
cbar.set_label('Series Index')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们使用颜色映射为每个数据系列分配不同的颜色，并添加了一个颜色条来显示颜色与系列索引的对应关系。

6.2 处理不同类型的图表

有时，你可能需要在同一个图形中组合不同类型的图表，如线图、散点图和条形图。以下是一个处理不同类型图表的示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.random.rand(20)
y4 = np.random.rand(5)

# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(12, 10))

# 在每个子图中绘制不同类型的图表
axs[0, 0].plot(x, y1, label='Sine - how2matplotlib.com')
axs[0, 0].plot(x, y2, label='Cosine - how2matplotlib.com')

axs[0, 1].scatter(np.random.rand(20), y3, label='Scatter - how2matplotlib.com')

axs[1, 0].bar(range(5), y4, label='Bar - how2matplotlib.com')

axs[1, 1].hist(np.random.randn(1000), bins=30, label='Histogram - how2matplotlib.com')

# 创建一个新的轴对象来放置图例
fig.add_subplot(111, frameon=False)
plt.tick_params(labelcolor='none', top=False, bottom=False, left=False, right=False)

# 收集所有子图的图例信息
handles, labels = [], []
for ax in axs.flat:
    h, l = ax.get_legend_handles_labels()
    handles.extend(h)
    labels.extend(l)

# 创建单一图例
plt.legend(handles, labels, loc='center', title='Chart Types')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们在不同的子图中创建了线图、散点图、条形图和直方图，然后将它们的图例信息合并到一个单一的图例中。

6.3 动态更新图例

在某些情况下，你可能需要根据用户输入或其他条件动态更新图例。以下是一个动态更新图例的示例：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.widgets import CheckButtons

# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

# 创建图形和子图
fig, ax = plt.subplots(figsize=(10, 8))

# 绘制所有线条
line1, = ax.plot(x, y1, label='Sine - how2matplotlib.com')
line2, = ax.plot(x, y2, label='Cosine - how2matplotlib.com')
line3, = ax.plot(x, y3, label='Tangent - how2matplotlib.com')

# 创建图例
legend = ax.legend(loc='upper right')

# 创建复选框
rax = plt.axes([0.05, 0.4, 0.1, 0.15])
check = CheckButtons(rax, ('Sine', 'Cosine', 'Tangent'), (True, True, True))

# 定义复选框回调函数
def func(label):
    if label == 'Sine':
        line1.set_visible(not line1.get_visible())
    elif label == 'Cosine':
        line2.set_visible(not line2.get_visible())
    elif label == 'Tangent':
        line3.set_visible(not line3.get_visible())

    # 更新图例
    handles, labels = [], []
    for line in (line1, line2, line3):
        if line.get_visible():
            handles.append(line)
            labels.append(line.get_label())
    legend.remove()
    ax.legend(handles, labels, loc='upper right')

    plt.draw()

check.on_clicked(func)

plt.show()

Output:

Matplotlib中如何为所有子图创建单一图例

在这个示例中，我们创建了一个带有复选框的交互式图表。用户可以通过复选框来控制每条线的可见性，图例会相应地更新。

7. 总结

创建单一图例为所有子图是提高Matplotlib图表可读性和专业性的有效方法。通过本文介绍的各种技巧和示例，你应该能够处理大多数涉及单一图例的情况。记住以下几点：

  1. 使用fig.add_subplot(111, frameon=False)创建一个覆盖整个图形的不可见轴来放置图例。
  2. 收集所有子图的图例信息，使用plt.legend()创建单一图例。
  3. 根据需要调整图例的位置、样式和布局。
  4. 处理特殊情况，如图例遮挡、项目过多或顺序不一致等问题。
  5. 考虑结合颜色映射、不同类型的图表或动态更新等高级应用。

通过掌握这些技巧，你将能够创建更加清晰、专业和信息丰富的数据可视化图表。记住，好的图表不仅要准确地呈现数据，还要让观众能够轻松理解和解释这些数据。单一图例的使用可以大大提高你的图表的整体质量和可读性。

最后，不要忘记实践是提高技能的最好方法。尝试将本文中的技巧应用到你自己的数据可视化项目中，并根据具体需求进行调整和优化。随着经验的积累，你将能够更加自如地处理各种复杂的图表需求，创造出既美观又实用的数据可视化作品。

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