当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib中的Axis.get_transform()函数：坐标变换的关键

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

参考：Matplotlib.axis.Axis.get_transform() function in Python

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能和灵活的自定义选项。在Matplotlib中，坐标变换是一个非常重要的概念，它允许我们在不同的坐标系统之间进行转换，从而实现更复杂的绘图效果。本文将深入探讨Matplotlib中的Axis.get_transform()函数，这是实现坐标变换的关键方法之一。

1. Axis.get_transform()函数简介

Axis.get_transform()是Matplotlib库中axis.Axis类的一个方法。这个函数的主要作用是获取与特定坐标轴相关联的坐标变换对象。这个变换对象描述了如何将数据坐标转换为显示坐标（通常是像素坐标）。

让我们看一个简单的例子来了解get_transform()的基本用法：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y, label='sin(x)')

# 获取x轴的变换对象
x_transform = ax.xaxis.get_transform()
print("X-axis transform:", x_transform)

# 获取y轴的变换对象
y_transform = ax.yaxis.get_transform()
print("Y-axis transform:", y_transform)

plt.title('How2matplotlib.com: Axis.get_transform() Example')
plt.legend()
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们首先创建了一个简单的正弦曲线图。然后，我们分别使用ax.xaxis.get_transform()和ax.yaxis.get_transform()获取了x轴和y轴的变换对象。这些变换对象包含了将数据坐标转换为显示坐标的所有必要信息。

2. 坐标变换的基本概念

在深入了解get_transform()函数之前，我们需要先理解Matplotlib中坐标变换的基本概念。

2.1 数据坐标系

数据坐标系是我们最常用的坐标系，它直接对应于我们绘图时使用的数据值。例如，当我们绘制一个点(3, 4)时，我们使用的就是数据坐标系。

import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.plot(3, 4, 'ro')  # 在数据坐标(3, 4)处绘制一个红点
ax.set_xlim(0, 5)
ax.set_ylim(0, 5)
plt.title('How2matplotlib.com: Data Coordinates Example')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们在数据坐标(3, 4)处绘制了一个红点。数据坐标系是我们最直观的坐标系，但它并不是Matplotlib内部使用的唯一坐标系。

2.2 轴坐标系

轴坐标系是与特定轴相关的坐标系。在这个坐标系中，坐标值被归一化到0到1之间。轴的起点对应0，终点对应1。

import matplotlib.pyplot as plt
import matplotlib.transforms as transforms

fig, ax = plt.subplots()
ax.plot([0, 1], [0, 1], transform=ax.transAxes)
plt.title('How2matplotlib.com: Axes Coordinates Example')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们使用ax.transAxes变换绘制了一条从轴坐标系的(0, 0)到(1, 1)的直线。这条线恰好是图形的对角线。

2.3 图形坐标系

图形坐标系是相对于整个图形的坐标系。在这个坐标系中，坐标值同样被归一化到0到1之间，但是是相对于整个图形而言的。

import matplotlib.pyplot as plt
import matplotlib.transforms as transforms

fig, ax = plt.subplots()
line = plt.Line2D([0, 1], [0, 1], transform=fig.transFigure, figure=fig)
fig.lines.append(line)
plt.title('How2matplotlib.com: Figure Coordinates Example')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们使用fig.transFigure变换绘制了一条从图形坐标系的(0, 0)到(1, 1)的直线。这条线穿过了整个图形的对角线。

2.4 显示坐标系

显示坐标系是最底层的坐标系，它直接对应于屏幕上的像素。通常，我们不需要直接使用这个坐标系，但是了解它的存在有助于我们理解Matplotlib的工作原理。

import matplotlib.pyplot as plt
import matplotlib.transforms as transforms

fig, ax = plt.subplots()
ax.plot([100, 200], [100, 200], transform=None)
plt.title('How2matplotlib.com: Display Coordinates Example')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们通过设置transform=None来直接在显示坐标系中绘制。注意，这种方式通常不推荐使用，因为它会导致图形在不同大小的显示设备上看起来不一致。

3. get_transform()函数的工作原理

get_transform()函数返回一个变换对象，这个对象描述了如何将数据坐标转换为显示坐标。这个变换过程通常包含多个步骤：

  1. 数据坐标到轴坐标的变换
  2. 轴坐标到图形坐标的变换
  3. 图形坐标到显示坐标的变换

每个步骤都由一个变换对象来描述，这些变换对象可以组合在一起形成一个复合变换。

让我们通过一个例子来详细了解这个过程：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 获取x轴的变换对象
x_transform = ax.xaxis.get_transform()

# 将数据坐标点(5, 0)转换为显示坐标
data_point = np.array([[5], [0]])
display_point = x_transform.transform(data_point)

print(f"Data point: {data_point.flatten()}")
print(f"Display point: {display_point.flatten()}")

plt.title('How2matplotlib.com: Coordinate Transform Example')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们首先绘制了一个简单的正弦曲线。然后，我们使用get_transform()获取了x轴的变换对象。接着，我们选择了数据坐标系中的点(5, 0)，并使用变换对象将其转换为显示坐标。

这个过程展示了get_transform()返回的变换对象如何将数据坐标转换为显示坐标。理解这个过程对于进行更复杂的坐标变换操作非常重要。

4. get_transform()在自定义绘图中的应用

get_transform()函数在自定义绘图中有广泛的应用。它允许我们在不同的坐标系统中进行绘图，从而实现更复杂的可视化效果。

4.1 在数据坐标系中添加注释

最常见的应用之一是在数据坐标系中添加注释。例如：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 在数据坐标(5, 0.5)处添加注释
ax.annotate('Peak', xy=(5, 0.5), xytext=(6, 0.8),
            arrowprops=dict(facecolor='black', shrink=0.05))

plt.title('How2matplotlib.com: Annotation in Data Coordinates')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们在数据坐标(5, 0.5)处添加了一个注释。注释的位置和文本位置都是在数据坐标系中指定的。

4.2 在轴坐标系中添加文本

我们也可以使用get_transform()在轴坐标系中添加文本：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 在轴坐标(0.5, 0.5)处添加文本
ax.text(0.5, 0.5, 'Center', transform=ax.transAxes, ha='center', va='center')

plt.title('How2matplotlib.com: Text in Axes Coordinates')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们使用ax.transAxes变换在轴坐标系的中心(0.5, 0.5)处添加了文本。

4.3 组合不同的坐标系

get_transform()还允许我们组合不同的坐标系，实现更复杂的效果：

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

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 组合数据坐标系和轴坐标系
trans = transforms.blended_transform_factory(ax.transData, ax.transAxes)

# 在x轴数据坐标5处，y轴轴坐标0.5处添加文本
ax.text(5, 0.5, 'Blended', transform=trans, ha='center', va='center')

plt.title('How2matplotlib.com: Blended Coordinate System')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们使用blended_transform_factory创建了一个混合变换，它在x方向使用数据坐标，在y方向使用轴坐标。这允许我们在x轴的数据坐标5处，y轴的中间位置添加文本。

5. get_transform()与其他变换方法的比较

Matplotlib提供了多种变换方法，get_transform()是其中之一。让我们比较一下get_transform()与其他常用的变换方法。

5.1 get_transform() vs. transData

transData是Matplotlib中最常用的变换对象之一，它描述了从数据坐标到显示坐标的变换。实际上，get_transform()通常返回的就是transData或其变体。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 使用get_transform()
transform1 = ax.xaxis.get_transform()

# 使用transData
transform2 = ax.transData

print("Are transforms equal?", transform1 == transform2)

plt.title('How2matplotlib.com: get_transform() vs. transData')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们比较了get_transform()返回的变换对象和transData。你会发现它们通常是相等的。

5.2 get_transform() vs. transAxes

transAxes描述了从轴坐标到显示坐标的变换。与get_transform()不同，transAxes总是将坐标归一化到0到1之间。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 使用get_transform()
ax.text(5, 0.5, 'Data Coords', transform=ax.xaxis.get_transform())

# 使用transAxes
ax.text(0.5, 0.5, 'Axes Coords', transform=ax.transAxes)

plt.title('How2matplotlib.com: get_transform() vs. transAxes')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们使用get_transform()在数据坐标系中添加文本，使用transAxes在轴坐标系中添加文本。你会看到它们的位置是不同的。

5.3 get_transform() vs. transFigure

transFigure描述了从图形坐标到显示坐标的变换。与get_transform()不同，transFigure是相对于整个图形的，而不是相对于特定的轴。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 使用get_transform()
ax.text(5, 0.5, 'Data Coords', transform=ax.xaxis.get_transform())

# 使用transFigure
fig.text(0.5, 0.5, 'Figure Coords', transform=fig.transFigure)

plt.title('How2matplotlib.com: get_transform() vs. transFigure')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们使用get_transform()在数据坐标系中添加文本，使用transFigure在图形坐标系中添加文本。你会看到它们的位置是不同的。

6. get_transform()在复杂图形中的应用

get_transform()函数在创建复杂图形时特别有用，它允许我们精确控制图形元素的位置和大小。让我们看几个具体的应用场景。

6.1 创建自定义刻度标签

我们可以使用get_transform()来创建自定义的刻度标签，这在需要特殊格式或非线性刻度时非常有用。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.exp(x)
ax.plot(x, y)

# 获取y轴的变换对象
y_transform = ax.yaxis.get_transform()

# 创建自定义刻度标签
custom_ticks = [0, 100, 1000, 10000, 100000]
custom_positions = y_transform.transform(np.array(custom_ticks)[:, np.newaxis])

for tick, pos in zip(custom_ticks, custom_positions):
    ax.text(0, pos[0, 1], f'{tick}', transform=None, ha='right', va='center')

ax.set_yticks([])  # 移除原有的刻度
ax.set_ylim(0, 100000)

plt.title('How2matplotlib.com: Custom Tick Labels')
plt.show()

在这个例子中，我们使用get_transform()获取y轴的变换对象，然后用它来计算自定义刻度标签的位置。这允许我们创建一个对数刻度的y轴，但使用线性值作为标签。

6.2 创建复合坐标系

get_transform()还可以用来创建复合坐标系，这在需要在同一图形中使用不同坐标系的情况下非常有用。

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

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

ax.plot(x, y1, 'b-', label='sin(x)')
ax.plot(x, y2, 'r-', label='cos(x)')

# 创建一个复合变换
trans = transforms.blended_transform_factory(ax.transData, ax.transAxes)

# 在x轴数据坐标处，y轴使用轴坐标添加文本
for i in range(11):
    ax.text(i, 1.05, f'{i}', transform=trans, ha='center', va='bottom')

ax.set_ylim(-1.5, 1.5)
plt.legend()
plt.title('How2matplotlib.com: Compound Coordinate System')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们创建了一个复合变换，它在x方向使用数据坐标，在y方向使用轴坐标。这允许我们在图形的顶部添加额外的刻度标签，而不受y轴数据范围的限制。

6.3 创建inset axes

get_transform()还可以用来创建inset axes（嵌入式坐标轴），这在需要在主图中显示局部放大图或额外信息时非常有用。

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

fig, ax = plt.subplots()
x = np.linspace(0, 10, 1000)
y = np.sin(x) + np.random.normal(0, 0.1, 1000)
ax.plot(x, y)

# 创建inset axes
axins = ax.inset_axes([0.5, 0.5, 0.47, 0.47])
axins.plot(x, y)
axins.set_xlim(4, 6)
axins.set_ylim(-0.5, 0.5)

# 使用get_transform()来绘制连接线
transform = ax.transData + ax.transAxes.inverted()
corners = transform.transform([[4, -0.5], [6, 0.5]])
con = plt.ConnectionPatch(xyA=(4, -0.5), xyB=(0.5, 0.5), coordsA="data", coordsB="axes fraction",
                          axesA=axins, axesB=ax, color="gray")
ax.add_artist(con)
con = plt.ConnectionPatch(xyA=(6, 0.5), xyB=(0.97, 0.97), coordsA="data", coordsB="axes fraction",
                          axesA=axins, axesB=ax, color="gray")
ax.add_artist(con)

plt.title('How2matplotlib.com: Inset Axes with Connections')
plt.show()

在这个例子中，我们使用get_transform()来计算连接线的位置。这允许我们精确地将inset axes与主图中的相应区域连接起来。

7. get_transform()的高级应用

除了基本应用外，get_transform()还有一些高级应用，可以帮助我们创建更复杂和精细的图形。

7.1 创建自定义投影

get_transform()可以用来创建自定义的投影，这在地图绘制或特殊数据可视化中非常有用。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.transforms import Affine2D

class CustomProjection(plt.Axes):
    name = 'custom_projection'

    def __init__(self, *args, **kwargs):
        plt.Axes.__init__(self, *args, **kwargs)
        self.set_aspect('equal')

    def get_transform(self):
        return self.transData + Affine2D().rotate_deg(45)

fig = plt.figure()
ax = fig.add_subplot(111, projection=CustomProjection())

x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

plt.title('How2matplotlib.com: Custom Projection')
plt.show()

在这个例子中，我们创建了一个自定义的投影，它将所有数据旋转45度。这是通过重写get_transform()方法实现的。

7.2 创建动态变换

get_transform()还可以用来创建动态变换，这在创建动画或交互式图形时非常有用。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
x = np.linspace(0, 2*np.pi, 100)
line, = ax.plot(x, np.sin(x))

def animate(i):
    transform = ax.transData
    transform += Affine2D().rotate_deg(i)
    line.set_transform(transform)
    return line,

ani = FuncAnimation(fig, animate, frames=np.linspace(0, 360, 100), 
                    interval=50, blit=True)

plt.title('How2matplotlib.com: Dynamic Transform')
plt.show()

在这个例子中，我们创建了一个动画，其中正弦曲线不断旋转。这是通过在每一帧中更新线条的变换实现的。

7.3 创建非线性坐标系

get_transform()还可以用来创建非线性坐标系，这在处理某些特殊类型的数据时非常有用。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.transforms import Affine2D

class LogTransform(Affine2D):
    def transform_non_affine(self, points):
        x, y = points.T
        return np.column_stack((np.log10(x), y))

fig, ax = plt.subplots()
x = np.logspace(0, 3, 100)
y = np.sin(x)

transform = LogTransform() + ax.transData
ax.plot(x, y, transform=transform)

ax.set_xscale('log')
plt.title('How2matplotlib.com: Non-linear Coordinate System')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们创建了一个对数变换，并将其应用到x轴。这允许我们在对数尺度上绘制数据，但保持线性的视觉效果。

8. get_transform()的性能考虑

虽然get_transform()是一个强大的工具，但在使用时也需要考虑性能问题，特别是在处理大量数据或创建复杂图形时。

8.1 缓存变换对象

如果你需要多次使用同一个变换，最好将其缓存起来，而不是每次都调用get_transform()。

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

fig, ax = plt.subplots()
x = np.linspace(0, 10, 1000)
y = np.sin(x)

# 缓存变换对象
transform = ax.xaxis.get_transform()

start_time = time.time()
for i in range(1000):
    ax.plot(x, y, transform=transform)
end_time = time.time()
print(f"Time with cached transform: {end_time - start_time}")

start_time = time.time()
for i in range(1000):
    ax.plot(x, y, transform=ax.xaxis.get_transform())
end_time = time.time()
print(f"Time without cached transform: {end_time - start_time}")

plt.title('How2matplotlib.com: Transform Caching')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们比较了使用缓存变换和每次都调用get_transform()的性能差异。你会发现，缓存变换可以显著提高性能。

8.2 使用简化的变换

在某些情况下，使用完整的get_transform()可能会引入不必要的复杂性。如果你只需要简单的坐标变换，可以考虑使用更简单的方法。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 使用完整的get_transform()
ax.text(5, 0.5, 'Full Transform', transform=ax.xaxis.get_transform())

# 使用简化的变换
ax.text(5, 0.5, 'Simple Transform', transform=ax.transData)

plt.title('How2matplotlib.com: Simplified Transforms')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们比较了使用get_transform()和直接使用transData的效果。在许多情况下，它们的结果是相同的，但后者可能更简单和高效。

9. get_transform()的常见问题和解决方案

使用get_transform()时可能会遇到一些常见问题，让我们来看看如何解决它们。

9.1 坐标系不匹配

一个常见的问题是坐标系不匹配，这可能导致图形元素出现在意外的位置。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 错误的用法
ax.text(0.5, 0.5, 'Wrong', transform=ax.transData)

# 正确的用法
ax.text(5, 0.5, 'Correct', transform=ax.transData)

plt.title('How2matplotlib.com: Coordinate System Mismatch')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，第一个文本使用了错误的坐标系（轴坐标而不是数据坐标），导致它出现在错误的位置。第二个文本使用了正确的坐标系，因此出现在预期的位置。

9.2 变换顺序问题

另一个常见问题是变换的顺序不正确，这可能导致意外的结果。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.transforms import Affine2D

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 错误的顺序
transform1 = ax.transData + Affine2D().rotate_deg(45)
ax.text(5, 0.5, 'Wrong Order', transform=transform1, color='red')

# 正确的顺序
transform2 = Affine2D().rotate_deg(45) + ax.transData
ax.text(5, 0.5, 'Correct Order', transform=transform2, color='green')

plt.title('How2matplotlib.com: Transform Order Problem')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，第一个变换的顺序是错误的，导致文本被旋转到错误的位置。第二个变换的顺序是正确的，文本出现在预期的位置。

9.3 忘记应用变换

有时候，我们可能会忘记应用变换，导致图形元素出现在错误的位置。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 忘记应用变换
ax.text(5, 0.5, 'Forgotten Transform', transform=None)

# 正确应用变换
ax.text(5, 0.5, 'Applied Transform', transform=ax.transData)

plt.title('How2matplotlib.com: Forgotten Transform')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，第一个文本忘记应用变换，导致它出现在错误的位置（显示坐标而不是数据坐标）。第二个文本正确应用了变换，因此出现在预期的位置。

10. 总结

Axis.get_transform()是Matplotlib中一个强大而灵活的函数，它为我们提供了精确控制图形元素位置和大小的能力。通过本文的介绍，我们深入了解了这个函数的工作原理、应用场景以及一些高级用法。

以下是本文的主要要点：

  1. get_transform()函数返回一个变换对象，该对象描述了如何将数据坐标转换为显示坐标。

  2. 理解不同的坐标系（数据坐标系、轴坐标系、图形坐标系、显示坐标系）对于正确使用get_transform()至关重要。

  3. get_transform()在自定义绘图中有广泛的应用，如添加注释、创建自定义刻度标签、组合不同坐标系等。

  4. 与其他变换方法（如transData、transAxes、transFigure）相比，get_transform()提供了更大的灵活性。

  5. 在复杂图形中，get_transform()可以用于创建inset axes、自定义投影、动态变换和非线性坐标系。

  6. 使用get_transform()时需要考虑性能问题，如缓存变换对象和使用简化的变换。

  7. 常见问题包括坐标系不匹配、变换顺序问题和忘记应用变换，了解这些问题及其解决方案可以帮助我们更好地使用get_transform()。

通过掌握get_transform()函数，我们可以在Matplotlib中创建更复杂、更精确的可视化效果。无论是简单的数据图表还是复杂的科学可视化，get_transform()都是一个强大的工具。

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