当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

参考：Matplotlib.axis.Axis.set_minor_formatter() 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自定义选项。在创建图表时，刻度标签的格式化是一个重要的方面，可以大大提高图表的可读性和美观度。本文将详细介绍Matplotlib中的Axis.set_minor_formatter()函数，这是一个用于设置坐标轴次要刻度标签格式的强大工具。

1. set_minor_formatter()函数简介

set_minor_formatter()是Matplotlib库中axis.Axis类的一个方法，用于设置坐标轴次要刻度的格式化器。次要刻度通常是主要刻度之间的较小刻度，用于提供更精细的刻度信息。通过使用这个函数，我们可以自定义次要刻度标签的显示方式，使图表更加清晰和信息丰富。

基本语法如下：

axis.set_minor_formatter(formatter)

其中，axis是坐标轴对象（可以是x轴或y轴），formatter是一个格式化器对象或可调用对象，用于定义如何格式化次要刻度标签。

2. 常用的格式化器

Matplotlib提供了多种内置的格式化器，可以直接用于set_minor_formatter()函数。以下是一些常用的格式化器：

2.1 NullFormatter

NullFormatter用于隐藏刻度标签，只显示刻度线而不显示文本。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import NullFormatter

fig, ax = plt.subplots(figsize=(8, 6))
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y, label='sin(x)')

ax.xaxis.set_minor_formatter(NullFormatter())
ax.set_title('How2matplotlib.com - NullFormatter Example')
ax.legend()
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们使用NullFormatter()来隐藏x轴的次要刻度标签。这样可以减少图表的视觉复杂度，同时保留刻度线以提供参考。

2.2 FormatStrFormatter

FormatStrFormatter允许使用字符串格式化语法来定制刻度标签的显示方式。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FormatStrFormatter

fig, ax = plt.subplots(figsize=(8, 6))
x = np.linspace(0, 5, 50)
y = x**2

ax.plot(x, y, label='y = x^2')
ax.yaxis.set_minor_formatter(FormatStrFormatter('%.2f'))
ax.set_title('How2matplotlib.com - FormatStrFormatter Example')
ax.legend()
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们使用FormatStrFormatter('%.2f')来格式化y轴的次要刻度标签，使其显示为保留两位小数的浮点数。

2.3 FuncFormatter

FuncFormatter允许我们使用自定义函数来格式化刻度标签，提供了最大的灵活性。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def format_func(value, tick_number):
    return f"How2matplotlib.com\n{value:.1f}°"

fig, ax = plt.subplots(figsize=(8, 6))
x = np.linspace(0, 360, 37)
y = np.sin(np.radians(x))

ax.plot(x, y, label='sin(x)')
ax.xaxis.set_minor_formatter(FuncFormatter(format_func))
ax.set_title('FuncFormatter Example')
ax.legend()
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们定义了一个自定义函数format_func，它将值格式化为带有一位小数的角度，并在每个标签上添加”How2matplotlib.com”。然后我们使用FuncFormatter(format_func)来应用这个格式化函数到x轴的次要刻度。

3. 设置次要刻度的位置

在使用set_minor_formatter()之前，我们通常需要先设置次要刻度的位置。这可以通过set_minor_locator()方法来实现。

4. 结合主要刻度和次要刻度

为了创建信息丰富的图表，我们通常会同时设置主要刻度和次要刻度的格式。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import MultipleLocator, FormatStrFormatter, FuncFormatter

def major_formatter(x, pos):
    return f"How2matplotlib.com\n{x:.0f}"

def minor_formatter(x, pos):
    return f"{x:.1f}"

fig, ax = plt.subplots(figsize=(10, 6))
x = np.linspace(0, 10, 100)
y = np.sin(x) * np.exp(-x/10)

ax.plot(x, y, label='sin(x) * exp(-x/10)')

ax.xaxis.set_major_locator(MultipleLocator(2))
ax.xaxis.set_major_formatter(FuncFormatter(major_formatter))
ax.xaxis.set_minor_locator(MultipleLocator(0.5))
ax.xaxis.set_minor_formatter(FuncFormatter(minor_formatter))

ax.set_title('Combining Major and Minor Formatters')
ax.legend()
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们为x轴设置了不同的主要刻度和次要刻度格式。主要刻度显示整数值和”How2matplotlib.com”，而次要刻度显示一位小数的值。

5. 在极坐标系中使用set_minor_formatter()

set_minor_formatter()函数不仅适用于笛卡尔坐标系，也可以在极坐标系中使用。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def rad_to_deg(x, pos):
    return f"{np.degrees(x):.0f}°"

fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(projection='polar'))
r = np.linspace(0, 1, 100)
theta = 2 * np.pi * r

ax.plot(theta, r)
ax.set_title('How2matplotlib.com - Polar Plot with Formatted Ticks')

ax.xaxis.set_minor_formatter(FuncFormatter(rad_to_deg))
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个极坐标系的例子中，我们使用FuncFormatter将弧度转换为度数，并应用到次要刻度上。

6. 日期时间格式化

对于时间序列数据，Matplotlib提供了专门的日期时间格式化器。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.dates import DateFormatter, DayLocator, HourLocator
from datetime import datetime, timedelta

fig, ax = plt.subplots(figsize=(10, 6))

base = datetime(2023, 1, 1)
dates = [base + timedelta(hours=i) for i in range(48)]
y = np.random.randn(48).cumsum()

ax.plot(dates, y)

ax.xaxis.set_major_locator(DayLocator())
ax.xaxis.set_major_formatter(DateFormatter('%Y-%m-%d'))
ax.xaxis.set_minor_locator(HourLocator(byhour=range(0, 24, 6)))
ax.xaxis.set_minor_formatter(DateFormatter('%H:%M'))

ax.set_title('How2matplotlib.com - Time Series with Formatted Ticks')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们使用DateFormatter来格式化日期时间刻度。主要刻度显示日期，次要刻度显示时间。

7. 科学记数法格式化

对于非常大或非常小的数值，使用科学记数法可以使图表更加清晰。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import ScalarFormatter, FormatStrFormatter

fig, ax = plt.subplots(figsize=(8, 6))
x = np.logspace(0, 10, 11)
y = x**2

ax.plot(x, y)
ax.set_xscale('log')
ax.set_yscale('log')

ax.xaxis.set_major_formatter(ScalarFormatter())
ax.yaxis.set_major_formatter(ScalarFormatter())
ax.yaxis.set_minor_formatter(FormatStrFormatter('%.1e'))

ax.set_title('How2matplotlib.com - Scientific Notation Example')
plt.tight_layout()
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们使用ScalarFormatter()来格式化主要刻度，使用FormatStrFormatter('%.1e')来以科学记数法格式化y轴的次要刻度。

8. 自定义Ticker类

对于更复杂的格式化需求，我们可以创建自定义的Ticker类。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import Formatter

class CustomFormatter(Formatter):
    def __init__(self, prefix='How2matplotlib.com'):
        self.prefix = prefix

    def __call__(self, x, pos=None):
        if x == 0:
            return self.prefix
        return f"{self.prefix}\n{x:.2f}"

fig, ax = plt.subplots(figsize=(8, 6))
x = np.linspace(0, 10, 11)
y = x**2

ax.plot(x, y)
ax.yaxis.set_minor_formatter(CustomFormatter())

ax.set_title('Custom Formatter Example')
plt.tight_layout()
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们创建了一个CustomFormatter类，它在每个刻度标签前添加一个前缀，并对非零值进行格式化。

9. 多子图中的格式化

当创建包含多个子图的图表时，我们可以为每个子图单独设置格式化器。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FormatStrFormatter, FuncFormatter

def celsius_to_fahrenheit(x, pos):
    return f"{(x * 9/5 + 32):.1f}°F"

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(8, 10))

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

ax1.plot(x, y1, label='sin(x)')
ax2.plot(x, y2, label='cos(x)')

ax1.yaxis.set_minor_formatter(FormatStrFormatter('%.2f'))
ax2.yaxis.set_minor_formatter(FuncFormatter(celsius_to_fahrenheit))

ax1.set_title('How2matplotlib.com - Subplot 1')
ax2.set_title('How2matplotlib.com - Subplot 2')
ax1.legend()
ax2.legend()

plt.tight_layout()
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们创建了两个子图，并为每个子图的y轴设置了不同的次要刻度格式化器。第一个子图使用FormatStrFormatter显示两位小数，第二个子图使用自定义函数将摄氏度转换为华氏度。

10. 颜色映射刻度格式化

当使用颜色映射（colormap）时，我们也可以格式化颜色条的刻度。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def format_func(x, pos):
    return f"How2matplotlib.com\n{x:.1e}"

fig, ax = plt.subplots(figsize=(8, 6))

x = np.linspace(0, 5, 50)
y = np.linspace(0, 5, 40)
X, Y = np.meshgrid(x, y)
Z = np.sin(X) * np.cos(Y) * np.exp(-((X-2.5)**2 + (Y-2.5)**2) / 10)

c = ax.pcolormesh(X, Y, Z, cmap='viridis')
cbar = fig.colorbar(c, ax=ax)
cbar.ax.yaxis.set_minor_formatter(FuncFormatter(format_func))

ax.set_title('Colormap with Formatted Colorbar Ticks')
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们创建了一个颜色映射图，并使用FuncFormatter来格式化颜色条的次要刻度，显示科学记数法和”How2matplotlib.com”标签。

11. 3D图表中的刻度格式化

3D图表也支持刻度格式化，虽然在3D环境中设置次要刻度可能不太常见，但我们仍然可以格式化主要刻度。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def format_func(x, pos):
    return f"How2matplotlib.com\n{x:.1f}"

fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

surf = ax.plot_surface(X, Y, Z, cmap='viridis')

ax.xaxis.set_major_formatter(FuncFormatter(format_func))
ax.yaxis.set_major_formatter(FuncFormatter(format_func))
ax.zaxis.set_major_formatter(FuncFormatter(format_func))

ax.set_title('How2matplotlib.com - 3D Plot with Formatted Ticks')
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个3D图表的例子中，我们为x、y和z轴的主要刻度设置了相同的格式化函数，显示”How2matplotlib.com”和保留一位小数的值。

12. 动态刻度格式化

在某些情况下，我们可能需要根据数据的范围动态调整刻度的格式。这可以通过创建一个自适应的格式化器来实现。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

class AdaptiveFormatter(object):
    def __init__(self, threshold=1000):
        self.threshold = threshold

    def __call__(self, x, pos):
        if abs(x) >= self.threshold:
            return f"How2matplotlib.com\n{x:.1e}"
        else:
            return f"How2matplotlib.com\n{x:.2f}"

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

x1 = np.linspace(0, 10, 100)
y1 = x1**2

x2 = np.linspace(0, 1000, 100)
y2 = x2**2

ax1.plot(x1, y1)
ax2.plot(x2, y2)

formatter = AdaptiveFormatter()
ax1.yaxis.set_minor_formatter(FuncFormatter(formatter))
ax2.yaxis.set_minor_formatter(FuncFormatter(formatter))

ax1.set_title('Small Scale')
ax2.set_title('Large Scale')

plt.tight_layout()
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们创建了一个AdaptiveFormatter类，它根据数值的大小选择不同的格式化方式。当数值小于阈值时，它显示小数形式；当数值大于或等于阈值时，它显示科学记数法。

13. 极坐标系中的角度格式化

在极坐标系中，我们可能需要以特殊的方式格式化角度刻度。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def angle_formatter(x, pos):
    return f"How2matplotlib.com\n{x:.0f}°"

fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(projection='polar'))

r = np.linspace(0, 1, 100)
theta = 2 * np.pi * r

ax.plot(theta, r)
ax.set_rlabel_position(0)
ax.xaxis.set_major_formatter(FuncFormatter(angle_formatter))

ax.set_title('Polar Plot with Formatted Angle Ticks')
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个极坐标系的例子中，我们使用FuncFormatter将弧度转换为度数，并在每个刻度标签上添加”How2matplotlib.com”。

14. 对数刻度的格式化

对于对数刻度，我们可能需要特殊的格式化方式来清晰地显示数量级。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def log_formatter(x, pos):
    return f"How2matplotlib.com\n10^{int(np.log10(x))}"

fig, ax = plt.subplots(figsize=(10, 6))

x = np.logspace(0, 5, 6)
y = x**2

ax.plot(x, y)
ax.set_xscale('log')
ax.set_yscale('log')

ax.xaxis.set_major_formatter(FuncFormatter(log_formatter))
ax.yaxis.set_major_formatter(FuncFormatter(log_formatter))

ax.set_title('Log Scale Plot with Formatted Ticks')
plt.grid(True)
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们创建了一个对数刻度的图表，并使用自定义的格式化函数来显示10的幂次方形式的刻度标签。

15. 时间序列数据的高级格式化

对于时间序列数据，我们可能需要更复杂的格式化，例如根据时间跨度自动调整格式。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.dates import DateFormatter, AutoDateLocator
from datetime import datetime, timedelta

class FlexibleDateFormatter(DateFormatter):
    def __init__(self, fmt='%Y-%m-%d'):
        super().__init__(fmt)

    def __call__(self, x, pos=None):
        date = self.num2date(x)
        if date.second != 0 or date.microsecond != 0:
            return f"How2matplotlib.com\n{date:%H:%M:%S.%f}"
        elif date.hour != 0 or date.minute != 0:
            return f"How2matplotlib.com\n{date:%Y-%m-%d %H:%M}"
        else:
            return f"How2matplotlib.com\n{date:%Y-%m-%d}"

fig, ax = plt.subplots(figsize=(12, 6))

base = datetime(2023, 1, 1)
x = [base + timedelta(hours=i) for i in range(168)]  # One week of hourly data
y = np.cumsum(np.random.randn(168))

ax.plot(x, y)

ax.xaxis.set_major_locator(AutoDateLocator())
ax.xaxis.set_major_formatter(FlexibleDateFormatter())

ax.set_title('Time Series with Flexible Date Formatting')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

在这个例子中，我们创建了一个FlexibleDateFormatter类，它根据日期时间的精度自动调整格式。这对于显示跨越不同时间尺度的数据特别有用。

16. 多语言支持

在国际化的应用中，我们可能需要支持多种语言的刻度标签。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def multilingual_formatter(x, pos):
    languages = {
        'en': 'Value',
        'es': 'Valor',
        'fr': 'Valeur',
        'de': 'Wert'
    }
    lang = 'en'  # 可以根据需要更改语言
    return f"How2matplotlib.com\n{languages[lang]}: {x:.2f}"

fig, ax = plt.subplots(figsize=(8, 6))

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

ax.plot(x, y)
ax.yaxis.set_minor_formatter(FuncFormatter(multilingual_formatter))

ax.set_title('Multilingual Tick Formatting')
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们创建了一个多语言格式化器，可以根据选择的语言显示不同的标签文本。

17. 带单位的刻度格式化

在科学或工程图表中，我们可能需要在刻度标签中包含单位信息。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def unit_formatter(x, pos):
    units = ['B', 'KB', 'MB', 'GB', 'TB']
    k = 1024.0
    magnitude = int(np.floor(np.log(x) / np.log(k)))
    return f"How2matplotlib.com\n{x/k**magnitude:.1f} {units[magnitude]}"

fig, ax = plt.subplots(figsize=(10, 6))

x = np.logspace(0, 12, 13)
y = x

ax.plot(x, y)
ax.set_xscale('log')
ax.set_yscale('log')

ax.xaxis.set_major_formatter(FuncFormatter(unit_formatter))
ax.yaxis.set_major_formatter(FuncFormatter(unit_formatter))

ax.set_title('Data Size Plot with Unit Formatting')
plt.grid(True)
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们创建了一个格式化器，可以自动将字节数转换为适当的单位（B、KB、MB、GB、TB）并显示。

18. 条形图中的刻度格式化

在条形图中，我们可能需要在每个条形上显示具体的数值。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def value_formatter(x, pos):
    return f"How2matplotlib.com\n{x:.0f}"

fig, ax = plt.subplots(figsize=(10, 6))

categories = ['A', 'B', 'C', 'D', 'E']
values = np.random.randint(0, 100, 5)

bars = ax.bar(categories, values)

ax.yaxis.set_major_formatter(FuncFormatter(value_formatter))

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height,
            f'{height}',
            ha='center', va='bottom')

ax.set_title('Bar Chart with Formatted Ticks and Bar Labels')
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们不仅格式化了y轴的刻度，还在每个条形上方添加了数值标签。

19. 热图中的刻度格式化

在热图中，我们可能需要格式化颜色条的刻度。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def percentage_formatter(x, pos):
    return f"How2matplotlib.com\n{x:.0%}"

fig, ax = plt.subplots(figsize=(10, 8))

data = np.random.rand(10, 10)
im = ax.imshow(data, cmap='YlOrRd')

cbar = fig.colorbar(im, ax=ax)
cbar.ax.yaxis.set_major_formatter(FuncFormatter(percentage_formatter))

ax.set_title('Heatmap with Percentage Formatted Colorbar')
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个例子中，我们创建了一个热图，并将颜色条的刻度格式化为百分比形式。

20. 动画中的刻度格式化

在创建动画时，我们可能需要动态更新刻度的格式。

示例代码：

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

def time_formatter(x, pos):
    hours = int(x // 3600)
    minutes = int((x % 3600) // 60)
    seconds = int(x % 60)
    return f"How2matplotlib.com\n{hours:02d}:{minutes:02d}:{seconds:02d}"

fig, ax = plt.subplots(figsize=(10, 6))

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

ax.xaxis.set_major_formatter(FuncFormatter(time_formatter))

def update(frame):
    line.set_ydata(np.sin(x + frame/10))
    ax.set_xlim(frame, frame + 2*np.pi)
    return line,

ani = FuncAnimation(fig, update, frames=np.linspace(0, 100, 500),
                    interval=50, blit=True)

plt.title('Animated Plot with Time Formatted Ticks')
plt.show()

Output:

Matplotlib中使用set_minor_formatter()函数设置次要刻度格式

在这个动画例子中，我们创建了一个时间格式化器，将x轴的值转换为时:分:秒的格式。随着动画的进行，x轴的刻度会动态更新。

总结：

通过本文的详细介绍和丰富的示例，我们深入探讨了Matplotlib中Axis.set_minor_formatter()函数的使用方法和应用场景。从基本的数值格式化到复杂的自定义格式化器，从2D图表到3D图表，从静态图表到动画，我们展示了这个强大函数的多样性和灵活性。

正确使用刻度格式化可以大大提高图表的可读性和信息传递效率。无论是科学数据可视化、金融分析还是日常数据报告，掌握刻度格式化技巧都能让你的图表更加专业和有说服力。

记住，图表的核心是传达信息，而良好的刻度格式化是实现这一目标的关键工具之一。希望这篇文章能够帮助你在Matplotlib中创建出更加清晰、美观、信息丰富的图表。

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