当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib柱状图图例：如何创建和自定义柱状图的图例

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

参考：matplotlib bar chart legend

Matplotlib是Python中最流行的数据可视化库之一，它提供了强大的工具来创建各种类型的图表，包括柱状图。在数据可视化中，柱状图是一种常用的图表类型，用于比较不同类别的数据。而图例则是帮助读者理解图表内容的重要元素。本文将详细介绍如何使用Matplotlib创建柱状图，并重点讲解如何添加和自定义图例，以增强图表的可读性和信息传达能力。

1. Matplotlib柱状图基础

在开始讨论图例之前，我们先来了解如何使用Matplotlib创建基本的柱状图。柱状图通常用于展示离散类别的数值比较。

1.1 创建简单的柱状图

让我们从一个简单的例子开始：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6))
plt.bar(categories, values)
plt.title('Simple Bar Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们创建了一个简单的柱状图，展示了四个类别的数值。plt.bar()函数是创建柱状图的核心，它接受两个主要参数：类别标签和对应的数值。

1.2 自定义柱状图外观

我们可以通过调整各种参数来自定义柱状图的外观：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
plt.bar(categories, values, color='skyblue', edgecolor='navy', linewidth=2, alpha=0.7)
plt.title('Customized Bar Chart - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=12)
plt.ylabel('Values', fontsize=12)
plt.xticks(rotation=45)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们自定义了柱子的颜色、边框颜色、透明度等属性，同时调整了标题和轴标签的字体大小，旋转了x轴标签，并添加了网格线。

2. 添加图例到柱状图

图例是帮助读者理解图表内容的重要元素，特别是当图表包含多个数据系列时。让我们看看如何为柱状图添加图例。

2.1 单系列柱状图的图例

即使是单系列的柱状图，有时也需要添加图例：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6))
bars = plt.bar(categories, values, label='Data Series - how2matplotlib.com')
plt.title('Bar Chart with Legend')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们通过label参数为柱状图添加了标签，然后使用plt.legend()函数显示图例。

2.2 多系列柱状图的图例

当我们有多个数据系列时，图例变得更加重要：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

x = np.arange(len(categories))
width = 0.35

fig, ax = plt.subplots(figsize=(10, 6))
rects1 = ax.bar(x - width/2, values1, width, label='Series 1 - how2matplotlib.com')
rects2 = ax.bar(x + width/2, values2, width, label='Series 2 - how2matplotlib.com')

ax.set_title('Multiple Series Bar Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.set_xticks(x)
ax.set_xticklabels(categories)
ax.legend()

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们创建了两个并排的柱状图系列，并为每个系列添加了标签。ax.legend()函数自动创建包含这两个标签的图例。

3. 自定义图例

Matplotlib提供了多种方法来自定义图例的外观和位置。

3.1 调整图例位置

我们可以通过loc参数来调整图例的位置：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6))
plt.bar(categories, values, label='Data - how2matplotlib.com')
plt.title('Bar Chart with Custom Legend Location')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend(loc='upper right')
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

loc参数可以接受多种值，如’upper left’、’lower right’、’center’等。

3.2 自定义图例样式

我们可以调整图例的各种视觉属性：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6))
plt.bar(categories, values, label='Data - how2matplotlib.com')
plt.title('Bar Chart with Styled Legend')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend(frameon=True, fancybox=True, shadow=True, fontsize=10, 
           facecolor='lightgray', edgecolor='black', title='Legend Title')
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们自定义了图例的边框、阴影、字体大小、背景色等属性。

3.3 图例中的多列布局

当有多个数据系列时，我们可能希望图例以多列的形式显示：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]
values3 = [2, 5, 3, 6]

x = np.arange(len(categories))
width = 0.25

fig, ax = plt.subplots(figsize=(12, 6))
rects1 = ax.bar(x - width, values1, width, label='Series 1 - how2matplotlib.com')
rects2 = ax.bar(x, values2, width, label='Series 2 - how2matplotlib.com')
rects3 = ax.bar(x + width, values3, width, label='Series 3 - how2matplotlib.com')

ax.set_title('Multiple Series Bar Chart with Multi-column Legend')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.set_xticks(x)
ax.set_xticklabels(categories)
ax.legend(ncol=3, loc='upper center', bbox_to_anchor=(0.5, 1.15))

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们使用ncol参数将图例设置为3列，并使用bbox_to_anchor参数调整图例的位置。

4. 堆叠柱状图的图例

堆叠柱状图是另一种常见的柱状图类型，它需要特别注意图例的处理。

4.1 创建基本的堆叠柱状图

让我们先创建一个基本的堆叠柱状图：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [1, 2, 3, 4]
values2 = [2, 3, 4, 5]
values3 = [3, 4, 5, 6]

plt.figure(figsize=(10, 6))
plt.bar(categories, values1, label='Series 1 - how2matplotlib.com')
plt.bar(categories, values2, bottom=values1, label='Series 2 - how2matplotlib.com')
plt.bar(categories, values3, bottom=np.array(values1) + np.array(values2), label='Series 3 - how2matplotlib.com')

plt.title('Stacked Bar Chart')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们使用bottom参数来堆叠不同的数据系列。图例自动显示了每个系列的标签。

4.2 自定义堆叠柱状图的图例

我们可以进一步自定义堆叠柱状图的图例：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [1, 2, 3, 4]
values2 = [2, 3, 4, 5]
values3 = [3, 4, 5, 6]

fig, ax = plt.subplots(figsize=(10, 6))
ax.bar(categories, values1, label='Series 1 - how2matplotlib.com', color='skyblue')
ax.bar(categories, values2, bottom=values1, label='Series 2 - how2matplotlib.com', color='lightgreen')
ax.bar(categories, values3, bottom=np.array(values1) + np.array(values2), label='Series 3 - how2matplotlib.com', color='salmon')

ax.set_title('Customized Stacked Bar Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.legend(title='Data Series', bbox_to_anchor=(1.05, 1), loc='upper left')

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们为每个系列设置了不同的颜色，并将图例放置在图表的右侧。

5. 水平柱状图的图例

水平柱状图是柱状图的一种变体，特别适用于类别标签较长的情况。

5.1 创建基本的水平柱状图

让我们创建一个基本的水平柱状图：

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
plt.barh(categories, values, label='Data - how2matplotlib.com')
plt.title('Horizontal Bar Chart')
plt.xlabel('Values')
plt.ylabel('Categories')
plt.legend()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们使用plt.barh()函数创建水平柱状图。图例的添加方式与垂直柱状图相同。

5.2 多系列水平柱状图的图例

对于多系列的水平柱状图，我们需要特别注意柱子的位置和图例的布局：

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

y = np.arange(len(categories))
height = 0.35

fig, ax = plt.subplots(figsize=(12, 6))
rects1 = ax.barh(y - height/2, values1, height, label='Series 1 - how2matplotlib.com')
rects2 = ax.barh(y + height/2, values2, height, label='Series 2 - how2matplotlib.com')

ax.set_title('Multiple Series Horizontal Bar Chart')
ax.set_xlabel('Values')
ax.set_yticks(y)
ax.set_yticklabels(categories)
ax.legend(loc='lower right')

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们创建了两个并排的水平柱状图系列，并将图例放置在右下角。

6. 图例与数据标签的结合

有时，我们可能希望在柱子上直接显示数值，同时保留图例。这种组合可以提供更详细的信息。

6.1 添加数据标签

让我们为柱状图添加数据标签：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values, label='Data - how2matplotlib.com')

ax.set_title('Bar Chart with Data Labels and Legend')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

# 添加数据标签
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.legend()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们遍历每个柱子，并在其顶部添加对应的数值标签。

6.2 结合数据标签和自定义图例

我们可以进一步自定义数据标签和图例的样式：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

x = np.arange(len(categories))
width = 0.35

fig, ax = plt.subplots(figsize=(12, 6))
rects1 = ax.bar(x - width/2, values1, width, label='Series 1 - how2matplotlib.com', color='skyblue')
rects2 = ax.bar(x + width/2, values2, width, label='Series 2 - how2matplotlib.com', color='lightgreen')

ax.set_title('Bar Chart with Data Labels and Custom Legend')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.set_xticks(x)
ax.set_xticklabels(categories)

# 添加数据标签
def autolabel(rects):
    for rect in rects:
        height = rect.get_height()
        ax.annotate(f'{height}',
                    xy=(rect.get_x() + rect.get_width() / 2, height),
                    xytext=(0, 3),  # 3 points vertical offset
                    textcoords="offset points",
                    ha='center', va='bottom')

autolabel(rects1)
autolabel(rects2)

ax.legend(title='Data Series', bbox_to_anchor=(1.05, 1), loc='upper left')

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们为两个数据系列添加了数据标签，并将图例放置在图表的右侧，同时为图例添加了标题。

7. 动态图例

在某些情况下，我们可能需要根据数据动态地添加或移除图例项。

7.1 动态添加图例项

以下是一个动态添加图例项的例子：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

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

# 初始只画一个系列
bars1 = ax.bar(categories, values1, label='Series 1 - how2matplotlib.com')

ax.set_title('Dynamic Legend Example')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

# 初始图例
legend = ax.legend()

plt.show(block=False)
plt.pause(2)  # 暂停2秒

# 添加第二个系列
bars2 = ax.bar(categories, values2, bottom=values1, label='Series 2 - how2matplotlib.com')

# 更新图例
ax.legend()

plt.draw()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

这个例子展示了如何先显示一个数据系列，然后动态添加另一个系列并更新图例。

7.2 交互式图例

Matplotlib还支持交互式图例，允许用户通过点击图例来显示或隐藏特定的数据系列：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]
values3 = [2, 5, 3, 6]

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

bars1 = ax.bar(np.arange(len(categories)) - 0.25, values1, 0.25, label='Series 1 - how2matplotlib.com')
bars2 = ax.bar(np.arange(len(categories)), values2, 0.25, label='Series 2 - how2matplotlib.com')
bars3 = ax.bar(np.arange(len(categories)) + 0.25, values3, 0.25, label='Series 3 - how2matplotlib.com')

ax.set_title('Interactive Legend Example')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.set_xticks(np.arange(len(categories)))
ax.set_xticklabels(categories)

leg = ax.legend()

# 使图例可交互
lined = {}  # 将图例文本映射到线条对象
for legline, origline in zip(leg.get_lines(), [bars1, bars2, bars3]):
    legline.set_picker(5)  # 5 pts tolerance
    lined[legline] = origline

def onpick(event):
    # 点击图例时触发
    legline = event.artist
    origline = lined[legline]
    vis = not origline[0].get_visible()
    for rect in origline:
        rect.set_visible(vis)
    # 更改图例中线条的alpha值
    if vis:
        legline.set_alpha(1.0)
    else:
        legline.set_alpha(0.2)
    fig.canvas.draw()

fig.canvas.mpl_connect('pick_event', onpick)

plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

这个例子创建了一个交互式图例，用户可以通过点击图例项来显示或隐藏相应的数据系列。

8. 自定义图例标记

有时，我们可能想要自定义图例中的标记，使其与实际数据表示不同。

8.1 使用自定义标记

以下是一个使用自定义标记的例子：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

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

bars = ax.bar(categories, values)

# 创建自定义图例
custom_lines = [plt.Line2D([0], [0], color='blue', lw=4),
                plt.Rectangle((0, 0), 1, 1, fc='red')]

ax.legend(custom_lines, ['Line', 'Rectangle - how2matplotlib.com'])

ax.set_title('Bar Chart with Custom Legend Markers')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们创建了自定义的图例标记，一个是线条，另一个是矩形，这与实际的柱状图表示不同。

8.2 组合不同类型的图表

有时，我们可能需要在同一个图表中组合不同类型的图表，并为它们创建统一的图例：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
bar_values = [4, 7, 2, 5]
line_values = [3, 5, 4, 6]

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

# 绘制柱状图
bars = ax.bar(categories, bar_values, label='Bar Data - how2matplotlib.com')

# 绘制折线图
line = ax.plot(categories, line_values, color='red', marker='o', label='Line Data - how2matplotlib.com')

ax.set_title('Combined Bar and Line Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

# 添加图例
ax.legend()

plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

这个例子展示了如何在同一个图表中组合柱状图和折线图，并为它们创建统一的图例。

9. 图例的高级样式

Matplotlib提供了许多高级选项来进一步自定义图例的样式。

9.1 使用自定义字体和颜色

我们可以为图例设置自定义字体和颜色：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

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

ax.bar(np.arange(len(categories)) - 0.2, values1, 0.4, label='Series 1 - how2matplotlib.com', color='skyblue')
ax.bar(np.arange(len(categories)) + 0.2, values2, 0.4, label='Series 2 - how2matplotlib.com', color='lightgreen')

ax.set_title('Bar Chart with Styled Legend', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)
ax.set_xticks(np.arange(len(categories)))
ax.set_xticklabels(categories)

# 自定义图例样式
legend = ax.legend(prop={'family': 'serif', 'size': 12}, 
                   title='Data Series', 
                   title_fontsize='13',
                   facecolor='white', 
                   edgecolor='black',
                   framealpha=0.8,
                   loc='upper right')

# 设置图例标题的颜色
legend.get_title().set_color('navy')

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

这个例子展示了如何自定义图例的字体、颜色、背景和边框。

9.2 创建多列图例

对于包含多个数据系列的图表，多列图例可以节省空间：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]
values3 = [2, 5, 3, 6]
values4 = [5, 3, 6, 2]

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

width = 0.2
x = np.arange(len(categories))

ax.bar(x - 1.5*width, values1, width, label='Series 1 - how2matplotlib.com', color='skyblue')
ax.bar(x - 0.5*width, values2, width, label='Series 2 - how2matplotlib.com', color='lightgreen')
ax.bar(x + 0.5*width, values3, width, label='Series 3 - how2matplotlib.com', color='salmon')
ax.bar(x + 1.5*width, values4, width, label='Series 4 - how2matplotlib.com', color='gold')

ax.set_title('Bar Chart with Multi-column Legend', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)
ax.set_xticks(x)
ax.set_xticklabels(categories)

# 创建多列图例
ax.legend(ncol=2, loc='upper center', bbox_to_anchor=(0.5, 1.15), 
          fancybox=True, shadow=True)

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

这个例子创建了一个包含四个数据系列的柱状图，并使用两列布局的图例来节省空间。

10. 总结

在本文中，我们深入探讨了如何在Matplotlib中创建柱状图并添加图例。我们涵盖了从基本的柱状图创建到复杂的多系列图表，以及如何自定义图例的各个方面。以下是一些关键点：

  1. 使用plt.bar()或ax.bar()函数可以轻松创建柱状图。
  2. 通过label参数为每个数据系列添加标签，然后使用plt.legend()或ax.legend()显示图例。
  3. 图例的位置可以通过loc参数调整，也可以使用bbox_to_anchor进行更精确的定位。
  4. 可以自定义图例的外观，包括字体、颜色、背景和边框。
  5. 对于多系列数据，可以创建堆叠柱状图或并排柱状图，并相应地调整图例。
  6. 水平柱状图是处理长类别标签的好选择。
  7. 可以结合使用数据标签和图例来提供更详细的信息。
  8. 动态和交互式图例可以增强图表的可用性。
  9. 可以自定义图例标记，使其与实际数据表示不同。
  10. 对于包含多个数据系列的复杂图表，多列图例可以有效节省空间。

通过掌握这些技巧，你可以创建既信息丰富又视觉吸引的柱状图，有效地传达你的数据故事。记住，好的数据可视化不仅仅是展示数据，更是要让数据说话，帮助观众快速理解和洞察关键信息。

最后，建议在实践中多尝试不同的设置和组合，找到最适合你的数据和目标受众的表现方式。Matplotlib的灵活性使得我们可以创建各种各样的图表样式，充分发挥你的创造力，打造出独特而有效的数据可视化作品。

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