当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

参考：Matplotlib.figure.Figure.sca() 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。在使用Matplotlib进行复杂的绘图时，我们经常需要在同一个Figure（图形）中创建和管理多个子图（Axes）。Figure.sca()方法就是用来切换当前活动坐标轴的关键工具。本文将深入探讨Figure.sca()方法的用法、特点和应用场景，帮助你更好地掌控Matplotlib中的多子图绘制。

1. Figure.sca()方法简介

Figure.sca()方法是Matplotlib库中Figure类的一个重要方法。sca是”set current axes”的缩写，意为”设置当前坐标轴”。这个方法允许我们在一个包含多个子图的Figure中，指定哪个子图（Axes）是当前活动的绘图目标。

1.1 基本语法

Figure.sca()方法的基本语法如下：

import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111)
fig.sca(ax)

在这个简单的例子中，我们首先创建了一个Figure对象，然后添加了一个子图。最后，我们使用fig.sca(ax)将这个子图设置为当前活动的坐标轴。

1.2 方法参数

Figure.sca()方法接受一个参数：

  • ax：要设置为当前活动坐标轴的Axes对象。

1.3 返回值

Figure.sca()方法没有返回值。它的作用是修改Figure对象的内部状态，将指定的Axes对象设置为当前活动的坐标轴。

2. 为什么需要Figure.sca()方法？

在Matplotlib中，我们经常需要在同一个Figure中创建多个子图。每个子图都是一个独立的绘图区域，可以包含不同的数据和样式。当我们想要在特定的子图上绘制内容时，就需要告诉Matplotlib我们当前要操作哪个子图。这就是Figure.sca()方法的作用所在。

让我们通过一个例子来说明这一点：

import matplotlib.pyplot as plt
import numpy as np

# 创建一个包含两个子图的Figure
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

# 在第一个子图上绘制正弦曲线
x = np.linspace(0, 2*np.pi, 100)
ax1.plot(x, np.sin(x))
ax1.set_title('Sine Curve - how2matplotlib.com')

# 使用Figure.sca()切换到第二个子图
fig.sca(ax2)

# 在第二个子图上绘制余弦曲线
plt.plot(x, np.cos(x))
plt.title('Cosine Curve - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

在这个例子中，我们首先创建了一个包含两个子图的Figure。我们直接使用ax1绘制了正弦曲线，然后使用fig.sca(ax2)切换到第二个子图，并使用plt.plot()绘制了余弦曲线。这展示了Figure.sca()方法如何帮助我们在多个子图之间切换。

3. Figure.sca()方法的工作原理

Figure.sca()方法的工作原理相对简单。当我们调用这个方法时，它会：

  1. 将指定的Axes对象设置为Figure的当前活动坐标轴。
  2. 更新Matplotlib的全局当前坐标轴，使得后续的plt函数调用都作用于这个坐标轴。

这意味着在调用fig.sca(ax)之后，所有使用plt模块的绘图命令（如plt.plot(), plt.title()等）都会作用于指定的ax坐标轴，直到我们再次切换当前坐标轴。

让我们通过一个更复杂的例子来深入理解这个原理：

import matplotlib.pyplot as plt
import numpy as np

# 创建一个2x2的子图网格
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(10, 8))

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

# 使用Figure.sca()方法在不同的子图之间切换
fig.sca(ax1)
plt.plot(x, np.sin(x))
plt.title('Sine - how2matplotlib.com')

fig.sca(ax2)
plt.plot(x, np.cos(x))
plt.title('Cosine - how2matplotlib.com')

fig.sca(ax3)
plt.plot(x, np.tan(x))
plt.title('Tangent - how2matplotlib.com')

fig.sca(ax4)
plt.plot(x, np.exp(x))
plt.title('Exponential - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

在这个例子中，我们创建了一个2×2的子图网格，并使用Figure.sca()方法在四个子图之间切换，分别绘制了正弦、余弦、正切和指数函数的曲线。每次调用fig.sca()后，后续的plt.plot()和plt.title()都会作用于当前选中的子图。

4. Figure.sca()方法与其他坐标轴管理方法的比较

Matplotlib提供了多种方法来管理和切换当前活动的坐标轴。除了Figure.sca()，还有plt.sca()、plt.gca()等方法。让我们比较一下这些方法：

4.1 Figure.sca() vs plt.sca()

plt.sca()是Figure.sca()的一个便捷包装器。它们的功能基本相同，但使用方式略有不同：

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

x = np.linspace(0, 2*np.pi, 100)

# 使用Figure.sca()
fig.sca(ax1)
plt.plot(x, np.sin(x))
plt.title('Sine (Figure.sca) - how2matplotlib.com')

# 使用plt.sca()
plt.sca(ax2)
plt.plot(x, np.cos(x))
plt.title('Cosine (plt.sca) - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子展示了Figure.sca()和plt.sca()的使用方式。它们的主要区别在于：
– Figure.sca()需要先获取Figure对象，然后调用其sca方法。
– plt.sca()可以直接使用，不需要显式地引用Figure对象。

4.2 Figure.sca() vs plt.gca()

plt.gca()（get current axes）用于获取当前活动的坐标轴，而不是设置它。它通常与Figure.sca()配合使用：

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

x = np.linspace(0, 2*np.pi, 100)

# 使用Figure.sca()设置当前坐标轴
fig.sca(ax1)
plt.plot(x, np.sin(x))
plt.title('Sine - how2matplotlib.com')

# 使用plt.gca()获取当前坐标轴
current_ax = plt.gca()
current_ax.set_xlabel('X axis - how2matplotlib.com')

# 切换到另一个坐标轴
fig.sca(ax2)
plt.plot(x, np.cos(x))
plt.title('Cosine - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

在这个例子中，我们首先使用Figure.sca()设置当前坐标轴，然后使用plt.gca()获取当前坐标轴并对其进行操作。这展示了Figure.sca()和plt.gca()如何协同工作。

5. Figure.sca()方法的高级应用

Figure.sca()方法不仅可以用于简单的坐标轴切换，还可以在更复杂的场景中发挥作用。让我们探索一些高级应用。

5.1 在循环中使用Figure.sca()

当我们需要在多个子图上绘制相似的内容时，可以结合循环使用Figure.sca()：

import matplotlib.pyplot as plt
import numpy as np

fig, axes = plt.subplots(2, 2, figsize=(10, 8))
axes = axes.flatten()  # 将2D数组展平为1D

functions = [np.sin, np.cos, np.tan, np.exp]
titles = ['Sine', 'Cosine', 'Tangent', 'Exponential']

x = np.linspace(0, 2*np.pi, 100)

for ax, func, title in zip(axes, functions, titles):
    fig.sca(ax)
    plt.plot(x, func(x))
    plt.title(f'{title} - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子展示了如何在循环中使用Figure.sca()来依次在多个子图上绘制不同的函数。

5.2 结合subplot2grid使用Figure.sca()

subplot2grid允许我们创建不规则的子图布局。我们可以结合Figure.sca()来管理这些复杂的布局：

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(12, 8))

ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=2)
ax2 = plt.subplot2grid((3, 3), (0, 2), rowspan=2)
ax3 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
ax4 = plt.subplot2grid((3, 3), (2, 0), colspan=3)

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

fig.sca(ax1)
plt.plot(x, np.sin(x))
plt.title('Sine - how2matplotlib.com')

fig.sca(ax2)
plt.plot(x, np.cos(x))
plt.title('Cosine - how2matplotlib.com')

fig.sca(ax3)
plt.plot(x, np.tan(x))
plt.title('Tangent - how2matplotlib.com')

fig.sca(ax4)
plt.plot(x, np.exp(x))
plt.title('Exponential - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子展示了如何使用subplot2grid创建不规则的子图布局，并使用Figure.sca()在这些子图之间切换。

5.3 在动画中使用Figure.sca()

Figure.sca()方法也可以在创建动画时使用，特别是当我们需要在多个子图上同时更新内容时：

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

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

x = np.linspace(0, 2*np.pi, 100)
line1, = ax1.plot([], [])
line2, = ax2.plot([], [])

def init():
    line1.set_data([], [])
    line2.set_data([], [])
    return line1, line2

def animate(i):
    fig.sca(ax1)
    plt.title(f'Sine (Frame {i}) - how2matplotlib.com')
    line1.set_data(x, np.sin(x + i/10))

    fig.sca(ax2)
    plt.title(f'Cosine (Frame {i}) - how2matplotlib.com')
    line2.set_data(x, np.cos(x + i/10))

    return line1, line2

ani = animation.FuncAnimation(fig, animate, init_func=init, frames=100, interval=50, blit=True)
plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子展示了如何在动画函数中使用Figure.sca()来更新多个子图。每一帧都会切换当前坐标轴并更新相应的内容。

6. Figure.sca()方法的注意事项和最佳实践

虽然Figure.sca()是一个强大的工具，但在使用时也需要注意一些事项：

6.1 避免过度使用

虽然Figure.sca()允许我们在子图之间自由切换，但过度使用可能会导致代码难以理解和维护。在可能的情况下，直接使用Axes对象进行操作可能更清晰：

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

x = np.linspace(0, 2*np.pi, 100)

# 直接使用Axes对象
ax1.plot(x, np.sin(x))
ax1.set_title('Sine - how2matplotlib.com')

ax2.plot(x, np.cos(x))
ax2.set_title('Cosine - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子展示了如何直接使用Axes对象进行绘图，而不是频繁切换当前坐标轴。

6.2 注意全局状态

使用Figure.sca()会改变Matplotlib的全局状态。这意味着它可能会影响后续的绘图命令，即使这些命令不是直接针对特定的子图。因此，在使用Figure.sca()后，最好明确指定所有后续操作的目标坐标轴：

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

x = np.linspace(0, 2*np.pi, 100)

fig.sca(ax1)
plt.plot(x, np.sin(x))
plt.title('Sine - how2matplotlib.com')

# 明确指定目标坐标轴
ax2.plot(x, np.cos(x))
ax2.set_title('Cosine - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

在这个例子中，我们在使用Figure.sca()后，对第二个子图的操作明确指定了目标坐标轴（ax2），以避免受到全局状态的影响。

6.3 与面向对象风格结合使用

Matplotlib支持两种主要的编程风格：状态机风格（使用plt函数）和面向对象风格（直接操作Figure和Axes对象）。Figure.sca()方法可以很好地桥接这两种风格：

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

x = np.linspace(0, 2*np.pi, 100)

# 面向对象风格
ax1.plot(x, np.sin(x))
ax1.set_title('Sine (OO style) - how2matplotlib.com')

# 使用Figure.sca()切换到状态机风格
fig.sca(ax2)
plt.plot(x, np.cos(x))
plt.title('Cosine (State machine style) - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子展示了如何在面向对象风格和状态机风格之间切换，使用Figure.sca()作为桥梁。

7. Figure.sca()方法在复杂布局中的应用

在创建复杂的图形布局时，Figure.sca()方法可以帮助我们更灵活地管理和操作多个子图。让我们探索一些更高级的应用场景。

7.1 不规则网格布局

使用GridSpec创建不规则的网格布局时，Figure.sca()可以帮助我们在这些子图之间轻松切换：

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

fig = plt.figure(figsize=(12, 8))
gs = gridspec.GridSpec(3, 3)

ax1 = fig.add_subplot(gs[0, :2])
ax2 = fig.add_subplot(gs[0, 2])
ax3 = fig.add_subplot(gs[1:, :2])
ax4 = fig.add_subplot(gs[1:, 2])

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

fig.sca(ax1)
plt.plot(x, np.sin(x))
plt.title('Sine - how2matplotlib.com')

fig.sca(ax2)
plt.plot(x, np.cos(x))
plt.title('Cosine - how2matplotlib.com')

fig.sca(ax3)
plt.plot(x, np.tan(x))
plt.title('Tangent - how2matplotlib.com')

fig.sca(ax4)
plt.plot(x, np.exp(x))
plt.title('Exponential - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子展示了如何使用GridSpec创建不规则的网格布局，并使用Figure.sca()在这些子图之间切换。

7.2 嵌套子图

在创建嵌套子图时，Figure.sca()可以帮助我们精确控制当前活动的坐标轴：

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(12, 8))

# 创建主要的2x2网格
outer_grid = fig.add_gridspec(2, 2)

for i in range(4):
    inner_grid = outer_grid[i].subgridspec(2, 2)
    for j in range(4):
        ax = fig.add_subplot(inner_grid[j])
        fig.sca(ax)
        x = np.linspace(0, 2*np.pi, 100)
        plt.plot(x, np.sin(x + i + j))
        plt.title(f'Subplot {i+1}-{j+1} - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子创建了一个2×2的主网格，每个主网格单元又包含一个2×2的子网格。我们使用Figure.sca()方法在这16个嵌套的子图之间切换。

7.3 混合使用多种子图类型

在同一个Figure中混合使用不同类型的子图时，Figure.sca()可以帮助我们统一管理这些子图：

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(12, 8))

# 创建不同类型的子图
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222, projection='polar')
ax3 = fig.add_subplot(223)
ax4 = fig.add_axes([0.6, 0.1, 0.3, 0.3])

x = np.linspace(0, 2*np.pi, 100)

fig.sca(ax1)
plt.plot(x, np.sin(x))
plt.title('Sine - how2matplotlib.com')

fig.sca(ax2)
plt.plot(x, np.abs(np.sin(x)))
plt.title('Polar Plot - how2matplotlib.com')

fig.sca(ax3)
plt.plot(x, np.cos(x))
plt.title('Cosine - how2matplotlib.com')

fig.sca(ax4)
plt.plot(x, np.tan(x))
plt.title('Inset Plot - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子展示了如何在同一个Figure中创建不同类型的子图（包括常规子图、极坐标子图和嵌入式子图），并使用Figure.sca()在它们之间切换。

8. Figure.sca()方法在交互式绘图中的应用

Figure.sca()方法在创建交互式绘图时也非常有用，特别是当我们需要动态更新多个子图时。

8.1 使用滑块更新多个子图

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

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))
plt.subplots_adjust(bottom=0.25)

x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)

line1, = ax1.plot(x, y1)
line2, = ax2.plot(x, y2)

ax1.set_title('Sine - how2matplotlib.com')
ax2.set_title('Cosine - how2matplotlib.com')

ax_slider = plt.axes([0.1, 0.1, 0.8, 0.03])
slider = Slider(ax_slider, 'Frequency', 0.1, 10.0, valinit=1)

def update(val):
    freq = slider.val
    fig.sca(ax1)
    line1.set_ydata(np.sin(freq * x))
    fig.sca(ax2)
    line2.set_ydata(np.cos(freq * x))
    fig.canvas.draw_idle()

slider.on_changed(update)

plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子创建了一个包含两个子图和一个滑块的交互式图形。当滑块值改变时，我们使用Figure.sca()方法切换between两个子图，并更新它们的内容。

8.2 在动画中同时更新多个子图

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

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

x = np.linspace(0, 2*np.pi, 100)
line1, = ax1.plot([], [])
line2, = ax2.plot([], [])

ax1.set_xlim(0, 2*np.pi)
ax1.set_ylim(-1, 1)
ax2.set_xlim(0, 2*np.pi)
ax2.set_ylim(-1, 1)

def init():
    line1.set_data([], [])
    line2.set_data([], [])
    return line1, line2

def animate(i):
    fig.sca(ax1)
    plt.title(f'Sine (Frame {i}) - how2matplotlib.com')
    line1.set_data(x, np.sin(x + i/10))

    fig.sca(ax2)
    plt.title(f'Cosine (Frame {i}) - how2matplotlib.com')
    line2.set_data(x, np.cos(x + i/10))

    return line1, line2

ani = animation.FuncAnimation(fig, animate, init_func=init, frames=100, interval=50, blit=True)

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这个例子创建了一个动画，同时更新两个子图。我们使用Figure.sca()方法在每一帧中切换between两个子图，并更新它们的标题和数据。

9. Figure.sca()方法的性能考虑

虽然Figure.sca()方法非常有用，但在处理大量子图或频繁切换时，可能会对性能产生影响。以下是一些优化建议：

9.1 减少不必要的切换

尽量减少不必要的坐标轴切换。如果可能，将相关的操作组合在一起：

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

x = np.linspace(0, 2*np.pi, 100)

# 优化前
fig.sca(ax1)
plt.plot(x, np.sin(x))
fig.sca(ax2)
plt.plot(x, np.cos(x))
fig.sca(ax1)
plt.title('Sine - how2matplotlib.com')
fig.sca(ax2)
plt.title('Cosine - how2matplotlib.com')

# 优化后
fig.sca(ax1)
plt.plot(x, np.sin(x))
plt.title('Sine - how2matplotlib.com')

fig.sca(ax2)
plt.plot(x, np.cos(x))
plt.title('Cosine - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

优化后的版本减少了坐标轴切换的次数，可能会带来轻微的性能提升。

9.2 使用面向对象的方法

对于复杂的图形，考虑使用面向对象的方法而不是频繁切换当前坐标轴：

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

x = np.linspace(0, 2*np.pi, 100)

# 使用面向对象的方法
ax1.plot(x, np.sin(x))
ax1.set_title('Sine - how2matplotlib.com')

ax2.plot(x, np.cos(x))
ax2.set_title('Cosine - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中Figure.sca()方法的全面指南：如何切换和管理当前坐标轴

这种方法避免了使用Figure.sca()，可能在处理大量子图时更高效。

10. 总结

Figure.sca()方法是Matplotlib中一个强大而灵活的工具，允许我们在复杂的图形布局中精确控制当前活动的坐标轴。通过本文的详细介绍和丰富的示例，我们探讨了Figure.sca()方法的基本用法、高级应用、注意事项以及在各种场景下的实际应用。

关键要点包括：

  1. Figure.sca()用于设置当前活动的坐标轴，影响后续的绘图命令。
  2. 它可以与其他坐标轴管理方法（如plt.sca()和plt.gca()）配合使用。
  3. 在复杂布局、动画和交互式绘图中，Figure.sca()特别有用。
  4. 使用时需要注意全局状态的影响，并考虑性能优化。
  5. 在适当的情况下，可以考虑使用面向对象的方法作为替代。

通过掌握Figure.sca()方法，你可以更灵活地创建复杂的多子图布局，提高Matplotlib绘图的效率和精确度。无论是创建静态图形、动画还是交互式可视化，Figure.sca()都是一个值得掌握的重要工具。

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