程序员经验分享-hwhale

Seaborn histplot（用直方图可视化数据）

2023-10-24

Seaborn 是最广为人知的数据可视化库之一，运行在Matplotlib。通过 Seaborn，我们可以渲染各种类型的绘图，并提供简单、直观且高度可定制的 API 来生成数据可视化。

如果没有丰富的可视化，就很难理解数据并与数据进行交流。想要可视化数据点和直方图或显示分布数据而不是计数数据的数据分析师和数据科学专业人员应该在 Seaborn 中使用直方图。

在本教程中，我们将讨论什么是 histplot() 以及如何以不同的方式使用它来生成直方图。

 

 

什么是直方图？

直方图是在程序员或用户指定的固定范围内形成的数据点的图形表示。

其实，这是一个bar plot但通过携带许多数据点并将它们分组到逻辑箱或范围中，将数据系列压缩为易于解释的视觉效果。

在水平 X 轴上，图表包含一系列类别，垂直 y 轴表示每列数据的计数或出现率。

 

什么是 Seaborn histplot 以及如何使用它？

我们使用seaborn.histplot()通过seaborn生成直方图。 histplot() 的语法是：


seaborn.histplot(data, x, y, hue, stat, bins, bandwidth, discrete, KDE, log_scale)

参数为：

  • data：输入数据，主要作为数据框 or NumPy 数组.
  • x, y（可选参数）：分别定位在x、y轴上的数据的key
  • 色调（可选参数）：映射以确定绘图元素颜色的语义数据键
  • stat（可选）：它测量频率、计数、密度或概率
  • 核密度估计（KDE)：它是用于平滑直方图的机制之一。

这是一个代码片段：


import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# Creating arbitrary dataset from random numbers
np.random.seed(1)
numb_var = np.random.randn(1200)
numb_var = pd.Series(numb_var, name = "Numerical Measures")

# Plotting the histogram
sns.histplot(data = numb_var, kde=True)
plt.show()

Output

 

添加标签

我们经常需要标记 x 轴和 y 轴，以便更好地识别绘图或赋予绘图含义。 Seaborn 提供两种不同的方式来设置 x 轴和 y 轴的标签。
Method 1：使用 set() 方法：set() 方法允许我们设置标签，我们必须在其中传递 xlabel 和 ylabel 参数的字符串。这是一个代码片段，展示了我们如何执行此操作。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [7, 4, 5, 6, 3],
                 "Season 2" : [1, 2, 8, 4, 9]})
p = sns.histplot(data = datf)
p.set(xlabel="X Label Value", ylabel = "Y Label Value")
plt.show()

Output


Method 2: Using Matplotlib’s xlabel() and ylabel(): Seaborn runs on top of Matplotlib. Thus, it allows us to leverage Matplotlib pyplot’s xlabel() and ylabel() to create so. The code snippet will look like:


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [7, 4, 5, 6, 3],
                 "Season 2" : [1, 2, 8, 4, 9]})
p = sns.histplot(data = datf)
plt.xlabel('X axis labeling')
plt.ylabel('Y axis labeling')
plt.show()

Output

删除 xlabel 或 ylabel

可以通过两种不同的方式从直方图中删除 xlabel 和 ylabel。这些都是：
Method 1：使用 set() 方法：set() 方法允许我们指定参数名称并传递带有 None 值的 xlabel 和 ylabel 参数的字符串。

将值设置为 None（关键字）将使标签空白，因此不会显示在图中。这是相同的代码片段。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [7, 4, 5, 6, 3],
                 "Season 2" : [1, 2, 8, 4, 9]})
p = sns.histplot(data = datf)
p.set(xlabel = None)
p.set(ylabel = None)
plt.show()

Output


Method 2: Using set_ticklabels() method: This is another method to create empty labels is by using yte xaxis.set_ticklabels() and yaxis.set_ticklabels() and pass an empty list [] as parameter.

在这种情况下，除了标签之外，它还会从图中删除刻度值或单位。代码片段如下所示：
Output

 

KDE 的直方图

核密度估计（KDE）是一种衡量连续随机变量的概率密度和概率函数的方法。

它将生成一条主要用于绘图的非参数分析的波浪线。在seaborn的histplot()中，该方法有一个接受True或False的KDE参数。

如果将其设置为 true，则会显示测量概率密度的线。这是一个代码片段，展示了如何使用直方图禁用和启用它。


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", alpha = 1.0, kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", alpha = 1.0, kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
plt.legend()
plt.show()

Output


We can also customize the KDE line using the line_kws parameter that accepts a dictionary as a parameter.


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z = sns.histplot(data=datf, x = "sepal_width", color = "red", alpha = 0.6, kde = True, line_kws = {'color':'red','linestyle': 'dashed'})
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
plt.legend()
plt.show()

Output

 

添加标题

我们可以通过不同的方式为图表提供标题。这些都是：
Method 1：使用 set() 方法：它将采用单个参数“title”作为参数，并接受字符串作为其值。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
p = sns.histplot(data = datf).set(title = "AVERAGE VIEWS (in Millions)")
plt.xlabel('Month')
plt.ylabel('Views')
plt.legend([],[], frameon = False)
plt.show()

Output


Method 2: Using the set_title() method: This method works as a helping substitute method for string and takes the string as a parameter within the plot. Here is a code snippet on how to use it.


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
p = sns.histplot(data = datf).set_title('AVERAGE VIEWS (in Millions)')
plt.xlabel('Month')
plt.ylabel('Views')
plt.legend([],[], frameon = False)
plt.show()

Output


Method 3: Using Matplotlib’s title() method: Since Seaborn runs on top of Matplotlib, we can efficiently utilize Matplotlib’s title() method to specify the title for the plot. Here is a code snippet showing its use.


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
p = sns.histplot(data = datf)
plt.title("AVERAGE VIEWS (in Millions)")
plt.xlabel('Month')
plt.ylabel('Views')
plt.legend([],[], frameon = False)
plt.show()

Output

 

设置字体大小

绘图中的字体大小对于创造良好的视觉效果具有价值。我们可以通过两种不同的技术来设置可视化的字体大小。这些都是：
Method 1：使用 fontsize 参数：我们可以将此参数与多个 Matplotlib 方法一起使用，例如 xlabel()、ylabel()、title() 等。下面是显示如何使用它的代码片段。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
p = sns.histplot(data = datf)
p.set_xlabel("Month", fontsize = 18)
p.set_ylabel("Views", fontsize = 18)
p.set_title("AVERAGE VIEWS (in Millions)", fontsize = 18)
plt.legend([],[], frameon = False)
plt.show()

Output


Method 2: Using the set() method: The set() method also helps to set up the font size for all the fonts related to the plot and font_scale parameter. Here’s how to use it.


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
sns.set(font_scale = 3)
p = sns.histplot(data = datf)
p.set_xlabel("Month")
p.set_ylabel("Views")
p.set_title("AVERAGE VIEWS (in Millions)")
plt.legend([],[], frameon = False)
plt.show()

Output

 

设置自定义调色板

调色板是一种在一个名称下表示各种颜色渐变的方式。我们可以使用 histplot() 方法的调色板参数设置直方图的调色板。

一些众所周知的调色板值包括 tab10、hls、husl、set2、Paired、rocket、mako、flare、Blues_r 等。下面是显示如何使用调色板的代码片段。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
sns.set(font_scale = 2)
p = sns.histplot(data = datf, legend=False, palette="Blues_r")
p.set_xlabel("Month")
p.set_ylabel("Views")
plt.show()

Output

 Or,


p = sns.histplot(data = datf, legend=False, palette="rocket ")

Output


Note that palette names are case sensitive.

 

不同颜色的直方图

在单个图中，我们可以生成两个具有不同颜色的直方图，显示有关数据的两种不同见解。我们可以通过两种不同的方式生成。

  1. 使用调色板参数：我们可以使用palette参数来生成不同颜色的直方图。这是一个代码片段，展示了如何生成具有不同颜色的绘图。
    
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
sns.set(style = "darkgrid")
datf = pd.DataFrame({"Season 1": [8, 6, 6, 11, 4],
                 "Season 2" : [4, 5, 7, 4, 9]})
sns.histplot(data=datf, palette="rocket", label="Last Year Report")
sns.histplot(data=datf, palette="mako", label="This Year's Report")
plt.legend()
plt.show()

    Output

  2. 使用颜色参数：我们可以使用颜色参数来生成不同颜色的直方图。这是一个代码片段，展示了如何生成具有不同颜色的绘图。
    
import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
plt.legend()
plt.show()

    Output

 

带条件颜色的直方图

我们可以简单地使用 if 语句来确定条件。此外，我们可以使用调色板值和随机模块生成带有颜色的图。

下面的程序展示了如何生成带有颜色条件的直方图。


import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
x=int(input("Enter the number to generate a histogram with different color palettes: "))
if x==1:
    df = pd.DataFrame({'col1':'A',
                    'col2':np.random.randn(100) * 10 + 50})
    sns.histplot(data = df, palette = "husl")
if x==2:
    df = pd.DataFrame({'col1':'B',
                    'col2':np.random.randn(100) * 10 + 60})
    sns.histplot(data = df, palette = "Blues_r")
if x==3:
    df = pd.DataFrame({'col1':'C',
                    'col2':np.random.randn(100) * 10 + 70})
    sns.histplot(data = df, palette = "rocket")
if x==4:
    df = pd.DataFrame({'col1':'C',
                    'col2':np.random.randn(100) * 10 + 70})
    sns.histplot(data = df, palette = "hls")
plt.show()

Output

 

更改不透明度

我们可以改变 alpha 参数的值来改变直方图的透明度。随着 alpha 值降低，不透明度降低。

随着alpha值的增加，不透明度增加。以下代码片段展示了如何使用 histplot() 方法的 alpha 参数。


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", alpha = 0.05, kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", alpha = 0.05, kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
plt.legend()
plt.show()

Output


Now, let us change (increasing value) the alpha value to increase the opacity.


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", alpha = 1.0, kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", alpha = 1.0, kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
plt.legend()
plt.show()

Output

 

改变轴范围

Seaborn 允许我们更改 x 轴和 y 轴的轴范围。
Method 1：通过使用Matplotlib的matplotlib.axes.Axes.set_xlim()和matplotlib.axes.Axes.set_ylim()函数，我们可以更改轴范围。

这是显示如何更改轴范围的代码片段。


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", alpha = 1.0, kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", alpha = 1.0, kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
z.set_xlim(1, 20)
#z.set_ylim(1, 10)
plt.legend()
plt.show()

Output


Method 2: We can also use the set() method to change the axis range. Here is a code snippet showing how to change the axis range using set().


import seaborn as sns
import matplotlib.pyplot as plt
datf = sns.load_dataset("iris")
z= sns.histplot(data=datf, x="sepal_length", color="orange", alpha = 1.0, kde = True)
z= sns.histplot(data=datf, x="sepal_width", color="skyblue", alpha = 1.0, kde = True)
z.set_xlabel("Data Length")
z.set_ylabel("Data Width")
z.set(xlim=(0,10),ylim=(0,100))
plt.legend()
plt.show()

Output

 

在条之间添加空间

我们可以在直方图条之间提供空格。这是显示如何执行此操作的代码片段。


import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
datf = pd.DataFrame({'Name': ['Karl', 'Ray', 'Sue', 'Dee'], 'SalInLac': [25, 28, 21, 26], 'Gender': ['M', 'M', 'F', 'F']})
datf = pd.concat([datf[datf.Gender == 'M'], pd.DataFrame({'Name': [''], 'SalInLac': [0], 'Gender': ['M']}), datf[datf.Gender == 'F']])
age_plot = sns.histplot(data = datf)
plt.setp(age_plot.get_xticklabels(), rotation=90)
plt.ylim(0, 5)
age_plot.tick_params(labelsize = 6)
age_plot.tick_params(length = 5, axis='x')
age_plot.set_ylabel("Age", fontsize=12)
age_plot.set_xlabel("", fontsize=1.5)
plt.tight_layout()
plt.show()

Output

 

改变方向

我们可以调整 x 和 y 参数来更改直方图的方向，并将其从垂直更改为水平。

我们可以将数据放在 y 轴上，而不是通常将其放在 x 轴上。

下面是一个代码片段，展示了如何执行此操作：


import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset("tips")
tips.head()
#Changing the orientation of the plot
g = sns.histplot(data=tips, y="total_bill", color="lime")
g.set_ylabel("Bill", fontsize=12)
g.set_xlabel("")
plt.show()

Output

 

带日期的直方图

我们可以在 histplot 的所有独立刻度中绘制日期。为此，我们将这些日期作为 DataFrame 下的字符串列表。

然后，我们将使用它们作为 x 或 y 值来显示它们。这是显示如何显示日期的代码片段。


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datf = pd.DataFrame({'date': ['1/11/2022', '3/21/2022', '5/31/2022', '8/28/2022'],
                   'salesPoint': [11, 9, 10, 16],
                   'Branding_Group': ['A','B','A','B']})
sns.set(font_scale = 2)
ax = sns.histplot(x = 'date', y = 'salesPoint', hue = 'Branding_Group', data = datf)
plt.legend()
plt.show()

Output

 

无属性错误

这是使用 Seaborn 和 histplot 时可能遇到的一个突出错误。当您的 Seaborn 不是最新版本或需要升级时，通常会发生这种情况。

当有最新的系统但您在系统中安装的 Seaborn 版本与较新的系统不兼容时，也会再次出现此类错误。

在这种情况下，就会弹出这个错误。要修复此错误，您必须更新您的seaborn 库。在笔记本或应用程序的命令行部分运行命令来解决问题。


pip install -U seaborn

如果您使用 Jupyter，那么此代码也可以工作。


pip install seaborn –upgrade

 

结论

我们希望本教程能够让您对 Seaborn histplot() 以及如何使用它生成直方图有一个清晰的了解。本教程还讨论了我们可以用来自定义直方图的各种参数。

本综合指南还讨论了生成更清晰的 seaborn 直方图所需的标题、调色板、颜色、字体大小、标签、不透明度、KDE、方向等。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

python

Seaborn

Seaborn histplot（用直方图可视化数据） 的相关文章

  • Python：在列表理解本身中引用列表理解？

    这个想法刚刚出现在我的脑海中 假设您出于某种原因想要通过 Python 中的列表理解来获取列表的唯一元素 i if i in created comprehension else 0 for i in 1 2 1 2 3 1 2 0 0 3

  • Django 管理员在模型编辑时间歇性返回 404

    我们使用 Django Admin 来维护导出到我们的一些站点的一些数据 有时 当单击标准更改列表视图来获取模型编辑表单而不是路由到正确的页面时 我们会得到 Django 404 页面 模板 它是偶尔发生的 我们可以通过重新加载三次来重现它

  • 将 saxon 与 python 结合使用

    我需要使用 python 处理 XSLT 目前我正在使用仅支持 XSLT 1 的 lxml 现在我需要处理 XSLT 2 有没有办法将 saxon XSLT 处理器与 python 一起使用 有两种可能的方法 设置一个 HTTP 服务 接受

  • 使 django 服务器可以在 LAN 中访问

    我已经安装了Django服务器 可以如下访问 http localhost 8000 get sms http 127 0 0 1 8000 get sms 假设我的IP是x x x x 当我这样做时 从同一网络下的另一台电脑 my ip

  • Python - StatsModels、OLS 置信区间

    在 Statsmodels 中 我可以使用以下方法拟合我的模型 import statsmodels api as sm X np array 22000 13400 47600 7400 12000 32000 28000 31000 6

  • 如何使用Conda下载python包并随后离线安装？

    我知道通过 pip 我可以使用以下命令下载 Python 包 但 pip install 破坏了我的内部包依赖关系 当我做 pip download

  • 如何从网页中嵌入的 Tableau 图表中抓取工具提示值

    我试图弄清楚是否有一种方法以及如何使用 python 从网页中的 Tableau 嵌入图形中抓取工具提示值 以下是当用户将鼠标悬停在条形上时带有工具提示的图表示例 我从要从中抓取的原始网页中获取了此网址 https covid19 colo

  • 基于代理的模拟：性能问题：Python vs NetLogo & Repast

    我正在 Python 3 中复制一小段 Sugarscape 代理模拟模型 我发现我的代码的性能比 NetLogo 慢约 3 倍 这可能是我的代码的问题 还是Python的固有限制 显然 这只是代码的一个片段 但 Python 却花费了三分

  • Spark KMeans 无法处理大数据吗？

    KMeans 有几个参数training http spark apache org docs latest api python pyspark mllib html highlight kmeans pyspark mllib clus

  • AWS EMR Spark Python 日志记录

    我正在 AWS EMR 上运行一个非常简单的 Spark 作业 但似乎无法从我的脚本中获取任何日志输出 我尝试过打印到 stderr from pyspark import SparkContext import sys if name m

  • 如何使用Python创建历史时间线

    So I ve seen a few answers on here that helped a bit but my dataset is larger than the ones that have been answered prev

  • Pygame：有没有简单的方法可以找到按下的任何字母数字的字母/数字？

    我目前正在开发的游戏需要让人们以自己的名义在高分板上计时 我对如何处理按键有点熟悉 但我只处理过寻找特定的按键 有没有一种简单的方法可以按下任意键的字母 而不必执行以下操作 for event in pygame event get if

  • python获取上传/下载速度

    我想在我的计算机上监控上传和下载速度 一个名为 conky 的程序已经在 conky conf 中执行了以下操作 Connection quality alignr wireless link qual perc wlan0 downspe

  • 使用 \r 并打印一些文本后如何清除控制台中的一行？

    对于我当前的项目 有一些代码很慢并且我无法使其更快 为了获得一些关于已完成 必须完成多少的反馈 我创建了一个进度片段 您可以在下面看到 当你看到最后一行时 sys stdout write r100 80 n I use 80覆盖最终剩余的

  • Jupyter Notebook 内核一直很忙

    我已经安装了 anaconda 并且 python 在 Spyder IPython 等中工作正常 但是我无法运行 python 笔记本 内核被创建 它也连接 但它始终显示黑圈忙碌符号 防火墙或防病毒软件没有问题 我尝试过禁用两者 我也无法

  • 对年龄列进行分组/分类

    我有一个数据框说df有一个柱子 Ages gt gt gt df Age 0 22 1 38 2 26 3 35 4 35 5 1 6 54 我想对这个年龄段进行分组并创建一个像这样的新专栏 If age gt 0 age lt 2 the

  • 有没有办法检测正在运行的代码是否正在上下文管理器内执行？

    正如标题所述 有没有办法做到这样的事情 def call back if called inside context print running in context else print called outside context 这将

  • Python：如何将列表列表的元素转换为无向图？

    我有一个程序 可以检索 PubMed 出版物列表 并希望构建一个共同作者图 这意味着对于每篇文章 我想将每个作者 如果尚未存在 添加为顶点 并添加无向边 或增加每个合著者之间的权重 我设法编写了第一个程序 该程序检索每个出版物的作者列表 并

  • 发送用户注册密码，django-allauth

    我在 django 应用程序上使用 django alluth 进行身份验证 注册 我需要创建一个自定义注册表单 其中只有一个字段 电子邮件 密码将在服务器上生成 这是我创建的表格 from django import forms from

  • Python 类继承 - 诡异的动作

    我观察到类继承有一个奇怪的效果 对于我正在处理的项目 我正在创建一个类来充当另一个模块的类的包装器 我正在使用第 3 方 aeidon 模块 用于操作字幕文件 但问题可能不太具体 以下是您通常如何使用该模块 project aeidon P

随机推荐

  • 如何在 Ubuntu、Debian 和 LinuxMint 上安装 Python 3.7

    在撰写本文时 Python 3 7 系列的最新稳定版本已可供安装 本文将帮助您在 Ubuntu 和 LinuxMint 操作系统上安装 Python 3 7 9 你可以拜访here阅读有关 Python 版本的更多信息 先决条件 保持软件包

  • 如何在 Ubuntu 16.04、14.04 上安装 Nginx、PHP 7 和 MySQL

    PHP 7 2 的最新主要版本已经发布 在速度和安全性方面进行了大量优化 所以你应该尝试这个版本来进行开发 本教程将帮助您在 Ubuntu 17 10 16 04 和 14 04 LTS 版本上安装 Nginx PHP 7 2 和 MySQ

  • 了解 Terraform 语法和配置文件

    Terraform 由 HashiCorp 开发 是一款因其在基础设施即代码 IaC 方面的强大功能而广为人知的工具 本综合指南旨在让您深入了解 Terraform 语法 特别关注配置文件 了解 Terraform 语法 Terraform

  • Fedora 26 发布，新功能及升级步骤

    Fedora 26 发布 最终的 Fedora 26 已发布于2017 年 7 月 11 日 Fedora 26有各种软件升级 安全补丁 该版本将与 GENOME 3 24 一起发布 您可以从以下位置下载 Fedora 26 预发行版 Be

  • 如何重命名 SQL Server 数据库

    Microsoft SQL Server 为您提供了多种重命名数据库的方法 您可以使用 SQL Server Management Studio 或运行 SQL 查询来重命名数据库 在重命名数据库之前 请记住 它可能会中断使用当前数据库名称

  • 如何使用SCP命令安全传输文件

    SCP 安全复制 是一个命令行实用程序 允许您在两个位置之间安全地复制文件和目录 With scp 您可以复制文件或目录 从本地系统到远程系统 从远程系统到本地系统 在本地系统的两个远程系统之间 当传输数据时scp 文件和密码都经过加密 因

  • 如何在 CentOS 7 上安装 VMware Workstation Player

    VMware是一个成熟稳定的虚拟化解决方案 允许您在一台机器上运行多个独立的操作系统 您可以创建自己的虚拟机并评估许多软件供应商作为虚拟设备分发的软件 这些软件可从VMware 解决方案交流 本教程将指导您完成在 CentOS 7 上安装

  • 如何在 Ubuntu 18.04 上安装 Java

    Java 是世界上最流行的编程语言之一 用于构建不同类型的跨平台应用程序 本教程介绍如何在 Ubuntu 18 04 上安装各种版本的 OpenJDK 以及 Oracle Java 相同的说明适用于 Ubuntu 16 04 和任何基于 U

  • 如何在 Ubuntu 18.04 上安装 Apache Cassandra

    Apache Cassandra 是一个免费的开源 NoSQL 数据库 不存在单点故障 它提供线性可扩展性和高可用性 而不会影响性能 Apache Cassandra 被许多组织使用 包括 Apple NetFlix eBay 和 Easo

  • Linux 中的超时命令

    timeout是一个命令行实用程序 它运行指定的命令 并在给定时间段后终止该命令 如果该命令仍在运行 换句话说 timeout允许您运行有时间限制的命令 这timeout命令是 GNU 核心实用程序包的一部分 几乎所有 Linux 发行版上

  • 如何在 CentOS 7 上添加交换空间

    交换空间是磁盘上的空间 当物理 RAM 内存已满时使用 当 Linux 系统耗尽 RAM 时 非活动页面将从 RAM 移至交换空间 交换空间可以采用专用交换分区或交换文件的形式 在大多数情况下 当在虚拟机上运行 CentOS 时 不存在交换

  • 如何在 Ubuntu 18.04 上设置 Apache 虚拟主机

    在本教程中 我们将提供有关如何在 Ubuntu 18 04 上设置 Apache 虚拟主机的分步说明 Apache 虚拟主机允许您在一台计算机上运行多个网站 使用虚拟主机 您可以指定站点文档根目录 包含网站文件的目录 为每个站点创建单独的安

  • 如何在 Ubuntu 20.04 上安装和配置 VNC

    虚拟网络计算 VNC 是一种图形桌面共享系统 允许您使用键盘和鼠标远程控制另一台计算机 它是 Microsoft 的开源替代品远程桌面协议 RDP 本文介绍如何在 Ubuntu 20 04 上安装和配置 VNC 服务器 我们还将向您展示如何

  • 如何在 Ubuntu 18.04 上禁用防火墙

    Ubuntu 附带了一个名为 UFW 简单防火墙 的防火墙配置工具 UFW 是一个用户友好的前端 用于管理 iptables 防火墙规则 其主要目标是使管理防火墙规则更容易 或者顾名思义 不复杂 强烈建议保持防火墙启用 但是 在某些情况下

  • 如何在 Debian 9 上安装 Jenkins

    Jenkins是一个开源自动化服务器 提供了一种设置持续集成和持续交付 CI CD 管道的简单方法 持续集成 CI 是一种 DevOps 实践 团队成员定期将代码更改提交到版本控制存储库 然后运行自动化构建和测试 持续交付 CD 是自动构建

  • 如何在 Debian 10 上配置 MySQL (MariaDB) 主从复制

    MySQL 复制是将数据从一台数据库服务器 主服务器 复制到一台或多台服务器 从服务器 的过程 MySQL 支持多种复制拓扑 其中主 从拓扑是最著名的拓扑之一 其中一台数据库服务器充当主服务器 而一台或多台服务器充当从服务器 默认情况下 复

  • 如何在 Ubuntu 18.04 上安装 Ghost

    Ghost 是一个构建在 Node js 平台之上的现代源代码发布平台 它完全可定制且易于使用 使您可以以几乎零的学习曲线发布内容 在本教程中 我们将向您展示如何使用 Nginx 作为代理 免费的 Let s Encrypt SSL 证书

  • 使用 NumPy 范数计算向量和矩阵范数

    在线性代数中 范数是为向量空间中的每个向量分配严格正的长度或大小的函数 它是矢量大小的度量 从数学上来说 对于一个向量x the p 范数定义为 x p sum xi p 1 p 在本教程中 我们将使用numpy linalg norm f

  • 在 Pandas query() 中使用字符串方法：数据帧过滤

    The Pandas 中的 query 方法允许您过滤数据帧 并且当与字符串方法结合使用时 可能性变得广泛 在本教程中 您将学习如何在query 功能来细化和过滤数据 目录 hide 1 检查子字符串 str contains 2 str

  • Seaborn histplot（用直方图可视化数据）

    Seaborn 是最广为人知的数据可视化库之一 运行在Matplotlib 通过 Seaborn 我们可以渲染各种类型的绘图 并提供简单 直观且高度可定制的 API 来生成数据可视化 如果没有丰富的可视化 就很难理解数据并与数据进行交流 想

热门标签