墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
300+累计阅读
332平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
import matplotlib.pyplot as plt
import matplotlib.patches as patches
fig = plt.figure()
ax1 = fig.add_subplot(111,aspect='equal') #1x1一张图中的第1张,equal为等宽显示
rec=patches.Rectangle((0, 0), 8, 4) #顶点坐标(0,0) 宽w=8 高h=4
cir=patches.Circle((8,8),2) #圆心坐标(8,8) 半径r=1
ell=patches.Ellipse((2,8),6,3) #椭圆左顶点坐标(2,8) 长轴c1=6 短轴c2=3
ax1.add_patch(rec) #插入patch图像
ax1.add_patch(cir)
ax1.add_patch(ell)
plt.plot() #显示多个
plt.show() 
patches中还有许多种图形,例如各种箭头,箭,多边形等.
电气工程师为何需要Python：从数据处理到自动化测试的实战指南
在嵌入式开发与工业自动化领域，C/C++长期作为底层控制与实时系统的核心语言，负责硬件驱动、实时任务等对性能与资源有严苛要求的场景。然而，随着系统复杂度的提升，工程师面临着数据处理、算法仿真、多设备联调及智能化集成等更高层挑战，这些恰恰是C/C++生态中开发效率较低的环节。Python凭借其简洁的语法、丰富的科学计算库（如NumPy、Pandas）以及强大的生态系统，在数据分析、快速原型验证和测试自动化方面展现出巨大技术价值。它能够高效处理海量测试数据、搭建控制算法仿真环境，并通过PyVISA等库实现仪器控
Python matplotlib patches 绘图
Python matplotlib patches 绘图
基于LattePanda构建一体化电子仪器平台：从硬件选型到软件定义实战
软件定义仪器是测试测量领域的重要趋势，其核心原理是通过软件编程在通用计算硬件上实现传统专用仪器的功能。这项技术通过将信号采集、处理与显示功能软件化，赋予了测试系统极高的灵活性和可扩展性。其技术价值在于能大幅降低硬件成本、便于功能迭代升级，并实现测量数据的无缝融合与自动化处理。在嵌入式开发、原型验证、教育实验等应用场景中，软件定义仪器平台能有效替代多种离散设备。本文以LattePanda单板计算机为核心，详细阐述了构建此类平台所需的硬件抽象层、驱动中间件和应用软件层等核心组件，并提供了从零搭建原型、集成PyV
【matplotlib】可视化之路——Patch类详解
本文主要介绍Patch类，该类是其他图形类的基础父类，提供图形类的公共属性，本文详细介绍了Patch类的相关属性和方法并给出了相关示例。最后本文针对Patch 的应用给出了两个示例帮助大家更好的理解。
Origin R2025b中英文切换与合规配置指南
Origin是一款面向科研绘图与数据分析的工业级软件，其核心价值在于数据处理、建模、可视化与出版输出的一体化闭环。R2025b版本强化了多语言支持、资源完整性校验与OpenGL图形安全机制，使中英文界面切换不再依赖破解补丁，而是基于配置文件（Origin.ini）和官方语言包的合法路径。技术原理上，语言切换本质是.resx资源文件的动态加载重定向，而非二进制修改；‘无水印’则取决于许可证状态与系统时间等多重校验，非法移除将破坏3D渲染与拟合引擎稳定性。该方案广泛适用于XRD、电化学、拉曼等材料科学数据分析场
ai,psd,cdr,eps格式缩略图预览插件补丁.asp.rar
ai,psd,cdr,eps格式缩略图预览插件补丁.asp.rar 美工必备的一些小插件
WIN10 64位亲测最好用的缩略图补丁：提升视觉体验的利器
WIN10 64位亲测最好用的缩略图补丁：提升视觉体验的利器 【下载地址】WIN1064位亲测最好用的缩略图补丁 这款开源项目专为WIN10 64位系统设计，提供了强大的缩略图显示增强补丁。它支持PSD、EPS、AI、TIF、TGA等多种专业格式文件的缩略图预览，极大提升了文件管理和浏览效率。安装过程简单快捷，只需下载、...
PSD缩略图浏览插件
可以让计算机显示PSD文件缩略图的小插件
生成图形(matplotlib.patches)
这里介绍一些简单的使用，更多的请查看官网的链接：链接 #!/usr/bin/python #coding: utf-8 import numpy as np import matplotlib.pyplot as plt import matplotlib.patches as mpatches fig, ax = plt.subplots() # 圆的圆心坐标 xy1 = np.arra
Python+pytest+requests 自动化测试框架
环境准备 本次选用的是Python+Pytest+requests来搭建自动化框架，需要有 Python 环境（3.x 版本），安装pytest和requests，不会安装的自行去网上搜教程。 关于 Pytest 的基本使用，这里不作讲解，不清楚的可以看我之前的文章。 简单 Demo 我们先创建一个项目，取名api-test，然后在下面创建一个test_api.py的文件 # test_api.py import pytest import requests def test_01():
用示波器抓一次MIPI D-PHY的波形，手把手教你读懂HS模式和LP模式的切换时序
本文详细解析了MIPI D-PHY信号的双模切换机制，包括高速模式(HS)和低功耗模式(LP)的波形捕获与诊断技巧。通过示波器设置、关键状态分析和实战案例，帮助工程师快速定位信号完整性问题，提升调试效率。
Python matplotlib函数
1、Matplotlib提供了以下功能： cla() # Clear axis clf() # Clear figure close() # Close a figure window 2、绘制树 import matplotlib.pyplot as plt #定义文本框与箭头格式 decisionNode = dict(boxstyle="sawtooth", fc="0...
FusionCompute8.0.0实战指南：从零部署CNA与VRM环境
本文以华为FusionCompute 8.0.0为例，详细介绍了如何利用老旧硬件从零开始部署CNA计算节点与VRM管理节点的完整实战指南。内容涵盖实验环境准备、CNA安装与网络配置、VRM虚拟机部署方案对比，并提供了典型故障排查与性能调优技巧，帮助读者低成本构建可用的虚拟化学习环境。
1.Matplotlib介绍和基础操作
文章目录Matplotlib介绍和基础操作Matplotlib介绍Matplotlib的历史Matplotlib的构成Matplotlib构成Matplotlib.pyplot构成Matplotlib基础Matplotlib图片构成Figure--图像Axes--子图显示与保存图像显示图像--plt.show()函数保存图像--plt.savefig与fig.savefig设置绘图样式调整图形设置坐标轴上下限plt.xlim()与plt.ylim()函数plt.axis()函数设置图形标签plt.title
Masta调用Geometry Modeller（Space Claim）进行根据三维模型快速建模设置方法
masta中调用ANSYS的space claim的设置方法
[pcie]gen6 下 L0p
000b~100b： 触发L0p 操作流程协商工作link width 到target link width.为111b:link width 硬件动态调整。硬件动态：Device control 3 register.target link width=111b当pcie链路检测到空闲状态时，设备可以主动进入L0p状态。L0p 是pcie gen6 新引入的链路状态，是L0的子状态。（5）LINK WIDTH：当LINK WIDTH CHANGE.cmd为Request时表示请求的链路宽度。
Python数据可视化入门：Matplotlib核心接口与基础图表实战
数据可视化是数据分析与科学计算中理解数据分布、趋势与关联性的基础技术手段。其核心原理在于将抽象的数字信息转化为直观的图形符号，通过视觉通道高效传递信息。在Python生态中，Matplotlib作为底层绘图库，提供了从快速探索到精细出版的全套解决方案，其价值在于平衡了易用性与无限定制能力。无论是科研绘图、商业报告还是机器学习结果展示，掌握Matplotlib都是进行有效数据沟通的关键。本文聚焦于Matplotlib的两种核心接口模式——便捷的pyplot状态机与清晰的面向对象接口，并通过折线图、散点图、柱状
【八股】JUC并发编程篇
👉抽象队列同步器，就是一种锁，内部维护的是一个先进先出的双向队列，队列中存储的是排队的线程，用state来标识是否有线程获得锁【0是无锁状态】👉流程：当一个线程拿到锁后会修改state = 1，这时如果有其他线程访问则会进入队列进行排序，直到state变成0后，队头线程才会拿到锁。在对state进行修改时，用的是CAS操作，所以可以保证原子性。👉它可以实现公平锁或非公平锁【默认】，上述是一个公平锁。如果新线程和队头线程抢锁资源就是非公平锁。
Python可视化验证等腰三角形三线合一：从数学定理到动态仿真
在计算机图形学和数学可视化领域，坐标计算与动态仿真是连接抽象理论与直观理解的核心技术。其原理在于通过编程语言（如Python）精确处理几何实体的坐标变换，将数学定理转化为可交互的图形。这项技术的价值在于为教学、算法验证和科学演示提供了强大的工具，能显著提升学习效率和认知深度。应用场景广泛，包括几何教学、算法动态演示以及物理仿真原型开发。本文以等腰三角形的“三线合一”性质为例，详细展示了如何利用Matplotlib库，通过参数化生成顶点、计算关键点（如中点、垂足），并实现平滑动画，从而动态验证这一经典几何定理
爬虫实战：拆解WASM加密参数，破局2026电商动态接口反爬（实测某头部电商可用）
sign和wasm_token，而且每次请求这两个参数都在动态变化。用常规的参数拼接、MD5加密尝试还原，结果全是403；反编译前端JS，发现核心加密逻辑被打包成了.wasm，把关键参数加密、签名逻辑藏在二进制模块里，让爬虫无法直接逆向JS拿到加密规则。前后折腾了5天，从WASM文件解析、JS与WASM交互逻辑拆解，到本地还原加密参数、实战验证，踩了无数坑（比如WASM版本不兼容、内存数据读取失败、加密依赖环境缺失），最终成功还原了加密流程，稳定爬取商品详情、价格、销量等核心数据，连续运行72小时无封禁。
基于Python的IMF经济数据爬取与分析：从入门到实战
本文详细介绍了如何使用Python爬取国际货币基金组织(IMF)的经济数据，包括最新的爬虫技术、反反爬策略、数据解析与存储方法。文章从IMF数据源分析开始，逐步讲解如何构建一个完整的爬虫系统，并提供了详细的代码实现和优化建议。通过本文，读者将掌握爬取复杂国际组织数据的关键技术，并能将这些技术应用于其他类似的数据获取场景。关键词：Python爬虫、IMF数据、经济数据获取、数据清洗、反爬策略IMF Data (data.imf.org) - 主要数据门户。
开源项目现代化更新实战：依赖管理、代码重构与持续集成
在软件工程领域，依赖管理和代码重构是保障项目长期健康的核心基础。依赖管理涉及对第三方库版本的控制与协调，其原理在于通过声明式配置和锁文件确保开发、测试与生产环境的一致性，从而避免“依赖地狱”。代码重构则遵循一系列设计原则，旨在改善代码结构、提升可读性与可维护性，而不改变其外部行为。这两项技术的价值在于能显著降低项目维护成本，提升团队协作效率，并确保软件能持续集成新特性和安全更新。其应用场景广泛覆盖了从个人脚本到大型开源项目的全生命周期维护。本文以一次真实的开源工具集现代化改造为例，具体展示了如何通过系统化的
怀旧版电脑GBC模拟器
再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。
数学研究工具实战：从SageMath到Lean的部署、验证与集成指南
在计算科学与工程实践中，符号计算与形式化验证是提升研究严谨性与效率的两大核心技术。符号计算系统通过算法处理数学表达式，实现精确的代数运算与方程求解，其核心价值在于自动化处理人力难以完成的复杂符号推导。形式化验证则将数学证明编码为机器可检查的逻辑代码，从根本上消除证明中的隐性错误，确保绝对正确性。这两项技术正重塑数学与计算机科学交叉领域的研究范式，尤其适用于需要高可靠性验证的软件系统、密码学协议及复杂数学定理的证明。本文聚焦于两大开源工具——SageMath（符号计算）与Lean（形式化证明）的实战部署，详细
SAP B1中文培訓教材_SDK
公司内部培训资料，对开发工具 ，DIAPI， UIAPI，Add-ON有详细解说
华为的C语言编程规范.pdf
华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。
Python 数学应用（三）
原文：zh.annas-archive.org/md5/123a7612a4e578f6816d36f968cfec22。
SKILLFLOW：智能体终身学习能力评测与工程实践指南
在人工智能领域，智能体（AI Agent）的静态任务执行能力已得到广泛验证，但其在动态开放环境中的持续适应与进化能力成为新的技术挑战。这涉及到智能体的核心能力——终身学习，即智能体能否像人类一样，在与环境持续交互中自主发现新技能、优化现有技能并组合创新以解决未知问题。其技术价值在于推动智能体从“一次性工具”向“可持续创造价值的数字员工”演进，能显著降低长期运维成本，并催生新的混合架构范式。在应用场景上，无论是个人数字助理还是复杂的企业工作流自动化，具备终身学习能力的智能体都能更好地适应业务需求变化、新工具集
历史VaR实战指南：不假设分布的可审计风险度量方法
VaR（风险价值）是金融风控中最基础也最易被误用的核心指标，其本质是在给定置信水平下预测投资组合的最大潜在损失。传统参数法依赖正态分布或GARCH等模型假设，但在市场剧烈波动、尾部事件频发的现实场景中往往严重失真。历史VaR摒弃分布假设，直接基于真实价格序列计算滚动收益分布，具备天然的黑箱透明性与监管可追溯性。它特别适用于需满足Basel III合规要求、审计就绪、跨市场多资产组合等工程化落地场景。本文聚焦历史VaR的三大实操支柱：等权重组合对相关性风险的无偏暴露、5日滚动窗口对流动性衰减与决策周期的硬约束
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
374
扫一扫
