Python数据可视化交互基本

本文主要是介绍Python数据可视化交互基本，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

Python数据可视化交互基本知识

Python数据可视化交互基础
- 课前准备
- 1.折线图
- - 绘制折线图 plt.plot()
  - 折线图中的标题，横纵表，纵坐标
  - 添加另一条曲线
  - 折线命名
  - 折现格式参数
  - 网格线显示grid(True)
- 2.条形图
- - 绘制条形图plt.bar()
  - 随机生成折线图y轴数据
  - 水平条形图绘制barh
  - 数据水平翻转
- 3.直方图
- - 直方图介绍以及适用环境
  - 绘制直方图hist
  - 直方图区间划分 bins
  - 区间之间分割线 edgecolor
  - 显示平均值的位置axvline
- 4.散点图
- - 绘制散点图scatter
  - 散点图“点”的参数设置
  - 多点不同色
  - 设置色卡colorbar
  - 使用点的大小来表示数值的大小
  - 一个图形中可以包含多组数据
- 5.饼图
- - 绘制饼图pie
  - 为每个扇形打上标签labels
  - 为每个扇形打上占比autopct
  - 将饼图顺时针排序
  - 将个别扇形分离出来explode
- 6.热力图
- - 热力图介绍
  - 热力图的绘制imshow
  - - 加入x，y轴
  - 数值大小色卡colorbar
  - 为色块加上数值
- 常见问题
- - 1.问题一 “get”属性缺失
  - 2.问题二 “文字无法显示”

Python数据可视化交互基础

这章文章主要讲解到了：折线图、条形图、直方图、散点图、饼图、热力图

课前准备

安装matplotlib库，可以使用命令 pip install
然后应用matplotlib库

'''引用库'''
from matplotlib import pyplot as plt

1.折线图

绘制折线图 plt.plot()

#首先引用库
from matplotlib import pyplot as plt

#然后要有x,y的数据
dev_x = [1,2,3,4,5]
dev_y = [20,40,60,80,100]

#生成折线图plt.后缀就是决定是什么图
plt.plot(dev_x,dev_y)

#显示所有图片
plt.show()

显示结果

折线图中的标题，横纵表，纵坐标

引用上面代码，做出演示

#首先引用库
from matplotlib import pyplot as plt

#然后要有x,y的数据
dev_x = [1,2,3,4,5]
dev_y = [25,48,69,87,100]

#生成折线图plt.后缀就是决定是什么图
plt.plot(dev_x,dev_y)

'''添加标题，横纵表，纵坐标'''
#横坐标.xlabel
plt.xlabel("天数")
#纵坐标.ylabel
plt.ylabel("完成度")
#标题.title
plt.title("下载完成效率图")

#显示所有图片
plt.show()

添加另一条曲线

依旧是引用上面的代码

#首先引用库
from matplotlib import pyplot as plt

#然后要有x,y的数据
dev_x = [1,2,3,4,5]
dev_y = [20,45,62,85,100]
#生成折线图plt.后缀就是决定是什么图
plt.plot(dev_x,dev_y)

'''新增数据'''
dev_x_1 = [1,2,3,4,5]
dev_y_1 = [25,45,55,89,100]
plt.plot(dev_x_1,dev_y_1)

#添加标题，横纵表，纵坐标
#横坐标.xlabel
plt.xlabel("天数")
#纵坐标.ylabel
plt.ylabel("完成度")
#标题.title
plt.title("下载完成效率图")

#显示所有图片
plt.show()

代码简洁版

from matplotlib import pyplot as plt
dev_x = [1,2,3,4,5]
dev_y = [20,40,60,80,100]
plt.plot(dev_x,dev_y)

dev_x_1 = [1,2,3,4,5]
dev_y_1 = [25,45,55,89,100]
plt.plot(dev_x_1,dev_y_1)

plt.xlabel("天数")
plt.ylabel("完成度")
plt.title("下载完成效率图")

plt.show()

显示结果：

折线命名

通过legend函数为折线打上标签

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

dev_x = [1,2,3,4,5]
dev_y = [20,40,60,80,100]
plt.plot(dev_x,dev_y,label="迅雷")#label为折现命名，然调用legend函数时不需要命名

dev_x_1 = [1,2,3,4,5]
dev_y_1 = [25,45,55,89,100]
plt.plot(dev_x_1,dev_y_1,label="百度云盘")

plt.xlabel("天数")
plt.ylabel("完成度")
plt.legend()#调用函数，参数在label已经输入
plt.title("下载完成效率图")

plt.show()

折现格式参数

color	指定图形的颜色
marker	指定每个数据点的标记
linestyle	指定图形的形状
pyplot自带样式引用	plt.style.use(‘自带样式名称’)

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

dev_x = [1,2,3,4,5]
dev_y = [20,40,60,80,100]
plt.plot(dev_x,dev_y,label="迅雷",color="blue",marker=".",linestyle="-")

dev_x_1 = [1,2,3,4,5]
dev_y_1 = [25,45,55,89,100]
plt.plot(dev_x_1,dev_y_1,label="百度云盘",color="red",marker=".",linestyle="--")

plt.xlabel("天数")
plt.ylabel("完成度")
plt.legend()
plt.title('下载效率图')

plt.show()

网格线显示grid(True)

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

dev_x = [1,2,3,4,5]
dev_y = [20,40,60,80,100]
plt.plot(dev_x,dev_y,label="迅雷",color="blue",marker=".",linestyle="-")

dev_x_1 = [1,2,3,4,5]
dev_y_1 = [25,45,55,89,100]
plt.plot(dev_x_1,dev_y_1,label="百度云盘",color="red",marker=".",linestyle="--")

plt.xlabel("天数")
plt.ylabel("完成度")
plt.legend()
plt.title('下载效率图')
plt.grid(True)

plt.show()

2.条形图

绘制条形图plt.bar()

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = ['小刘','小张','小王','小李','小刚','小三']
y_data = [3,4,2,3,5,5]
plt.bar(x_data,y_data)#这个位置改动了

plt.title('工作表')
plt.xlabel('员工姓名')
plt.ylabel('工作天数')
plt.show()

很多操作与折线图操作类似，这里就不做重复操作了

随机生成折线图y轴数据

#条形图bar
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
import numpy as np #导入包
# np.random.randint()区间之内的整数值
y_data = [np.random.randint(100) + i*20 for i in range(6)]
x_data = range(6)
x_c_data = ['小刘','小温','小罗','小张','小培','小林']
plt.title('员工入职图')
plt.bar(x_data,y_data)
#xitcks('参数','参数','属性')
plt.xticks(x_data,x_c_data)
plt.xlabel('姓名')
plt.ylabel('工作天数')
plt.show()

水平条形图绘制barh

将bar函数改为barh

import numpy as np
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = ['JavaScript', 'HTML/CSS', 'SQL', 'Python', 'Java', 'Bash/Shell/PowerShell',
             'C#', 'PHP', 'C++','TypeScript']

y_data = [59219, 55466, 47544, 36443, 35917, 27097, 23030, 20524, 18523, 18017]

plt.barh(x_data, y_data)

plt.title('编程语言流行度')
plt.xlabel('编程语言')
plt.ylabel('流行度')

plt.tight_layout()#tight_layout会自动调整子图参数，使之填充整个图像区域

plt.show()

在这里插入图片描述

数据水平翻转

reverse（）函数

import numpy as np
from matplotlib import pyplot as plt
import pylab as mp1

mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = ['JavaScript', 'HTML/CSS', 'SQL', 'Python', 'Java', 'Bash/Shell/PowerShell',
             'C#', 'PHP', 'C++','TypeScript']
y_data = [59219, 55466, 47544, 36443, 35917, 27097, 23030, 20524, 18523, 18017]

#水平翻转操作
x_data.reverse()
y_data.reverse()

plt.barh(x_data, y_data)
plt.title('编程语言流行度')
plt.xlabel('编程语言')
plt.ylabel('流行度')

plt.tight_layout()

plt.show()

在这里插入图片描述

3.直方图

直方图介绍以及适用环境

直方图介绍：
直方图，又称质量分布图，用于表示数据的分布情况，是一种常见的统计图表。一般用横轴表示数据区间，纵轴表示分布情况，柱子越高，则落在该区间的数量越大。直方图和条形图的外观相似。区别主要有以下几点：

条形图用条形的长度（横置时）或高度（纵置时）表示各类别频数的多少，其宽度（表示类别）则是固定的；直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。
由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。
条形图主要用于展示分类数据的大小，而直方图则主要用于展示数值型数据的分布。

直方图的适用环境：关系与数量之间的分布

绘制直方图hist

这里区间划分是自己明确指定划分区间范围

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = [1,2,3,4,5,6,7]
y_data = [1,2,3,4,5,6,7]

plt.hist(x_data,y_data)
plt.show()

输出结果以及图像解释：
在这里插入图片描述
其中如果我们不想要某个区间的数据，可以直接去掉

直方图区间划分 bins

这里是bins根据区间划分的数量自动划分

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = [1,2,3,4,5,6,7]

plt.hist(x_data,bins=2)#将x轴应用区间划分，这里划分了两个区间
plt.show()

在这里插入图片描述
区间划分的格式是[1,2),[2,3),[3,4)依次这样的格式

区间之间分割线 edgecolor

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = [1,2,3,4,5,6,7]

plt.hist(x_data,bins=2,edgecolor='red')#这个位置参数里面是颜色
plt.show()

在这里插入图片描述

显示平均值的位置axvline

平均值显示其他的图形也可以使用!!!

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = [1,2,3,4,5,6,7]

plt.hist(x_data,bins=2,edgecolor='black')#这个位置参数里面是颜色
avg = 4#平均值变量
plt.axvline(avg,color='red',label='平均值')#平均值垂直线段引用
plt.legend()
plt.show()

在这里插入图片描述

4.散点图

绘制散点图scatter

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

plt.style.use('fivethirtyeight')#自带格式

x_data = [1,2,3,4,5]
y_data = [10,25,15,30,5]

plt.scatter(x_data,y_data)#这里变化scatter

plt.title('商品单价数量')
plt.xlabel('数量')
plt.ylabel('金额')
plt.tight_layout()
plt.show()

在这里插入图片描述

散点图“点”的参数设置

属性	含义
s	点的大小
c	点的颜色
marker	点的形状
edgecolors	点的边缘颜色
linewidth	边缘线的粗细度
alpha	透明度

'''在这串代码中设置'''
plt.scatter(x_data,y_data,s=100, c='red', marker='*')

这是我设置的自己可以根据需求设置
在这里插入图片描述

多点不同色

将参数c改为第二数据

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

plt.style.use('fivethirtyeight')

x_data = [1,2,3,4,5]
y_data = [10,25,15,30,5]
y_data_1 = [20,23,11,50,45]
plt.scatter(x_data,y_data,s=100, c=y_data_1, marker='*')#将参数c设置成为y_data_1

plt.title('商品单价数量')
plt.xlabel('数量')
plt.ylabel('金额')
plt.tight_layout()
plt.show()

在这里插入图片描述

设置色卡colorbar

为了让图形传递信息更加的准确，添加一个色卡标明颜色深浅对应关系

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

plt.style.use('fivethirtyeight')

x_data = [1,2,3,4,5]
y_data = [10,25,15,30,5]
y_data_1 = [20,23,11,50,45]
plt.scatter(x_data,y_data,s=100, c=y_data_1, marker='*')

#色卡的添加
card = plt.colorbar()
card.set_label('利润率')


plt.title('商品单价数量')
plt.xlabel('数量')
plt.ylabel('金额')
plt.tight_layout()
plt.show()

在这里插入图片描述

使用点的大小来表示数值的大小

from matplotlib import pyplot as plt
import numpy as np#引用numpy这个包
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

plt.style.use('fivethirtyeight')

#将数据np.array()
x_data = np.array([1,2,3,4,5])
y_data = np.array([10,25,15,30,5])
y_data_1 = np.array([20,23,11,50,45])
#将s参数改为y_data_1*10
plt.scatter(x_data,y_data,s=y_data_1*10, c=y_data_1, marker='*')

card = plt.colorbar()
card.set_label('利润率')


plt.title('商品单价数量')
plt.xlabel('数量')
plt.ylabel('金额')
plt.tight_layout()
plt.show()

在这里插入图片描述

一个图形中可以包含多组数据

from matplotlib import pyplot as plt
import numpy as np
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

plt.style.use('fivethirtyeight')

#数据1
x_data = np.array([1,2,3,4,5])
y_data = np.array([10,25,15,30,5])
y_data_1 = np.array([20,23,11,50,45])
plt.scatter(x_data,y_data,s=y_data_1*10, c=y_data_1, marker='*',label='数据1')

#数据2
data_2 = np.array([1.5,2.1,3,4,6.5])
data_2_x = np.array([19,29,39,49,59])
data_2_y = np.array([15,25,35,45,55])
plt.scatter(data_2,data_2_x,s=data_2_y*10,c=data_2_y,marker='v',label='数据2')

#色卡
card = plt.colorbar()
card.set_label('利润率')

plt.legend()
plt.title('商品单价数量')
plt.xlabel('数量')
plt.ylabel('金额')
plt.tight_layout()
plt.show()

在这里插入图片描述

5.饼图

绘制饼图pie

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

#数据《王者荣耀》英雄出场率
hero_data = ['孙悟空','孙尚香','诸葛亮','盾山','澜']
hero_odds = [20,21,29,15,15]

plt.pie(hero_odds)#使用pie

plt.tight_layout()
plt.show()

在这里插入图片描述

为每个扇形打上标签labels

'''在pie中的加上labels=“名字列表”'''
plt.pie(hero_odds,labels=hero_data)

得到：
在这里插入图片描述

为每个扇形打上占比autopct

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

#数据《王者荣耀》英雄出场率
hero_data = ['孙悟空','孙尚香','诸葛亮','盾山','澜']
hero_odds = [20,21,29,15,15]
'''    加上autopct="%1.1f%%"    '''
plt.pie(hero_odds,labels=hero_data,autopct='%1.1f%%')

plt.tight_layout()
plt.show()

在这里插入图片描述

将饼图顺时针排序

参数	含义
counterclock	饼图旋转方向顺时针（False）逆时针（True）
startangle	扇形放角度

from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']

#数据《王者荣耀》英雄出场率
hero_data = ['孙悟空','孙尚香','诸葛亮','盾山','澜']
hero_odds = [20,21,29,15,15]

#这个位置添加参数！！！
plt.pie(hero_odds,labels=hero_data,autopct='%1.1f%%',counterclock=False, startangle=90)

plt.title('英雄登场率')
plt.tight_layout()
plt.show()

在这里插入图片描述

将个别扇形分离出来explode

plt.pie(hero_odds,labels=hero_data,autopct='%1.1f%%',counterclock=False, startangle=90,explode=[0.1,0,0,0,0])

在这里插入图片描述

6.热力图

热力图介绍

1、表格形热力图，也称色块图（2个分类字段和1个数值字段，分类字段来确定x，y轴）
2、非表格型热力图（3个数值字段，2个数值字段分别确定x，y轴，1个数值数值字段确定着色）

热力图适合查看总体情况、发现异常值、显示多个变量之间的差异，以及查看它们之间的相关性

热力图的绘制imshow

将一个二维数组传入imshow就可以绘制一个热力图

from matplotlib import pyplot as plt
import numpy as np
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
                    [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
                    [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
                    [0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
                    [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
                    [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
                    [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])

plt.imshow(harvest)#热力图imshow

plt.tight_layout()
plt.show()

在这里插入图片描述

加入x，y轴

from matplotlib import pyplot as plt
import numpy as np
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
harvest_x = ['成都','甘肃','泸州','阿坝','西昌','乐山','眉山']
harvest_y = ['平原','山脉','高原','丘陵','盆地','山脊','林原']

harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
                    [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
                    [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
                    [0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
                    [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
                    [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
                    [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])

'''这个地方加入x,y'''
plt.xticks(np.arange(len(harvest_x)), labels=harvest_x, rotation=45, rotation_mode="anchor", ha="right")
plt.yticks(np.arange(len(harvest_y)), labels=harvest_y)

plt.imshow(harvest)

plt.title('地热散布分析')
plt.tight_layout()
plt.show()

在这里插入图片描述

参数	详情
rotation	文字旋转度数
rotation_mode	旋转模式
ha	旋转方向

数值大小色卡colorbar

from matplotlib import pyplot as plt
import numpy as np
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
harvest_x = ['成都','甘肃','泸州','阿坝','西昌','乐山','眉山']
harvest_y = ['平原','山脉','高原','丘陵','盆地','山脊','林原']

harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
                    [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
                    [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
                    [0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
                    [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
                    [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
                    [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])

plt.xticks(np.arange(len(harvest_x)), labels=harvest_x, rotation=45, rotation_mode="anchor", ha="right")
plt.yticks(np.arange(len(harvest_y)), labels=harvest_y)

plt.imshow(harvest)

plt.colorbar()#在代码中加入colorbar就行了
plt.title('地热散布分析')
plt.tight_layout()
plt.show()

在这里插入图片描述

为色块加上数值

from matplotlib import pyplot as plt
import numpy as np
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
harvest_x = ['成都','甘肃','泸州','阿坝','西昌','乐山','眉山']
harvest_y = ['平原','山脉','高原','丘陵','盆地','山脊','林原']

harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
                    [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
                    [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
                    [0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
                    [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
                    [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
                    [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])

plt.xticks(np.arange(len(harvest_x)), labels=harvest_x, rotation=45, rotation_mode="anchor", ha="right")
plt.yticks(np.arange(len(harvest_y)), labels=harvest_y)

'''加上块中的数值'''
for i in range(len(harvest_x)):
    for j in range(len(harvest_y)):
        text = plt.text(j, i, harvest[i, j], ha="center", va="center", color="w")

plt.imshow(harvest)

plt.colorbar()
plt.title('地热散布分析')
plt.tight_layout()
plt.show()

在这里插入图片描述

常见问题

1.问题一 “get”属性缺失

AttributeError: module ‘requests’ has no attribute ‘get’”，python中”requests模块“get”属性缺失“的错误该如何解决？

解决方法：

检查是不是自己写的代码文件命名为requests.py如果是的话，修改文件名，即可。

2.问题二 “文字无法显示”

在这里插入图片描述
解决方法：
在代码中加入

import pylab as mp1#文字问题使用
mp1.rcParams['font.sans-serif'] = ['SimHei']#文字问题使用

@想努力学习变强的尾巴
欢迎各位在评论区讨论留言，遇到问题一起解决！

这篇关于Python数据可视化交互基本的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！

Python数据可视化交互基本

Python数据可视化交互基本知识

Python数据可视化交互基础

课前准备

1.折线图

绘制折线图 plt.plot()

折线图中的标题，横纵表，纵坐标

添加另一条曲线

折线命名

折现格式参数

网格线显示grid(True)

2.条形图

绘制条形图plt.bar()

随机生成折线图y轴数据

水平条形图绘制barh

数据水平翻转

3.直方图

直方图介绍以及适用环境

绘制直方图hist

直方图区间划分 bins

区间之间分割线 edgecolor

显示平均值的位置axvline

4.散点图

绘制散点图scatter

散点图“点”的参数设置

多点不同色

设置色卡colorbar

使用点的大小来表示数值的大小

一个图形中可以包含多组数据

5.饼图

绘制饼图pie

为每个扇形打上标签labels

为每个扇形打上占比autopct

将饼图顺时针排序

将个别扇形分离出来explode

6.热力图

热力图介绍

热力图的绘制imshow

加入x，y轴

数值大小色卡colorbar

为色块加上数值

常见问题

1.问题一 “get”属性缺失

2.问题二 “文字无法显示”

前端开发

后端开发

移动端开发

数据库

服务器运维

人工智能

区块链

游戏开发

网站运营

大数据/云计算

软件工程

软件/开发工具使用

资讯