python轻松实现数据可视化的法宝——matplotlib库

曾经终败给现在 2023-09-29 09:21 13阅读 0赞

**目录**

系列文章目录

一. matplotlib架构介绍

二. pyplot模块的应用（附代码）

三. matplotlib 的多种图形表示（附代码）

四. 总结

--------------------

## 系列文章目录 ##

[第一章：python数据分析的钥匙——pandas库][python_pandas]

[第二章：python轻松实现数据可视化的法宝——matplotlib库][python_matplotlib]

--------------------

## 一. matplotlib架构介绍 ##

在笔者看来，matplotlib的主要任务之一，就是提供一套表示和操作图形对象（主要对象）以及它的内部对象的函数和工具。而且matplotlib不仅可以处理图形，还提供事件处理工具，具有为图形添加动画效果的能力，故而。matplotlib就能生成以键盘按键或鼠标移动触发的事件的交互性图表。

从逻辑上来讲，matplotlib的整体架构为3层（如下图）。各层之间单向通信，即每一层只能与它的下一层通信，而下层无法与上层通信。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_12_color_FFFFFF_t_70_g_se_x_16][]

**1）Bankend层**

如上图所示，matplotlib架构的最下面一层为Bankend层，而matplotlib API即位于该层，这些API是用来在底层实现图形元素的一个个类。

*  **FingureCanvas对象**实现了绘图区域这一概念；
 *  **Renderer对象**在FigureCanvas上绘图；
 *  **Event对象**处理用户输入（键盘和鼠标事件）；

**2）Artist层**

中间层为Artist层。图形中所有能看到的元素都属于Artist对象，即标题、轴标签、刻度等组成图形的所有元素都是Artist对象的实例。在这里为大家介绍三个主要的Artist对象，通常所有图形实现的Artist层都不开它们：

*  **Figure对象**在Artist层的最上面，对应整个图形表示，通常可包含多条轴（Axes）；
 *  **Axes对象**通常表示图形或图表是对什么内容进行作图的。每次Axes对象只属于一个Figure对象，由两个（三维就有三个）Artist Axis对象组成。题目、x标签和y标签等对象都属于Axes这个composite artist类型的对象；
 *  **Axis对象**负责展示在Axes对象上面的数值，定义数值范围，管理刻度（轴上的标记）和刻度值标签（代表每个刻度大小的文本标签）。刻度的位置用Locator对象调整，刻度标签的格式用Formatter对象调整；

**3）Scripting层（pyplot）**

Artist类和相关函数（matplotlib API）非常适合开发人员，尤其适合Web应用服务器或GUI开发者使用。但是对于计算，尤其是数据分析和可视化，Scripting层最适合，因为该层包含pyplot接口。

## 二. pyplot模块的应用（附代码） ##

pyplot模块由一组命令式函数组成，因而matplotlib的使用方法跟MATLAB极其相似，可通过poplot函数操作或改动Figure对象；而且，pyplot还具有**状态性**特性，能追踪当前图案和绘图区域的状态。调用函时，函数只对当前图形起作用，下面通过代码生成一个简单的交互性图表辅助大家进行理解：

import matplotlib.pyplot as plt
    
    plt.plot([1,2,3,4])
    plt.show()

结果如下所示，生成的绘图窗口上面是工具栏，下面是绘制的图像，跟用MATLAB作图效果相同：

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16][]

**1）plt.plot()方法**

如果只是将一个数字或数组传递给plt.plot()函数，matplotlib就会假定传入的是图表的y值，于是将其和一个序列的x值对应起来，x的取值就以此是0,1,2,3······；若是输入两个数组，则一一对应进行描点输出；

**plt.plot()方法的默认设置：**

*  轴长与输出数据范围一致；
 *  无标题金额轴标签；
 *  无图例；
 *  用蓝色线条连接个数据点；

import matplotlib.pyplot as plt
    import numpy as np
    
    xpoints = np.array([1, 2, 6, 8])
    ypoints = np.array([3, 8, 1, 10])
    ypoints1 = np.array([4, 9, 2, 11])
    plt.plot(xpoints, ypoints, xpoints, ypoints1)
    plt.show()

结果如下所示，可以看出 plot()可以同时输入输出两组x，y组数且两组组数数值也都一一对应：

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 1][]

绘图过程我们还可以给坐标自定义一些不一样的标记，就可以使用 plot() 方法的 marker 参数来定义，以下实例定义了实心圆标记：

import matplotlib.pyplot as plt
    import numpy as np
    
    ypoints = np.array([1,3,4,5,8,9,6,1,3,4,5,2,4])
    
    plt.plot(ypoints, marker = 'o')
    plt.show()

结果如下所示：

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 2][]

marker，即**绘图点**的标记可以定义的主要符号如下：

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 3][]

既然绘图点可以进行设置，那当然的，绘图线也可以的：

**线的类型**可以使用 **linestyle** 参数来定义，简写为 ls：

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 4][]

**线的颜色**可以使用 **color** 参数来定义，简写为 c：

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 5][]

代码展现如下所示：

import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.arange(1,10) 
    y =  2*x + 3
    
    plt.plot(x, y, color = 'r', linestyle = 'dotted')#coler 可以简写为 c ，linestyle 可以用简写 ls
    
    plt.show()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 6][]

**2）plt.axis()方法：**可以用列表\[xmin, xmax, ymin, ymax\]定义好x轴和y轴的取值范围，把该列表作为参数传给axis()函数；

**3）plt.title()方法：**可以给图表增加标题，但默认为英文，我们可以自行下载的字体，通过设置fontproperties进行中文显示，通过fontsize 设置字体大小；

**4）plt.xlabel()方法：**设置 x 轴的标签，与标题的默认一样；

**5）plt.ylabel()方法：**设置 y 轴的标签，与标题的默认一样；

代码实现如下：

import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.arange(1,10) 
    y =  2*x + 3
    
    plt.axis([0, 11, 1, 25])
    plt.title("title")
    plt.xlabel("xlabel")
    plt.ylabel("ylabel")
    plt.plot(x, y)
    
    plt.show()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 7][]

**6）plt.text()方法：**text(x, y, s, fontdict=None, \*\*kwargs)，x，y为文本在图形的位置，s为要添加的字符串（默认为英文，要添加中文需自己导入语言包），fontdict为文本要使用的字体，kwargs为key word关键字，代码展示如下：

import matplotlib.pyplot as plt
    import numpy as np
    
    plt.axis([0, 5, 0, 25])
    plt.title("title", fontsize=20, fontname = 'Times New Roman')
    plt.xlabel("xlabel", color='gray')
    plt.ylabel("ylabel", color='gray')
    plt.text(1, 1.5,'First')
    plt.text(2, 4.5,'Second')
    plt.text(3, 9.5,'Third')
    plt.text(4, 16.5,'Fourth')
    plt.text(1.1, 12, r'$y=x^2$', fontsize=20, bbox={'facecolor':'yellow', 'alpha':0.2})
    plt.plot([1,2,3,4], [1,4,9,16], 'ro')
    
    plt.show()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 8][]

**7）plt.grid()方法：**grid(b=None, which='major', axis='both', )，**axis**可设置显示哪个方向的网格线默认为全取，设'x' 或 'y'，分别表示两个方向，x 轴方向或 y 轴方向。

#在上面代码添加了这一行
    plt.grid()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 9][]

**8）plt.legend()方法：**legend（loc）可以通过loc来设置参数的文本便签的位置：

#在上面代码基础上再添加了这一行
    plt.legend(['First series'], loc= 'best')
    #loc= 'best'就是在右上角，也可以设置成数字

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 10][]

**9）plt.savefig()方法：**可以通过savefig直接将生成的图表保存为本地的图片代码如下：

import matplotlib.pyplot as plt
    import numpy as np
    
    plt.axis([0, 5, 0, 25])
    plt.title("title", fontsize=20, fontname = 'Times New Roman')
    plt.xlabel("xlabel", color='gray')
    plt.ylabel("ylabel", color='gray')
    plt.text(1, 1.5,'First')
    plt.text(2, 4.5,'Second')
    plt.text(3, 9.5,'Third')
    plt.text(4, 16.5,'Fourth')
    plt.text(1.1, 12, r'$y=x^2$', fontsize=20, bbox={'facecolor':'yellow', 'alpha':0.2})
    plt.grid()
    plt.plot([1,2,3,4], [1,4,9,16], 'ro')
    plt.legend(['First series'], loc= 'best')
    
    plt.savefig('pyplot.png')

## 三. matplotlib 的多种图形表示（附代码） ##

**1）subplot() 方法：**subplot(nrows, ncols, index, \*\*kwargs)，如设置 numRows ＝ 2，numCols ＝ 2，就是将图表绘制成 2x2 的图片区域, index就是第几个图，具体代码如下：

import matplotlib.pyplot as plt
    import numpy as np
    
    #plot 1:
    x = np.array([0, 6])
    y = np.array([0, 100])
    
    plt.subplot(2, 2, 1)
    plt.plot(x,y)
    plt.title("plot 1")
    
    #plot 2:
    x = np.array([1, 2, 3, 4])
    y = np.array([1, 4, 9, 16])
    
    plt.subplot(2, 2, 2)
    plt.plot(x,y)
    plt.title("plot 2")
    
    #plot 3:
    x = np.array([1, 2, 3, 4])
    y = np.array([3, 5, 7, 9])
    
    plt.subplot(2, 2, 3)
    plt.plot(x,y)
    plt.title("plot 3")
    
    #plot 4:
    x = np.array([1, 2, 3, 4])
    y = np.array([4, 5, 6, 7])
    
    plt.subplot(2, 2, 4)
    plt.plot(x,y)
    plt.title("plot 4")
    
    plt.suptitle("RUNOOB subplot Test")
    plt.show()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 11][]

**2）plt.subplots()方法：**subplots(nrows=1, ncols=1, \*, sharex=False, sharey=False, squeeze=True, subplot\_kw=None, gridspec\_kw=None, \*\*fig\_kw)与**subplot() 函数**相比主要多了共享的概念：

import matplotlib.pyplot as plt
    import numpy as np
    
    # 创建一些测试数据 
    x = np.linspace(0, 2*np.pi, 400)
    y = np.sin(x**2)
    
    # 创建一个画像和子图 
    fig, ax = plt.subplots()
    ax.plot(x, y)
    ax.set_title('Simple plot')
    
    # 创建两个子图 
    f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
    ax1.plot(x, y)
    ax1.set_title('Sharing Y axis')
    ax2.scatter(x, y)
    
    plt.show()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 12][]

**3）plt.scatter() 方法：**scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, \*, edgecolors=None, plotnonfinite=False, data=None, \*\*kwargs)主要就是x，y为散点所在位置，具体代码如下：

import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
    y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
    plt.scatter(x, y, color = 'hotpink')
    
    x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
    y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
    plt.scatter(x, y, color = '#88c999')
    
    x = np.array([1, 4, 9, 16, 7, 11, 23, 18])
    y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
    sizes = np.array([20,50,100,200,500,1000,60,90])
    colors = np.array(["red","green","black","orange","purple","beige","cyan","magenta"])
    plt.scatter(x, y, c=colors, s=sizes)
    
    plt.show()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 13][]

**4）plt.colorbar()方法：**在旁边显示颜色条，设置颜色条需要使用 cmap 参数，默认值为 'viridis'，之后颜色值设置为 0 到 100 的数组，只需添加：

plt.colorbar()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 14][]

**5）pyplot.bar()方法：**bar(x, height, width=0.8, bottom=None, \*, align='center', data=None, \*\*kwargs)这是一般柱状图的使用方法，而垂直方向的柱形图可以使用 **barh()** 方法来设置，下面我们使用bar()方法：

import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
    y = np.array([12, 22, 6, 18])
    
    plt.bar(x, y, width = [0.1, 0.2, 0.3, 0.4], color = ["#4CAF50","red","hotpink","#556B2F"])
    plt.show()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 15][]

**6）pyplot.pie()方法：**pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, \*, normalize=None, data=None)\[source\]，在下面我们用简单的实例实用 pie() 来创建一个柱形图:

import matplotlib.pyplot as plt
    import numpy as np
    
    y = np.array([35, 25, 25, 15])
    
    plt.pie(y,
            labels=['A','B','C','D'], # 设置饼图标签
            colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色
            explode=(0, 0.2, 0, 0), # 第二部分突出显示，值越大，距离中心越远
            autopct='%.2f%%', # 格式化输出百分比
           )
    plt.title("RUNOOB Pie Test")
    plt.show()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 16][]

--------------------

## 四. 总结 ##

matplotlib库的图形应用还有多种形式，比如和pandas库联合分析数据的方式等各种实际应用，今天本文将matplotlib库最常用的部分展示给大家，希望对大家有帮助~~

欢迎大家留言一起讨论问题~~~

[python_pandas]: https://blog.csdn.net/weixin_53919192/article/details/123897965?spm=1001.2014.3001.5501
[python_matplotlib]: https://blog.csdn.net/weixin_53919192/article/details/124049125
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_12_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/3a23da888fc74d6688f042126f9302fa.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_12,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/578c01a6c3044d24ac4d6cafd2fbbb9a.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/825abfa32a0143d3b38ca4433a08377c.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 2]: https://img-blog.csdnimg.cn/0fa8b0de275b4dbea41ba16c9a39f667.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 3]: https://img-blog.csdnimg.cn/576a01c06bbb4194a8902b803b68cfe9.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 4]: https://img-blog.csdnimg.cn/b8234fda2b4e47108ade9dc6bdb32d72.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 5]: https://img-blog.csdnimg.cn/1f3d8c6c5baa44a0bf21b377b40fe89d.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 6]: https://img-blog.csdnimg.cn/85a1724cb4214f28b03ba12f0d18f1f2.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 7]: https://img-blog.csdnimg.cn/22ceae2e2b054297afa2b3a12668471b.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 8]: https://img-blog.csdnimg.cn/d617d053f84a459c9600241851fe73b0.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 9]: https://img-blog.csdnimg.cn/98b67db48071458b8a0a5f21ae7d2681.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 10]: https://img-blog.csdnimg.cn/6d77220fbcd84c75b8447a38c9b6654d.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 11]: https://img-blog.csdnimg.cn/6ab0318aef644fcbb67af1fbddb05614.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 12]: https://img-blog.csdnimg.cn/b2041f739a8943ae960a8bcde0e54112.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 13]: https://img-blog.csdnimg.cn/0d2a94a305ca4cf0bffa8f28cf1f3dda.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 14]: https://img-blog.csdnimg.cn/954468024e2c4543aa417a92e49266a4.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 15]: https://img-blog.csdnimg.cn/51862e537c9a42edae5d89b33603e8b8.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAS1VVVUQ_size_20_color_FFFFFF_t_70_g_se_x_16 16]: https://img-blog.csdnimg.cn/c731f93d3a864f82b2566c19fd10823c.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAS1VVVUQ=,size_20,color_FFFFFF,t_70,g_se,x_16