N多技巧让你的Notebook起飞
热心网友
79
转载
本项目为AI全栈课程《Python从小白到精通》的配套补充，期望大家熟悉基本notebook开发环境后，掌握一些高阶的Notebook使用技巧，提高学习和工作效率。
1. Notebook VS IDE
Jupyter notebook(Jupyter lab)是aistudio实训平台默认的开发工具，同时也数据科学从业者最常使用的工具。相比vs code, pycharm等IDE（集成开发环境）， notebook足够简单，可以让你把所有的精力放在数据挖掘探索和算法开发验证上。其代码结构是以单元格来组织和分割，一个单元格可以有一行或者若干行代码，完成一个单元格后可以立马运行查看中间结果并以及可视化，这种方式的方式的优点显而易见：
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
代码组织和运行方式非常符合数据科学工作者的思维习惯。可以一边做，然后根据运行的中间结果在思考下一步的操作。面对一个复杂问题时，往往需要多次分步骤尝试。而在IDE里面，每次要想知道中间结果需要打断点调试，每次都需要从头运行，没有notebook方便
配合markdown笔记，可以做出媲美教科书的效果
因为其易用和可扩展，现在很多大学都用来作上课的课件工具。另外你写完的notebook也可以发给别人(.ipynb文件），在Anaconda中可以直接运行，配合markdown可以完美再现你的思维过程！ 本项目为AI全栈课程《Python从小白到精通》的配套补充，期望大家熟悉基本notebook开发环境后，掌握一些高阶的Notebook使用技巧，提高学习和工作效率。主要包括以下内容：
常用快捷键单个单元格输出多个结果单元格内执行shell脚本执行常见的shell命令输出当前notebook环境中已经存在的所有变量以及值统计代码运行时间画图相关给for循环加上进度条其他2. 常用快捷键
显示行号。notebook默认状态下是不显示行号的。在命令模式下按I键可以显示行号code和markdown转换。命令模式下，m键可以将code转成markdown, y键相反编辑模式下：shift+enter 运行当前单元，并且高亮显示下一单元，如果没有下一单元就新建一个单元编辑模式下：crtl+enter 运行当前单元编辑模式下：alt+enter 运行当前单元，并且插入一个新单元并高亮显示同时可以点击帮助-》快捷键列表查看所有内置的快捷键
3. 单个单元格输出多个结果
Notebook正常情况下，只有最后一行的代码的结果会输出， 如下我们读取一个文件到df中，写了df.shape， df.columns和df.head,只有最后一行的df.head结果会输出，例如：
In [1]import pandas as pddf = pd.read_csv('demo.csv')df.shape # 正常情况下，因为此代码不是该单元格最后一行，此结果不会输出df.columns # 正常情况下，因为此代码不是该单元格最后一行，此结果不会输出df.head() # 只会输出该代码的结果登录后复制EQP_ID MODEL_Type CURR_TEMPERATURE0 RS4 QMO_2DCP1 32.91 RS4 QMO_2DCP1 32.42 RS4 QMO_2DCP1 33.03 RS4 QMO_2DCP1 32.94 RS4 QMO_2DCP1 32.9登录后复制登录后复制In [2]
# 如果想把其他有结果也输出，只要增加一个单元格运行下面两句代码即可："""from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all""""登录后复制
'\nfrom IPython.core.interactiveshell import InteractiveShell \nInteractiveShell.ast_node_interactivity = "all"\n'登录后复制In [4]
# 尝试一个单元格多个输出from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all"df.head()df.tail()df.shapedf['EQP_ID'].value_counts()登录后复制
EQP_ID MODEL_Type CURR_TEMPERATURE0 RS4 QMO_2DCP1 32.91 RS4 QMO_2DCP1 32.42 RS4 QMO_2DCP1 33.03 RS4 QMO_2DCP1 32.94 RS4 QMO_2DCP1 32.9登录后复制登录后复制
EQP_ID MODEL_Type CURR_TEMPERATURE377 A6L QMO_2DCP1 174.2378 A6L QMO_2DCP1 171.6379 A6L QMO_2DCP1 169.2380 A6L QMO_2DCP1 166.8381 A6L QMO_2DCP1 164.5登录后复制
(382, 3)登录后复制
A6L 132RS6 111Q5L 98RS4 41Name: EQP_ID, dtype: int64登录后复制
4. notebook执行shell命令
很多时候别人开发的脚本是以.py文件形式保存的，这样的脚本一般需要在终端或者IDE环境中执行其实用notebook也完全没问题。只要把终端执行的命令前加个" ! "号即可举例： 下面我们写一个脚本demo.py输出当前的工作环境目录以及该目录下的所有文件,改文件位于当前的环境下：In [5]# 先使用cat命令查看，在notebook中执行只要在命令前加!即可print("demo脚本内容如下：")!cat demo.py登录后复制demo脚本内容如下：print("this is a demo")print('------' * 10)import osprint('当前的目录为：')print(os.getcwd())print('------' * 10)print('当前目录下的文件：')print(os.listdir())print('------' * 10)登录后复制In [6]# 使用!python命令执行该脚本!python demo.py登录后复制
this is a demo------------------------------------------------------------当前的目录为：/home/aistudio------------------------------------------------------------当前目录下的文件：['data', 'demo.py', '.data', 'demo.csv', '.node.started', '.ipython', '.systemlogs', '.jupyter', '.cache', '.yarn', '.aistudiofs.download.success', '.codelab-jupyter.log', '.bash_history', '.ipynb_checkpoints', '.local', '.bashrc', '.aistudiofs', 'machine.csv', 'main.ipynb', '.conda', '.vscode.log', '.python_history', '.bash_logout', '.viminfo', '.virtual_documents', '.ssh', '.aistudiofs.success', '.homedata.success', '.dataset.download', '.pip', '.npm', '.profile', '.config', '.webide']------------------------------------------------------------登录后复制由此我们知道只要在命令前加入!即可执行shell命令，因而在Linux命令行中常用的pwd, ls等命令均可以使用该功能更长使用的一个场景是直接在notebook中安装第三方库，直接使用在单元格内执行： !pip install you-package==version即可In [7]
!pwd # 查看当前目录!ls # 显示当前目录下得文件和目录登录后复制
/home/aistudiodata demo.csvdemo.py machine.csv main.ipynb登录后复制In [ ]
# 直接在单元格内使用pip命令安装相关的库，不需要切换到终端去安装!pip install pandas登录后复制！注意： 上面的执行shell命令中，很多命令只能在linux环境中执行，例如pwd,ls等，如果notebook是运行在windows操作系统中，这些命令会实效。但是将!改成%即可在windows环境中执行
5. 常用的shell命令
通过上面得介绍可以发现在notebook中可以方便的执行shell命令，熟练使用可以省去和终端来回切换，提高工作效率。 下面介绍一些在开发中高频使用的shell命令。
5.1 切换目录 %cd
这个有点特殊，在指令cd前加“%”，而不是“!”号。 这点需要注意
In [9]!pwd # 显示当前目录# 切换目录，可以使用相对路径或绝对路径。推荐使用绝对路径%cd /home/aistudio/work !pwd # 显示切换之后的目录登录后复制
/home/aistudio[Errno 2] No such file or directory: '/home/aistudio/work'/home/aistudio/home/aistudio登录后复制
5.2 重定向
在终端中，重定向即将指令原本在显示在终端中的输出追加或者输出到指定文件中进行持久化，便于后面的分析。 这个在一些日志或者输出信息比较多得时候非常有用。重定向有两种操作符：
“>” 重定向操作符， 后面跟随文件的名称。如果当前目录下存在同名文件，会覆盖。“>>” 追加>>重定向操作符。不覆盖，进行追加In [10]# 查看当前系统进程信息!ps aux登录后复制
USER PID %CPU %MEM VSZ RSS TTY STAT START TIME COMMANDaistudio 1 0.0 0.0 4528 728 ? Ss 10:07 0:00 /bin/sh -c /oaistudio 7 0.0 0.0 13312 3352 ? S 10:07 0:00 /bin/bash /oproot 33 0.0 0.0 65536 3152 ? Ss 10:07 0:00 /usr/sbin/sshaistudio 44 0.0 0.0 13324 3428 ? S 10:07 0:00 bash /opt/conaistudio 46 1.0 0.0 41645240 147244 ? Sl 10:07 2:40 /opt/conda/enaistudio 100 0.0 0.0 4528 788 ? S 10:07 0:00 /bin/sh -c plaistudio 101 1.7 0.0 5758164 89156 ? Sl 10:07 4:17 /opt/conda/enaistudio 130 0.0 0.0 26236 11184 ? S 10:07 0:00 /opt/conda/enaistudio 131 0.0 0.0 225112 47484 ? Sl 10:07 0:01 /opt/conda/enaistudio 138 1.2 0.0 152228 48060 ? Sl 10:07 3:06 /opt/conda/enaistudio 142 1.2 0.0 152228 48120 ? Sl 10:07 3:07 /opt/conda/enaistudio 264 1.7 0.0 3132680 224776 ? Sl 10:08 4:18 /opt/conda/enaistudio 269 0.2 0.1 658804 345120 ? Sl 10:08 0:40 /opt/conda/enaistudio 271 0.0 0.0 52864 26952 ? S 10:08 0:01 /opt/conda/enaistudio 273 0.0 0.0 42996 24368 ? S 10:08 0:00 /opt/conda/enaistudio 275 0.0 0.0 171708 49880 ? Sl 10:08 0:06 /opt/conda/enaistudio 26729 0.0 0.0 42280 24256 ? S 14:02 0:00 /opt/conda/enaistudio 26787 0.1 0.0 2889464 93768 ? Sl 14:02 0:01 /opt/conda/enaistudio 27558 0.6 0.0 3098712 103336 ? Ssl 14:07 0:02 /opt/conda/enaistudio 28175 0.0 0.0 37852 3404 pts/0 Rs+ 14:13 0:00 ps aux登录后复制In [11]
%cd /home/aistudio/!ps aux > systemid.txt登录后复制
/home/aistudio登录后复制登录后复制
可以看到使用重定向命令后，屏幕不在有输出。相应的在/home/aistudio/目录下回出现一个systemid.txt文件，内容和上面得一样
5.3 查看文件内容
主要有cat， head, tail等命令。这些在深度学习项目中查看一些标注文件会用得比较多。通过查看一个标注文件得前5行可以大概了解文件和标签的结构。 这里举例使用head查看一个文件得前n行。其他命令可以自行尝试。
In [12]%cd /home/aistudio/!head -5 systemid.txt登录后复制
/home/aistudioUSER PID %CPU %MEM VSZ RSS TTY STAT START TIME COMMANDaistudio 1 0.0 0.0 4528 728 ? Ss 10:07 0:00 /bin/sh -c /opt/conda/include/container-start.shaistudio 7 0.0 0.0 13312 3352 ? S 10:07 0:00 /bin/bash /opt/conda/include/container-start.shroot 33 0.0 0.0 65536 3152 ? Ss 10:07 0:00 /usr/sbin/sshdaistudio 44 0.0 0.0 13324 3428 ? S 10:07 0:00 bash /opt/conda/envs/webide/bin/kernel_seperation_start.sh登录后复制
5.4 tree命令查看一个目录的结构
可以指定 -L n用于显示目录的层级。 另外还有cp, mv， rm等文件的拷贝删除等操作。这里不在赘述。
In [13]!tree -L 2 /home/aistudio/登录后复制
/home/aistudio/├── data├── demo.csv├── demo.py├── machine.csv├── main.ipynb└── systemid.txt1 directory, 5 files登录后复制
6. 查看当前notebook中的所有变量和变量值
在MATLAB中，直接有一个窗口可以显示当前所有的变量及其相应的值，这个功能非常强大，Anaconda中Spyder也有类似的功能。 其实notebook也可以，直接使用%who和%whos魔法命令即可。其中：
%who会输出当前notebook中已经存在的变量%whos除了输出变量外，变量的类型以及当前值也会显示In [14]# 先创建一些变量a, b, c = 10, 20.5, 'zhangsan'd = {'Name' : 'PaddlePaddle', 'Age': 18}e = ['cat', 'dog']登录后复制In [15]# 显示当前环境中的所有变量%who登录后复制
InteractiveShell a b c d df e pd登录后复制In [16]
# 显示当前环境中的所有变量、类型和值%whos登录后复制
Variable Type Data/Info---------------------------------------------InteractiveShell MetaHasTraits登录后复制这个功能在notebook内容比较多的时候比较有用，可以随时通过此命令查看当前环境下的变量而不用向上查找代码eshell.InteractiveShell'>a int 10b float 20.5c str zhangsand dict n=2df DataFrame EQP_ID MODEL_Type CU<...>n\n[382 rows x 3 columns]e list n=2pd module ages/pandas/__init__.py'>
7. 运行时间统计
这个比较常用。主要有time，和timeit两个魔法命令，在结合行模式和单元格模式就有4种用法，具体如下：
%time：在行模式下，统计代码运行一次所花费的时间%%time：在单元模式下，统计整个单元格内的代码运行一次所花费的时间%timeit：在行模式下，执行代码块若干次，统计出平均时间。结果以mean+/-std的形式给出%%timeit：在单元模式下，执行代码块若干次，统计出平均时间。结果以mean+/-std的形式给出所以time只统计执行一次的时间；而timeit会反复执行很多次统计平均时间，这个比只执行一次要准确一点
In [17]%time [i for i in range(100) if i%7 == 0]登录后复制
CPU times: user 0 ns, sys: 10 µs, total: 10 µsWall time: 14.1 µs登录后复制
[0, 7, 14, 21, 28, 35, 42, 49, 56, 63, 70, 77, 84, 91, 98]登录后复制上面的代码使用列表解析式输出100以内可以被7整除的整数，并使用time统计代码运行时间如果改成timeit,则会执行多次，统计平均时间和标准差In [18]
%timeit [i for i in range(100) if i%7 == 0]登录后复制
4.75 µs ± 40.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)登录后复制将一个%改成2个%%后，变成单元格模式，即可以统计整个单元格内的代码运行时间我们通过使用for循环和矩阵方式实现矩阵加法来举例，看看运行效率In [ ]
# 先定义两个二维数组import numpy as npm = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]n = [[2, 2, 2], [3, 3, 3], [4, 4, 4]]m_, n_ = np.array(m), np.array(n)m_,n_m_.shape登录后复制使用for-loop实现矩阵相加，并统计时间In [ ]
%%timeitdef array_add_forloop(): res = np.zeros((3,3)) for row in range(m_.shape[0]): for col in range(m_.shape[1]): res[row,col] = int(m_[row,col] + n_[row,col]) return resarray_add_forloop()登录后复制使用矩阵方式实现矩阵加法In [ ]
%%timeitdef array_add_matrix(): return m_+ n_array_add_matrix()登录后复制通过时间统计可以看到，使用numpy中的array实现矩阵相加，效率是for循环的10倍以上！
8. 在notebook中绘图
在Notebook中，matplotlib是最常用的绘图库，并且Notebook中有相应的魔法命令用于辅助绘图功能：
%matplotlib inline：使用这条魔法命令后，不需要显示地调用pyplot.show()即可自动显示图片可以在plt.plot函数后面添加一个“；”这样只输出所需要的图形。下面举例说明
In [ ]# %matplotlib inline省略plt.show, 可以加在最前面的单元格，全局有效import numpy as npimport matplotlib.pyplot as plt%matplotlib inlinex = np.linspace(-10,10,100)y = np.sin(x)plt.plot(x, y)登录后复制In [ ]
# 加上";"抑制其他输出import numpy as npimport matplotlib.pyplot as plt%matplotlib inlinex = np.linspace(-10,10,100)y = np.sin(x)plt.plot(x, y);登录后复制
9. 增加进度条
使用tqdm这个工具给循环语句增加个进度条可视化插件，显示循环体进行到那个阶段了这个功能在处理耗时比较大的循环的时候是非常必要的，效果如下：In [ ]from tqdm import tqdmimport timefor i in tqdm(range(100)): # 此处写业务逻辑 time.sleep(0.1)登录后复制
10、其他技巧
numpy中设定显示的小数点位数: 使用np.set_printoptions方法pandas中显示所有的行和列10.1 设置numpy显示精度
In [20]# 默认情况下np会显示小数点后8位import numpy as npnp.random.rand(2,2)登录后复制
array([[0.69865144, 0.55332125], [0.97711927, 0.15941402]])登录后复制In [21]
# 设置成显示2位， 设置后全局有效import numpy as npnp.set_printoptions(precision=2)np.random.rand(2,2)登录后复制
array([[0.45, 0.68], [0.01, 0.2 ]])登录后复制
10.2 pandas显示所有的列
在notebook中，当文件的行和列过多时，pandas默认不显示所有的信息。此时可以使用如下，命令显示：
显示所有行： pd.set_option('display.max_rows', None)显示所有列：pd.set_option('display.max_columns', None)In [24]%cd /home/aistudio/import pandas as pd df_machine = pd.read_csv("machine.csv")df_machine登录后复制/home/aistudio登录后复制登录后复制
Time Step_Number wafer_names fault_name lotid lot_id \0 11.9460 4 l29011.txm calibration lot011 lot011 1 13.0280 4 l29011.txm calibration lot011 lot011 2 14.0490 4 l29011.txm calibration lot011 lot011 3 15.1329 4 l29011.txm calibration lot011 lot011 4 16.1390 4 l29011.txm calibration lot011 lot011 ... ... ... ... ... ... ... 10765 104.6880 5 l33431.txm calibration lot061 lot061 10766 105.6870 5 l33431.txm calibration lot061 lot061 10767 106.7190 5 l33431.txm calibration lot061 lot061 10768 107.7500 5 l33431.txm calibration lot061 lot061 10769 108.7660 5 l33431.txm calibration lot061 lot061 recipe 151821807 151820951 151821601 151821602 151821603 \0 recipe1 4 751 753 132 0 1 recipe1 4 751 753 134 0 2 recipe1 4 751 755 134 0 3 recipe1 4 751 753 133 0 4 recipe1 4 751 754 132 0 ... ... ... ... ... ... ... 10765 recipe1 5 752 753 131 0 10766 recipe1 5 752 754 134 0 10767 recipe1 5 752 754 132 0 10768 recipe1 5 752 754 132 0 10769 recipe1 5 751 752 132 0 151821604 151822195 151822196 151822197 151822198 151822215 \0 626 100 1227 9408 9019 -362 1 620 99 1229 9431 9029 -1455 2 599 102 1221 9389 9114 -1056 3 586 100 1201 9445 9031 -587 4 587 102 1182 9456 9043 -124 ... ... ... ... ... ... ... 10765 538 102 1226 9365 8973 1161 10766 534 102 1227 9426 8934 606 10767 531 102 1227 9357 8937 1249 10768 534 100 1227 9434 8920 1155 10769 529 101 1226 9346 8990 799 151822252 151822253 151822254 151822255 151821769 151821770 \0 26 16599 20028 -296 16848 360 1 26 16568 20042 -676 16796 350 2 25 16442 20146 -291 16512 344 3 25 16960 20148 -262 17020 352 4 25 16564 20246 -547 16440 346 ... ... ... ... ... ... ... 10765 28 16920 19110 7 16464 346 10766 28 16640 18982 134 16658 346 10767 28 16593 19056 -34 16714 348 10768 28 16522 19046 139 16560 353 10769 28 16815 19114 72 16630 355 151821788 151821789 151821797 0 0 27594 49 1 0 27440 49 2 0 27276 49 3 0 27330 50 4 0 27262 50 ... ... ... ... 10765 0 28446 51 10766 0 28444 51 10767 0 28230 51 10768 0 28278 51 10769 0 28240 51 [10770 rows x 27 columns]登录后复制In [25]
# 这里举例显示所有的列，其他可以自行尝试pd.set_option('display.max_columns', None)df_machine.head()登录后复制Time Step_Number wafer_names fault_name lotid lot_id recipe \0 11.9460 4 l29011.txm calibration lot011 lot011 recipe1 1 13.0280 4 l29011.txm calibration lot011 lot011 recipe1 2 14.0490 4 l29011.txm calibration lot011 lot011 recipe1 3 15.1329 4 l29011.txm calibration lot011 lot011 recipe1 4 16.1390 4 l29011.txm calibration lot011 lot011 recipe1 151821807 151820951 151821601 151821602 151821603 151821604 \0 4 751 753 132 0 626 1 4 751 753 134 0 620 2 4 751 755 134 0 599 3 4 751 753 133 0 586 4 4 751 754 132 0 587 151822195 151822196 151822197 151822198 151822215 151822252 \0 100 1227 9408 9019 -362 26 1 99 1229 9431 9029 -1455 26 2 102 1221 9389 9114 -1056 25 3 100 1201 9445 9031 -587 25 4 102 1182 9456 9043 -124 25 151822253 151822254 151822255 151821769 151821770 151821788 \0 16599 20028 -296 16848 360 0 1 16568 20042 -676 16796 350 0 2 16442 20146 -291 16512 344 0 3 16960 20148 -262 17020 352 0 4 16564 20246 -547 16440 346 0 151821789 151821797 0 27594 49 1 27440 49 2 27276 49 3 27330 50 4 27262 50登录后复制In [ ]
登录后复制
免责声明：
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，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youleyoucom@outlook.com。
相关攻略
参考指南与学习资料 若您希望在本地快速搭建并部署一个个人智能助手，OpenClaw 框架是一个理想的入门选择。为了帮助开发者更高效地上手，社区中已有丰富的学习资源与讨论可供参考，主要包括：OpenClaw 新手入门教程、核心命令行工具使用指南（openclaw -h 查看帮助）、配置文件的参数详解，
1 openclaw 工具权限报错解决方案：无法使用 exec read write webfetch 等工具的修复方法 当您在配置 openclaw 时遇到工具权限报错，提示缺少 exec、read、write、webfetch 等关键工具的使用权限，通常无需深入排查复杂的系统环境。此问题在多数
本次部署指南的核心目标非常明确：在 Linux 环境中，无论是云服务器还是本地物理机，我们都需要完整地完成 OpenClaw 智能体框架的安装与部署，并通过基础的健康检查与功能验证，确保整个系统能够成功启动并稳定运行。 一、环境要求 在开始动手安装之前，我们首先需要确认系统满足所有的基础运行环境要求
场景一：npm install 安装失败问题详解与解决方案 在进行前端开发或是安装Node js工具时，你是否经常遇到令人困扰的“npm install failed”报错？这个问题通常表现为命令行输出一串红色错误信息，最终停止在安装失败的提示上。深入分析这些报错日志，你会发现一个关键提示：缺少C+
Framework笔记本携手KDE社区：共同推进Linux桌面深度优化方案 近期，模块化笔记本领域的领导者Framework公司宣布与全球知名的开源社区KDE达成战略合作，正式成为KDE的重要赞助伙伴。这一举措不仅象征着Framework在推动开源生态发展上迈出关键一步，也标志着硬件创新厂商与顶级L
热门专题
刀塔传奇破解版无限钻石下载大全
2025-08-05
洛克王国正式正版手游下载安装大全
2025-08-05
热门推荐
《洛克王国：世界》彼得大道蓝水晶全收集指南 对于《洛克王国：世界》的探险家而言，彼得大道的蓝水晶收集是探索蒸汽朋克街区的重要目标。整个区域总计散落着5颗珍贵的蓝水晶，它们通常隐藏在建筑的窗台边缘、显眼标志物的背面，或是不易察觉的角落中，考验着玩家的观察力。通过下方这张彼得大道地图，你可以快速建立起对
洛克王国11个古币兑换机终极位置指南与兑换攻略 在《洛克王国》的广阔世界中探索，你是否在世界各地留意到那些造型别致的“古币兑换机”？这正是将你辛苦搜集的古代钱币，转化为海量实用资源与稀有宠物蛋的核心设施。然而，分散各处的11台兑换机具体坐标，常常让玩家耗费大量时间。本文为你带来全网最详细的古币兑换机
《三角洲行动》2026年3月28日摩斯密码大全及开门位置攻略 在《三角洲行动》这款游戏中，每日更新的密码门是获取额外奖励的关键环节。地图中隐藏的摩斯密码门每天都会变化，玩家需要先精确定位，再输入正确密码才能开启。为了方便各位玩家快速获取2026年3月28日的游戏资源，本文将完整分享今日全部五张热门地
洛克王国世界巨灵石图鉴详解 它的磅礴能量，深深根植于脚下无垠的大地。作为洛克王国中最古老的岩石系精灵之一，世界巨灵石不仅精通驾驭土壤与岩石的地系魔法，还拥有一个非常独特的习性——它竟然以土壤和石块作为日常零食。你常常能在野外听见它“嘎嘣嘎嘣”咀嚼岩石的清脆声响，这个趣闻在洛克王国中流传甚广，讲述得活
外观设计亮点 钢铁真理QBZ191突击步枪，其外观设计堪称视觉与功能的结合典范。枪身采用凌厉的几何线条勾勒，呈现出极具攻击性的战斗姿态。特有的金属质感涂装工艺，使得枪体在不同光照环境下能呈现出富有层次的光影变幻，冷峻的科技美感油然而生。仔细观察，部件接缝处的精密加工与战术防滑刻纹均处理得细致入微，充