文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

【数据分析之道-Matplotlib(四)】Matplotlib散点图

2023-09-02 09:33

关注

在这里插入图片描述

文章目录

✍ 作者简介:i阿极,CSDN Python领域新星创作者,专注于分享python领域知识。

本文录入于《数据分析之道》,本专栏针对大学生、初级数据分析工程师精心打造,对python基础知识点逐一击破,不断学习,提升自我。
订阅后,可以阅读《数据分析之道》中全部文章内容,包含python基础语法、数据结构和文件操作,科学计算,实现文件内容操作,实现数据可视化等等。
✍ 其他专栏:《数据分析案例》《机器学习案例》

😊😊😊如果觉得文章不错或能帮助到你学习,可以点赞👍收藏📁评论📒+关注哦!👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流,文章下方有交流学习区!一起学习进步!💪

散点图是一种常用的数据可视化方式,用于展示两个变量之间的关系。在Matplotlib中,可以使用scatter()函数来绘制散点图。

scatter()函数的基本语法如下:

plt.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)

参数说明:

以下散点图演示了如何使用 Matplotlib 创建一个基本的散点图:

import matplotlib.pyplot as pltimport numpy as np# 生成随机数据np.random.seed(0)x = np.random.rand(50)y = np.random.rand(50)# 绘制散点图plt.scatter(x, y)# 设置和坐标轴标签plt.title('Simple Scatter Plot')plt.xlabel('X')plt.ylabel('Y')# 显示图形plt.show()

在这里插入图片描述

使用随机数生成了50个横坐标 x 和纵坐标 y。然后,使用 scatter() 函数绘制了散点图,其中 x 和 y 分别表示散点图中各个点的横坐标和纵坐标。
我们还设置了和坐标轴标签,分别使用 title() 和 xlabel()、ylabel() 函数。
最后,通过 show() 函数显示图形。

设置散点图的大小,可以使用scatter()函数的s参数来指定点的大小。该参数可以接受一个标量值或一个数组,用于指定每个点的大小。

以下是设置散点图大小的示例代码:

import matplotlib.pyplot as pltimport numpy as np# 生成随机数据np.random.seed(0)x = np.random.rand(50)y = np.random.rand(50)sizes = np.random.randint(10, 100, 50)# 设置散点图大小plt.scatter(x, y, s=sizes)# 设置和坐标轴标签plt.title('Scatter Plot')plt.xlabel('X')plt.ylabel('Y')# 显示图形plt.show()

在这里插入图片描述

使用sizes数组来指定每个点的大小。sizes数组的长度与数据点的个数相同,对应每个数据点的大小。

自定义散点图中点的颜色,可以使用scatter()函数的c参数来指定颜色。该参数可以接受一个标量值或一个数组,用于指定每个点的颜色。

以下是自定义散点图点的颜色的示例代码:

import matplotlib.pyplot as pltimport numpy as np# 生成随机数据np.random.seed(0)x = np.random.rand(50)y = np.random.rand(50)colors = np.random.rand(50)# 自定义散点图颜色plt.scatter(x, y, c=colors)# 设置和坐标轴标签plt.title('Scatter Plot')plt.xlabel('X')plt.ylabel('Y')# 显示图形plt.show()

在这里插入图片描述

使用colors数组来指定每个点的颜色。colors数组的长度与数据点的个数相同,对应每个数据点的颜色。

可以使用不同的方式来指定颜色,例如:

plt.scatter(x, y, c='red')

在这里插入图片描述

要设置两组散点图,可以使用两次scatter()函数来绘制不同的数据点,并可以分别指定它们的颜色、大小等属性。

以下是设置两组散点图的示例代码:

import matplotlib.pyplot as pltimport numpy as np# 生成随机数据np.random.seed(0)x1 = np.random.rand(50)y1 = np.random.rand(50)x2 = np.random.rand(50)y2 = np.random.rand(50)# 设置散点图1的属性plt.scatter(x1, y1, c='red', label='Group 1', alpha=0.5)# 设置散点图2的属性plt.scatter(x2, y2, c='blue', label='Group 2', alpha=0.5)# 设置和坐标轴标签plt.title('Scatter Plot')plt.xlabel('X')plt.ylabel('Y')# 显示图例plt.legend()# 显示图形plt.show()

在这里插入图片描述

在上面的代码中,我们生成了两组随机的横坐标和纵坐标数据,分别用x1、y1和x2、y2表示。然后使用两次scatter()函数分别绘制了两组散点图。第一组使用红色(c=‘red’)表示,第二组使用蓝色(c=‘blue’)表示。我们还通过label参数为每组散点图指定了标签,以便在图例中显示。通过设置alpha参数来调整散点的透明度,增强可视效果。
最后,我们设置了和坐标轴标签,并通过legend()函数显示图例,以区分两组散点图。

import matplotlib.pyplot as pltimport numpy as np# 生成随机数据np.random.seed(0)x = np.random.rand(100)y = np.random.rand(100)colors = np.random.rand(100)sizes = np.random.randint(10, 100, 100)# 绘制散点图plt.scatter(x, y, c=colors, s=sizes, alpha=0.7)# 设置和坐标轴标签plt.title('Scatter Plot with Random Data')plt.xlabel('X')plt.ylabel('Y')# 显示图形plt.show()

在这里插入图片描述

我们使用随机数生成了100个横坐标 x 和纵坐标 y,以及每个点的颜色 colors 和大小 sizes。其中,colors 是一个由随机数生成的数组,用于指定每个点的颜色,而 sizes 是一个由随机数生成的整数数组,用于指定每个点的大小。
然后,我们使用 scatter() 函数绘制散点图,其中 c 参数用于指定颜色,s 参数用于指定大小。通过设置 alpha 参数,可以调整点的透明度。

如果要显示颜色条,需要使用 plt.colorbar() 方法:

import matplotlib.pyplot as pltimport numpy as np# 生成随机数据np.random.seed(0)x = np.random.rand(100)y = np.random.rand(100)colors = np.random.rand(100)sizes = np.random.randint(10, 100, 100)# 绘制散点图plt.scatter(x, y, c=colors, s=sizes, alpha=0.7)# 设置和坐标轴标签plt.title('Scatter Plot with Random Data')plt.xlabel('X')plt.ylabel('Y')# 显示颜色条plt.colorbar()# 显示图形plt.show()

在这里插入图片描述

换个颜色条参数, 设置为 cmap=‘plasma’:

import matplotlib.pyplot as pltimport numpy as np# 生成随机数据np.random.seed(0)x = np.random.rand(100)y = np.random.rand(100)colors = np.random.rand(100)sizes = np.random.randint(10, 100, 100)# 绘制散点图plt.scatter(x, y, c=colors,cmap='plasma', s=sizes, alpha=0.7)# 设置和坐标轴标签plt.title('Scatter Plot with Random Data')plt.xlabel('X')plt.ylabel('Y')# 显示颜色条plt.colorbar()# 显示图形plt.show()

在这里插入图片描述
除了’plasma’颜色条之外,Matplotlib还提供了许多其他的内置颜色条供选择。以下是一些常用的内置颜色条:

‘viridis’‘afmhot_r’
‘inferno’‘magma’
‘jet’‘hot’
‘cool’‘spring’
‘summer’‘autumn’
‘winter’‘gray’
‘bone’‘copper’
‘pink’‘YlOrRd’
‘BuPu’‘GnBu’
‘OrRd’

你可以在Matplotlib的官方文档中查看完整的颜色条列表:https://matplotlib.org/stable/tutorials/colors/colormaps.html


📢文章下方有交流学习区!一起学习进步!💪💪💪
📢首发CSDN博客,创作不易,如果觉得文章不错,可以点赞👍收藏📁评论📒
📢你的支持和鼓励是我创作的动力❗❗❗

来源地址:https://blog.csdn.net/AOAIYI/article/details/130674319

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯