|||
refer to:
https://blog.csdn.net/qq_38573437/article/details/103467003
https://www.cnblogs.com/sench/p/9522627.html
大家平时为了直观地显示数据的分布情况,在画散点图的时候,简单地把数据点用圆点标出来,像这样:
这样:
还有这样:
然而今天我想给大家展示的散点图,或许没有那么直观地反映数据的分布情况,不够实用,但是真的很美很艺术,每个的点的颜色和大小都不一样,形状也是多变的。比如五角星的散点图:
圆点的散点图:
Y形的散点图:
等等还有很多,那么这些漂亮的形状是怎么画出来的呢?其实代码很简单:
这里用到一个matplotlib.pyplot子库中画散点图的函数
matplotlib.pyplot.scatter(x, y, s=20, c=None, marker='o',
cmap=None, norm=None, vmin=None, vmax=None, alpha=None,
linewidths=None, verts=None, edgecolors=None, hold=None,
data=None, **kwargs)
这个函数接收的参数很多,有默认值的平时也不需要我们指定,是可选的,这次我们用到的除了基本的x
,y参数,还有c,s,alpha和marker,c就是为点指定的颜色数组,s是点的面积大小,alpha是点的颜色的透明度,marker是指定点标记的形状。在例子里指定透明度为0.5,c和s是随机生成的,我们要改变的是marker的值,marker有很多值可供选择,下表展示了在例子代码的基础上,改变marker的值后的效果:
marker | result |
---|---|
”.” | |
”,” | |
“o” | |
“v” | |
“^” | |
“<” | |
“>” | |
“1” | |
“2” | |
“3” | |
“4” | |
“8” | |
“s” | |
“p” | |
“*” | |
“h” | |
“H” | |
“+” | |
“x” | |
“D” | |
“d” | |
“ | ” |
“_” | |
“None” | 没错就是什么都没有。。。 |
“$…$” | |
(numsides, style, angle) eg:(9,0, 30) 注:numsides是边的个数, angle是旋转角度, style只有0,1,2,3四个值 | |
(numsides, style, angle) eg:(9,1, 30) | |
(numsides, style, angle) eg:(9,2, 30) | |
(numsides, style, angle) eg:(9,3, 30) 注:此时numsides和angle的值自动被忽略 |
在matplotlib中使用函数 matplotlib.pyplot.scatter 绘制散点图,matplotlib.pyplot.scatter的函数签名如下:
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)
常用参数有:x,y组成了散点的坐标;s为散点的面积;c为散点的颜色(默认为蓝色'b');marker为散点的标记;alpha为散点的透明度(0与1之间的数,0为完全透明,1为完全不透明);linewidths为散点边缘的线宽;如果marker为None,则使用verts的值构建散点标记;edgecolors为散点边缘颜色。
其他参数如cmap为colormap;norm为数据亮度;vmin、vmax和norm配合使用用来归一化亮度数据,这些与数据亮度有关,可以参考这篇文章。
下面为常见的用法:
import matplotlib import matplotlib.pyplot as pltimport numpy as np# 保证图片在浏览器内正常显示%matplotlib inline# 10个点N = 10x = np.random.rand(N) y = np.random.rand(N) plt.scatter(x, y) plt.show()
输出:
import matplotlib import matplotlib.pyplot as pltimport numpy as np# 保证图片在浏览器内正常显示%matplotlib inline# 10个点N = 10x = np.random.rand(N)y = np.random.rand(N)# 每个点随机大小s = (30*np.random.rand(N))**2plt.scatter(x, y, s=s)plt.show()
输出:
import matplotlib import matplotlib.pyplot as pltimport numpy as np# 保证图片在浏览器内正常显示%matplotlib inline# 10个点N = 10x = np.random.rand(N)y = np.random.rand(N)# 每个点随机大小s = (30*np.random.rand(N))**2# 随机颜色c = np.random.rand(N)plt.scatter(x, y, s=s, c=c, alpha=0.5)plt.show()
输出:
import matplotlib.pyplot as pltimport numpy as np# 保证图片在浏览器内正常显示%matplotlib inline# 10个点N = 10x = np.random.rand(N)y = np.random.rand(N)s = (30*np.random.rand(N))**2c = np.random.rand(N)plt.scatter(x, y, s=s, c=c, marker='^', alpha=0.5)plt.show()
输出:
所有可用的形状可以参考matplotlib.markers。
import matplotlib.pyplot as pltimport numpy as np# 保证图片在浏览器内正常显示%matplotlib inline# 10个点N = 10x1 = np.random.rand(N)y1 = np.random.rand(N)x2 = np.random.rand(N)y2 = np.random.rand(N)plt.scatter(x1, y1, marker='o')plt.scatter(x2, y2, marker='^')plt.show()
输出:
import matplotlib.pyplot as pltimport numpy as np# 保证图片在浏览器内正常显示%matplotlib inline# 10个点N = 10x1 = np.random.rand(N) y1 = np.random.rand(N) x2 = np.random.rand(N) y2 = np.random.rand(N) plt.scatter(x1, y1, marker='o', label="circle") plt.scatter(x2, y2, marker='^', label="triangle") plt.legend(loc='best') plt.show()
输出:
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-4-19 20:24
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社