MATPLOTLIB.PYPLOT.SCATTER() PYTHONISSA

Matplotlib on laaja Python-kirjasto, joka tarjoaa mahdollisuuden luoda staattisia, animoituja ja interaktiivisia visualisointeja. Pythonin Matplotlib.pyplot.scatter() laajentaa luomaan erilaisia kaavioita, kuten sirontakaavioita, pylväskaavioita, ympyräkaavioita, viivakaavioita, histogrammeja, 3-D-kaavioita ja paljon muuta.

Tarkempaa ymmärtämistä varten lisätietoja löytyy oppaasta, jonka otsikko on Python Matplotlib – Yleiskatsaus .

Mikä on Matplotlib.pyplot.scatter()?

The matplotlib.pyplot.scatter() juonit toimivat visuaalisena työkaluna muuttujien välisten suhteiden tutkimiseen ja analysointiin käyttämällä pisteitä kuvaamaan niiden välistä yhteyttä. Matplotlib-kirjasto tarjoaa hajaantua() menetelmä, joka on erityisesti suunniteltu sirontakaavioiden luomiseen. Nämä kaaviot havainnollistavat muuttujien keskinäisiä riippuvuuksia ja kuinka yhden muuttujan muutokset voivat vaikuttaa toiseen

Syntaksi : matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=Ei mitään, c=Ei mitään, marker=ei mitään, cmap=ei mitään, vmin=ei mitään, vmax=ei mitään, alpha=ei mitään, linewidths=ei mitään, edgecolors=ei mitään)

Parametrit:

x_axis_data> : Matriisi, joka sisältää tiedot x-akselille.matplotlib

s> : Merkin koko, joka voi olla skalaari tai matriisi, jonka koko on yhtä suuri kuin x:n tai y:n koko.

c> : Merkkien värisarjan väri.

marker> : Merkin tyyli.

cmap> : Värikartan nimi.

linewidths> : Merkin reunan leveys.

edgecolor> : Merkin reunan väri.

alpha> : Sekoitusarvo, joka vaihtelee välillä 0 (läpinäkyvä) ja 1 (läpinäkymätön).

Paitsi x_axis_data> ja y_axis_data> , kaikki muut parametrit ovat valinnaisia, ja niiden oletusarvoiksi on asetettu Ei mitään. Alla olevat sirontakaavioesimerkit osoittavat scatter()-menetelmän monipuolisuuden esittelemällä näiden valinnaisten parametrien erilaisia yhdistelmiä.

Pythonissa on useita tapoja luoda kaavioita matplotlib.pyplot.scatter()-komennolla. On olemassa muutamia esimerkkejä, jotka havainnollistavat matplotlib. pyplot.scatter() toimi sisään matplotlib.plot:

Perushajotuskaavio
Scatter Plot, jossa on useita tietojoukkoja
Bubble Chart Plot
Mukautettu hajontakaavio

Scatter Plot Matplotlibissä

Tuomalla matpltlib. plot () loimme sirontakuvaajan. Se määrittää x- ja y-koordinaatit, piirtää sitten pisteet sinisellä ja näyttää kaavion.

Python 3

import> matplotlib.pyplot as plt> x> => [> 5> ,> 7> ,> 8> ,> 7> ,> 2> ,> 17> ,> 2> ,> 9> ,> > 4> ,> 11> ,> 12> ,> 9> ,> 6> ]> y> => [> 99> ,> 86> ,> 87> ,> 88> ,> 100> ,> 86> ,> > 103> ,> 87> ,> 94> ,> 78> ,> 77> ,> 85> ,> 86> ]> plt.scatter(x, y, c> => 'blue'> )> # To show the plot> plt.show()>

Lähtö :

Perushajotuskaavio

Piirrä useita tietojoukkoja sirontakuvaajalla

Alla oleva koodi luo sirontakaavion, jossa on kaksi erillistä tietojoukkoa, joista kummallakin on x- ja y-koordinaatit. Koodi käyttää erilaisia merkkejä, värejä ja tyylivaihtoehtoja parantaakseen visualisointia.

Python 3

import> matplotlib.pyplot as plt> # dataset-1> x1> => [> 89> ,> 43> ,> 36> ,> 36> ,> 95> ,> 10> ,> > 66> ,> 34> ,> 38> ,> 20> ]> y1> => [> 21> ,> 46> ,> 3> ,> 35> ,> 67> ,> 95> ,> > 53> ,> 72> ,> 58> ,> 10> ]> # dataset2> x2> => [> 26> ,> 29> ,> 48> ,> 64> ,> 6> ,> 5> ,> > 36> ,> 66> ,> 72> ,> 40> ]> y2> => [> 26> ,> 34> ,> 90> ,> 33> ,> 38> ,> > 20> ,> 56> ,> 2> ,> 47> ,> 15> ]> plt.scatter(x1, y1, c> => 'pink'> ,> > linewidths> => 2> ,> > marker> => 's'> ,> > edgecolor> => 'green'> ,> > s> => 50> )> plt.scatter(x2, y2, c> => 'yellow'> ,> > linewidths> => 2> ,> > marker> => '^'> ,> > edgecolor> => 'red'> ,> > s> => 200> )> plt.xlabel(> 'X-axis'> )> plt.ylabel(> 'Y-axis'> )> plt.show()>

Lähtö :

Scatter Plot, jossa on useita tietojoukkoja

Bubble Plots Matplotlibissä

Tämä koodi luo kuplakaavion käyttämällä Matplotlibiä. Se piirtää pisteet määritetyillä x- ja y-koordinaateilla, joista kutakin edustaa kupla, jonka koko on määritetty bubble_sizes> lista. Kaaviossa on mukautettuja läpinäkyvyyttä, reunavärejä ja viivanleveyttä. Lopuksi se näyttää juonen otsikoineen ja akselitunnisteineen.

Python 3

import> matplotlib.pyplot as plt> # Data> x_values> => [> 1> ,> 2> ,> 3> ,> 4> ,> 5> ]> y_values> => [> 2> ,> 3> ,> 5> ,> 7> ,> 11> ]> bubble_sizes> => [> 30> ,> 80> ,> 150> ,> 200> ,> 300> ]> # Create a bubble chart with customization> plt.scatter(x_values, y_values, s> => bubble_sizes, alpha> => 0.6> , edgecolors> => 'b'> , linewidths> => 2> )> # Add title and axis labels> plt.title(> 'Bubble Chart with Transparency'> )> plt.xlabel(> 'X-axis'> )> plt.ylabel(> 'Y-axis'> )> # Display the plot> plt.show()>

Lähtö:

kuplakaavio

Mukauta Matplotlib-scatterplot

Tuomalla Matplotlib luomme mukautetun sirontakuvaajan käyttämällä Matplotlib ja NumPy . Se luo satunnaisia tietoja x- ja y-koordinaateille, väreille ja kooille. Sirontakaavio luodaan sitten mukautetuilla ominaisuuksilla, kuten värillä, kokolla, läpinäkyvyydellä ja värikartalla. Juoni sisältää otsikon, akselimerkinnät ja värin intensiteettiasteikon. Lopuksi juoni tulee näkyviin

Python 3

import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> x> => np.random.rand(> 50> )> y> => np.random.rand(> 50> )> colors> => np.random.rand(> 50> )> sizes> => 100> *> np.random.rand(> 50> )> # Create a customized scatter plot> plt.scatter(x, y, c> => colors, s> => sizes, alpha> => 0.7> , cmap> => 'viridis'> )> # Add title and axis labels> plt.title(> 'Customized Scatter Plot'> )> plt.xlabel(> 'X-axis'> )> plt.ylabel(> 'Y-axis'> )> # Display color intensity scale> plt.colorbar(label> => 'Color Intensity'> )> # Show the plot> plt.show()>

Lähtö :

Mukautettu hajontakaavio

Johtopäätös

Tiivistettynä, matplotlib.pyplot.scatter()> Python on monipuolinen ja tehokas työkalu muuttujien välisten suhteiden visualisointiin sirontakaavioiden avulla. Sen joustavuus mahdollistaa merkkien, värien, koon ja muiden ominaisuuksien mukauttamisen, mikä tarjoaa dynaamisen tavan esittää monimutkaisia tietokuvioita. Olipa kyseessä perustutkimuksellinen analyysi tai yksityiskohtainen tietojen tulkinta, tällä toiminnolla on ratkaiseva rooli informatiivisten ja visuaalisesti houkuttelevien sirontakaavioiden luomisessa Python-ohjelmointiympäristössä.