MATPLOTLIB.PYPLOT.SCATTER() I PYTHON

Matplotlib står som et omfattende bibliotek i Python, og tilbyr muligheten til å generere statiske, animerte og interaktive visualiseringer. Matplotlib.pyplot.scatter() i Python strekker seg til å lage ulike plott som spredningsplott, stolpediagram, sektordiagram, linjeplott, histogrammer, 3D-plott og mer.

For en mer dyptgående forståelse, kan du finne tilleggsinformasjon i veiledningen med tittelen Python Matplotlib – En oversikt .

Hva er Matplotlib.pyplot.scatter()?

De matplotlib.pyplot.scatter() plott fungerer som et visuelt verktøy for å utforske og analysere forholdet mellom variabler, ved å bruke prikker for å skildre sammenhengen mellom dem. Matplotlib-biblioteket gir spre() metode, spesielt utviklet for å lage spredningsplott. Disse plottene er medvirkende til å illustrere de gjensidige avhengighetene mellom variabler og hvordan endringer i en variabel kan påvirke en annen

Syntaks : matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=Ingen, c=Ingen, markør=Ingen, cmap=Ingen, vmin=Ingen, vmax=Ingen, alpha=Ingen, linjebredder=Ingen, kantfarger=Ingen)

Parametere:

x_axis_data> : En matrise som inneholder data for x-axis.matplotlib

s> : Markørstørrelse, som kan være en skalar eller en matrise med størrelse lik størrelsen på x eller y.

c> : Farge på sekvensen av farger for markører.

marker> : Markørstil.

cmap> : Navn på fargekart.

linewidths> : Bredde på markeringskanten.

edgecolor> : Markeringskantfarge.

alpha> : Blandingsverdi, varierer mellom 0 (gjennomsiktig) og 1 (ugjennomsiktig).

Utenom x_axis_data> og y_axis_data> , alle andre parametere er valgfrie, med standardverdiene satt til Ingen. Eksemplene med spredningsplott nedenfor demonstrerer allsidigheten til scatter()-metoden ved å vise frem ulike kombinasjoner av disse valgfrie parameterne.

Det er forskjellige måter å lage plott ved å bruke matplotlib.pyplot.scatter() i Python. Det er noen eksempler som illustrerer matplotlib. pyplot.scatter() fungere i matplotlib.plot:

Grunnleggende spredningsplott
Spredningsplott med flere datasett
Boblediagramplott
Tilpasset spredningsplott

Scatter Plot i Matplotlib

Ved å importere matpltlib. plot () vi laget et spredningsplott. Den definerer x- og y-koordinater, plotter deretter punktene i blått og viser plottet.

Python3

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()>

Produksjon :

Grunnleggende spredningsplott

Plott flere datasett på et scatterplot

Koden nedenfor genererer et spredningsplott som viser to distinkte datasett, hver med sitt sett med x- og y-koordinater. Koden bruker forskjellige markører, farger og stilalternativer for forbedret visualisering.

Python3

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()>

Produksjon :

Spredningsplott med flere datasett

Bobleplott i Matplotlib

Denne koden genererer et boblediagram ved hjelp av Matplotlib. Den plotter punkter med spesifiserte x- og y-koordinater, hver representert av en boble med en størrelse bestemt av bubble_sizes> liste. Diagrammet har tilpasning for gjennomsiktighet, kantfarge og linjebredde. Til slutt viser den plottet med en tittel og akseetiketter.

Python3

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()>

Utgang:

Boblediagram

Tilpass et Matplotlib Scatterplot

Ved å importere Matplotlib lager vi et tilpasset spredningsplott ved hjelp av Matplotlib og NumPy . Den genererer tilfeldige data for x- og y-koordinater, farger og størrelser. Spredningsplottet lages deretter med tilpassede egenskaper som farge, størrelse, gjennomsiktighet og fargekart. Plottet inkluderer en tittel, akseetiketter og en fargeintensitetsskala. Til slutt vises plottet

Python3

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()>

Produksjon :

Tilpasset spredningsplott

Konklusjon

For å konkludere, matplotlib.pyplot.scatter()> Python er et allsidig og kraftig verktøy for å visualisere forhold mellom variabler gjennom spredningsplott. Dens fleksibilitet gir mulighet for tilpasning av markører, farger, størrelser og andre egenskaper, og gir en dynamisk måte å representere komplekse datamønstre på. Enten for grunnleggende utforskende analyse eller detaljert datatolkning, spiller denne funksjonen en avgjørende rolle i å lage informative og visuelt tiltalende spredningsplott i Python-programmeringsmiljøet.