MATPLOTLIB.PYPLOT.SCATTER() W PYTHONIE

Matplotlib to obszerna biblioteka w języku Python oferująca możliwość generowania wizualizacji statycznych, animowanych i interaktywnych. Funkcja Matplotlib.pyplot.scatter() w Pythonie umożliwia tworzenie różnorodnych wykresów, takich jak wykresy punktowe, wykresy słupkowe, wykresy kołowe, wykresy liniowe, histogramy, wykresy 3D i inne.

Aby uzyskać bardziej szczegółowe zrozumienie, dodatkowe informacje można znaleźć w przewodniku pt Python Matplotlib – przegląd .

Co to jest Matplotlib.pyplot.scatter()?

The matplotlib.pyplot.scatter() wykresy służą jako wizualne narzędzie do badania i analizowania relacji między zmiennymi, wykorzystując kropki do zobrazowania połączenia między nimi. Biblioteka matplotlib udostępnia rozpraszać() metoda, specjalnie zaprojektowana do tworzenia wykresów punktowych. Wykresy te odgrywają zasadniczą rolę w ilustrowaniu współzależności między zmiennymi oraz w jaki sposób zmiany jednej zmiennej mogą wpływać na inną

Składnia : matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=Brak, c=Brak, marker=Brak, cmap=Brak, vmin=Brak, vmax=Brak, alpha=Brak, linewidths=Brak, Edgecolors=Brak)

Parametry:

x_axis_data> : Tablica zawierająca dane dla x-axis.matplotlib

s> : Rozmiar znacznika, który może być skalarem lub tablicą o rozmiarze równym rozmiarowi x lub y.

c> : Kolor sekwencji kolorów znaczników.

marker> : Styl znacznika.

cmap> : Nazwa mapy kolorów.

linewidths> : Szerokość granicy znacznika.

edgecolor> : Kolor obramowania znacznika.

alpha> : Wartość mieszania w zakresie od 0 (przezroczysty) do 1 (nieprzezroczysty).

Z wyjątkiem x_axis_data> I y_axis_data> , wszystkie pozostałe parametry są opcjonalne, a ich wartości domyślne są ustawione na Brak. Poniższe przykłady wykresów punktowych demonstrują wszechstronność metody scatter(), przedstawiając różne kombinacje tych opcjonalnych parametrów.

Istnieją różne sposoby tworzenia wykresów przy użyciu funkcji matplotlib.pyplot.scatter() w Pythonie. Istnieje kilka przykładów ilustrujących matplotlib. pyplot.scatter() funkcjonować w matplotlib.plot:

Podstawowy wykres punktowy
Wykres punktowy z wieloma zestawami danych
Wykres bąbelkowy
Dostosowany wykres punktowy

Wykres punktowy w Matplotlib

Importując matpltlib. plot() stworzyliśmy wykres punktowy. Definiuje współrzędne x i y, następnie wykreśla punkty na niebiesko i wyświetla wykres.

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()>

Wyjście :

Podstawowy wykres punktowy

Wykreśl wiele zestawów danych na wykresie punktowym

Poniższy kod generuje wykres punktowy przedstawiający dwa różne zestawy danych, każdy z zestawem współrzędnych x i y. W kodzie zastosowano różne znaczniki, kolory i opcje stylizacji w celu ulepszonej wizualizacji.

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()>

Wyjście :

Wykres punktowy z wieloma zbiorami danych

Wykresy bąbelkowe w Matplotlib

Ten kod generuje wykres bąbelkowy przy użyciu Matplotlib. Rysuje punkty o określonych współrzędnych x i y, każdy reprezentowany przez bąbelek o rozmiarze określonym przez bubble_sizes> lista. Wykres można dostosować pod względem przezroczystości, koloru krawędzi i szerokości linii. Na koniec wyświetla wykres z tytułem i etykietami osi.

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()>

Wyjście :

Wykres bąbelkowy

Dostosuj wykres rozrzutu Matplotlib

Importując Matplotlib, tworzymy dostosowany wykres punktowy za pomocą Matplotlib I NumPy . Generuje losowe dane dla współrzędnych x i y, kolorów i rozmiarów. Następnie tworzony jest wykres punktowy z dostosowanymi właściwościami, takimi jak kolor, rozmiar, przezroczystość i mapa kolorów. Wykres zawiera tytuł, etykiety osi i skalę intensywności kolorów. Na koniec zostaje wyświetlona fabuła

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()>

Wyjście :

Dostosowany wykres punktowy

Wniosek

Podsumowując, matplotlib.pyplot.scatter()> Python to wszechstronne i potężne narzędzie do wizualizacji relacji między zmiennymi za pomocą wykresów punktowych. Jego elastyczność pozwala na dostosowywanie znaczników, kolorów, rozmiarów i innych właściwości, zapewniając dynamiczne sposoby reprezentowania złożonych wzorców danych. Niezależnie od tego, czy chodzi o podstawową analizę eksploracyjną, czy o szczegółową interpretację danych, funkcja ta odgrywa kluczową rolę w tworzeniu informacyjnych i atrakcyjnych wizualnie wykresów punktowych w środowisku programowania Python.