Matplotlib 教程 之 Matplotlib 散点图 5

简介: 使用 Matplotlib 的 `scatter()` 方法绘制散点图,并详细解释了该方法的参数,如点的大小(`s`)、颜色(`c`)、样式(`marker`)等。通过一个实例展示了如何利用随机数生成数据点 (`x`, `y`) 及其颜色和面积,并设置了图表的标题。此示例代码展示了散点图的基本绘制方法及其参数配置。

Matplotlib 教程 之 Matplotlib 散点图 5

Matplotlib 散点图

我们可以使用 pyplot 中的 scatter() 方法来绘制散点图。

scatter() 方法语法格式如下:

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, , edgecolors=None, plotnonfinite=False, data=None, *kwargs)
参数说明:

x,y:长度相同的数组,也就是我们即将绘制散点图的数据点,输入数据。

s:点的大小,默认 20,也可以是个数组,数组每个参数为对应点的大小。

c:点的颜色,默认蓝色 'b',也可以是个 RGB 或 RGBA 二维行数组。

marker:点的样式,默认小圆圈 'o'。

cmap:Colormap,默认 None,标量或者是一个 colormap 的名字,只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。

norm:Normalize,默认 None,数据亮度在 0-1 之间,只有 c 是一个浮点数的数组的时才使用。

vmin,vmax::亮度设置,在 norm 参数存在时会忽略。

alpha::透明度设置,0-1 之间,默认 None,即不透明。

linewidths::标记点的长度。

edgecolors::颜色或颜色序列,默认为 'face',可选值有 'face', 'none', None。

plotnonfinite::布尔值,设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。

**kwargs::其他参数。

使用随机数来设置散点图:

实例

import numpy as np
import matplotlib.pyplot as plt

随机数生成器的种子

np.random.seed(19680801)

N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = (30 np.random.rand(N))*2 # 0 to 15 point radii

plt.scatter(x, y, s=area, c=colors, alpha=0.5) # 设置颜色及透明度

plt.title("RUNOOB Scatter Test") # 设置标题

plt.show()

目录
相关文章
|
14天前
|
Python
Matplotlib 教程 之 Matplotlib 散点图 6
使用 Matplotlib 库中的 `scatter()` 方法绘制散点图,并详细解释了该方法的参数,包括点的大小(`s`)、颜色(`c`)、样式(`marker`)等。此外,还展示了如何使用 `cmap` 参数设置颜色条,以及提供了一个具体的实例代码,演示了如何利用这些参数创建带有颜色渐变的散点图。
29 0
|
16天前
|
Python
Matplotlib 教程 之 Matplotlib 散点图 1
通过设置参数如点的大小(`s`)、颜色(`c`)和样式(`marker`)等,可以定制图表外观。示例展示了如何用两个长度相同的数组分别表示 x 和 y 轴的值来创建基本散点图。
32 12
|
10天前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 饼图 3
使用 Matplotlib 的 `pie()` 方法绘制饼图,详细解释了 `pie()` 方法的参数,如 `x`、`labels`、`colors` 和 `autopct` 等,并提供了设置饼图标签和颜色的示例代码。饼图是一种常用的数据可视化图形,用于展示各部分在整体中的比例。`pie()` 方法可返回包含扇形、文本和自动生成文本标签的对象列表。
22 5
|
9天前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 饼图 5
使用 Matplotlib 的 `pie()` 方法绘制饼图,通过参数设置(如颜色、标签和比例等),轻松展示各类别占比。示例代码展示了如何创建一个具有突出部分的彩色饼图并显示百分比。`pie()` 方法支持多种参数定制,包括阴影、旋转角度及文本属性等。
27 3
|
10天前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 饼图 2
使用 Matplotlib 库中的 `pyplot` 模块 `pie()` 方法来创建饼图,并详细解释了 `pie()` 方法的各种参数,包括数据输入 `x`、扇区分离度 `explode`、标签 `labels`、颜色 `colors`、百分比格式 `autopct` 等,还说明了该方法可以返回包含扇形、文本和自动文本对象的列表。通过一个简单的示例展示了基本饼图的绘制过程。
18 4
|
10天前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 饼图 4
使用 Matplotlib 的 `pie()` 方法绘制饼图,展示各部分占比。`pie()` 方法可通过多个参数定制图表样式,如颜色、标签和百分比显示格式等。通过实例演示了如何突出显示特定扇区并格式化百分比输出。
20 4
|
9天前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 直方图 2
使用 Matplotlib 的 `hist()` 方法绘制直方图,通过实例展示了如何比较多组数据的分布。`hist()` 方法属于 Matplotlib 的 pyplot 子库,能有效展示数据分布特性,如中心趋势和偏态。示例中通过生成三组正态分布的随机数据并设置参数(如 bins、alpha 和 label),实现了可视化比较。
17 3
|
9天前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 直方图 1
使用 Matplotlib 库中的 `hist()` 方法来绘制直方图,并详细解释了其语法和各种参数的意义,如箱数 (`bins`)、值域 (`range`)、归一化 (`density`) 等。通过一个实例演示了如何创建一个简单的直方图,包括设置颜色和图表标题、坐标轴标签等属性。
18 3
|
11天前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 饼图 1
使用 Matplotlib 库中的 `pyplot` 模块 `pie()` 方法来绘制饼图,并详细解释了 `pie()` 方法的参数,包括数据输入 `x`、扇区间距 `explode`、标签 `labels`、颜色 `colors`、百分比格式 `autopct`、标签距离 `labeldistance`、阴影 `shadow`、半径 `radius`、起始角度 `startangle`、逆时针方向 `counterclock`、扇形属性 `wedgeprops`、文本标签属性 `textprops`、饼图中心位置 `center`
15 1
|
14天前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 散点图 7
使用 Matplotlib 的 `scatter()` 方法绘制散点图。该方法接受多个参数,如 x 和 y 数据点、点的大小(s)、颜色(c)和样式(marker)等。通过示例展示了如何利用颜色数组和颜色映射 (`cmap`) 来增强图表的表现力,并使用 `colorbar()` 方法添加颜色条,使数据可视化更加直观。
28 1