Matplotlib - 绘制 带有对角线的散点图 (Diagonal Scatter Plots) 函数源码_对角线散点图

欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://blog.csdn.net/caroline_wendy/article/details/131384440

Matplotlib 是一个用于绘制二维图形的 Python 库，提供了一个 pyplot 模块，用于创建各种类型的图表。其中一种图表是散点图（Scatter Plots），用于展示两个变量之间的关系，以及数据的分布情况。要绘制散点图，使用 pyplot.scatter() 函数，接受以下参数：

• x, y：表示数据点的横纵坐标，可以是浮点数或者数组。
• s：表示数据点的大小，可以是一个常数或者一个数组，单位是点的平方（1 点 = 1/72 英寸）。
• c：表示数据点的颜色，可以是一个常数、一个数组、一个颜色序列或者一个颜色字符串。如果是一个数组，那么会根据 cmap 参数来映射颜色；如果是一个颜色序列，那么长度必须和数据点相同；如果是一个颜色字符串，那么所有数据点都使用该颜色。
• marker：表示数据点的形状，可以是一个 MarkerStyle 实例或者一个简写字符串。详细的形状列表可以参考 matplotlib.markers 文档。
• cmap：表示用于映射颜色的 Colormap 实例或者注册的颜色图名称。如果 c 是 RGB(A) 值，那么该参数会被忽略。
• norm：表示用于将数据标准化到 [0, 1] 区间的 Normalize 实例或者名称。默认情况下，使用线性标准化，将最小值映射到 0，最大值映射到 1。如果 c 是 RGB(A) 值，那么该参数会被忽略。
• vmin, vmax：当使用标量数据并且没有指定 norm 时，vmin 和 vmax 定义了颜色图覆盖的数据范围。默认情况下，颜色图覆盖了所有数据的值域。

主要：

1. 设置主题：sns.set_theme(style="white")
2. 设置 Figure 尺寸：fig.set_size_inches(10, 10)
3. 绘制对角线：ax.plot()
4. 绘制散点图：ax.scatter()
5. 绘制标注：ax.annotate()

源码如下：

#!/usr/bin/env python
# -- coding: utf-8 --
"""
Copyright (c) 2022. All rights reserved.
Created by C. L. Wang on 2023/6/25
"""
import os

import seaborn as sns

sns.set_theme(style="white")

import matplotlib.pyplot as plt
import numpy as np

from myutils.project_utils import read_excel_to_df, get_current_time_str
from root_dir import DATA_DIR


def draw_diagonal_scatter_plots(
    data_better, data_ref, label_list,
    min_scale=0.0, max_scale=1.05,
    x_label="", y_label="",
    save_name=""
):
    """
    绘制对角线散点图

    :param data_better: 优质数据，数据位于右下方
    :param data_ref:    对比数据
    :param label_list:  标签
    :param min_scale:   最小范围
    :param max_scale:   最大范围
    :param x_label:     x轴描述
    :param y_label:     y轴描述
    :param save_name:   文件存储
    :return: 图
    """
    assert len(data_ref) == len(data_better) == len(label_list)

    fig, ax = plt.subplots()
    fig.set_size_inches(10, 10)

    ax.grid(True)
    ax.plot([min_scale, max_scale], [min_scale, max_scale], ls="--", c=".3")
    ax.scatter(data_ref, data_better, s=100, edgecolors="black")

    plt.xlim(min_scale, max_scale)
    plt.ylim(min_scale, max_scale)
    plt.xticks(fontsize=15)
    plt.yticks(fontsize=15)
    plt.xlabel(x_label, fontsize=20)
    plt.ylabel(y_label, fontsize=20)

    for i, txt in enumerate(label_list):
        if data_ref[i] - data_better[i] > 0.05:
            ax.annotate(txt, (data_ref[i] * 1.01, data_better[i]), fontsize=10, fontweight='bold')

    if save_name:
        # transparent=True
        assert save_name.endswith("png") or save_name.endswith("jpg")
        plt.savefig(save_name, bbox_inches='tight', format='png')

    plt.show()


def main():
    df = read_excel_to_df(os.path.join(DATA_DIR, "20230630-best-tmscore.xlsx"))
    data1 = df["m0-score"]
    data2 = df["max-score"]
    label_list = df["target"]
    print(f"data1 : {round(float(np.mean(data1)) * 100, 4)}±{round(float(np.std(data1)), 4)}")
    print(f"data2 : {round(float(np.mean(data2)) * 100, 4)}±{round(float(np.std(data2)), 4)}")
    draw_diagonal_scatter_plots(data1, data2, label_list, min_scale=0.35, max_scale=1.05,
                                x_label="SOTA", y_label="Our Best",
                                save_name=f"img-{get_current_time_str()}.png")


if __name__ == '__main__':
    main()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80