python画图之散点图sactter函数详解，基本散列点绘制_python在散点图加上公式

作者：我家自动化 | 2024-02-16 23:53:49

踩

python在散点图加上公式

原文地址：http://blog.csdn.net/u013634684/article/details/49646311

http://blog.csdn.net/abcjennifer/article/details/19848269

http://blog.csdn.net/dataningwei/article/details/53619534

最近开始学习Python编程，遇到scatter函数，感觉里面的参数不知道什么意思于是查资料,最后总结如下：

1、scatter函数原型

2、其中散点的形状参数marker如下：

3、其中颜色参数c如下:

4、基本的使用方法如下：

[python]view plaincopy 
   
 #导入必要的模块  
 import numpy as np  
 import matplotlib.pyplot as plt  
 #产生测试数据  
 x = np.arange(1,10)  
 y = x  
 fig = plt.figure()  
 ax1 = fig.add_subplot(111)  
 #设置标题  
 ax1.set_title('Scatter Plot')  
 #设置X轴标签  
 plt.xlabel('X')  
 #设置Y轴标签  
 plt.ylabel('Y')  
 #画散点图  
 ax1.scatter(x,y,c = 'r',marker = 'o')  
 #设置图标  
 plt.legend('x1')  
 #显示所画的图  
 plt.show()  

结果如下：

5、当scatter后面参数中数组的使用方法，如s，当s是同x大小的数组，表示x中的每个点对应s中一个大小，其他如c，等用法一样，如下：

（1）、不同大小

[python]view plaincopy 
   
 #导入必要的模块  
 import numpy as np  
 import matplotlib.pyplot as plt  
 #产生测试数据  
 x = np.arange(1,10)  
 y = x  
 fig = plt.figure()  
 ax1 = fig.add_subplot(111)  
 #设置标题  
 ax1.set_title('Scatter Plot')  
 #设置X轴标签  
 plt.xlabel('X')  
 #设置Y轴标签  
 plt.ylabel('Y')  
 #画散点图  
 sValue = x*10  
 ax1.scatter(x,y,s=sValue,c='r',marker='x')  
 #设置图标  
 plt.legend('x1')  
 #显示所画的图  
 plt.show()  

（2）、不同颜色

[python]view plaincopy 
   
 #导入必要的模块  
 import numpy as np  
 import matplotlib.pyplot as plt  
 #产生测试数据  
 x = np.arange(1,10)  
 y = x  
 fig = plt.figure()  
 ax1 = fig.add_subplot(111)  
 #设置标题  
 ax1.set_title('Scatter Plot')  
 #设置X轴标签  
 plt.xlabel('X')  
 #设置Y轴标签  
 plt.ylabel('Y')  
 #画散点图  
 cValue = ['r','y','g','b','r','y','g','b','r']  
 ax1.scatter(x,y,c=cValue,marker='s')  
 #设置图标  
 plt.legend('x1')  
 #显示所画的图  
 plt.show()  

结果：

（3）、线宽linewidths

[python]view plaincopy 
   
 #导入必要的模块  
 import numpy as np  
 import matplotlib.pyplot as plt  
 #产生测试数据  
 x = np.arange(1,10)  
 y = x  
 fig = plt.figure()  
 ax1 = fig.add_subplot(111)  
 #设置标题  
 ax1.set_title('Scatter Plot')  
 #设置X轴标签  
 plt.xlabel('X')  
 #设置Y轴标签  
 plt.ylabel('Y')  
 #画散点图  
 lValue = x  
 ax1.scatter(x,y,c='r',s= 100,linewidths=lValue,marker='o')  
 #设置图标  
 plt.legend('x1')  
 #显示所画的图  
 plt.show()  

注：这就是scatter基本的用法。

Python 中常用画图工具matplotlib.pyplot工具使用实验。

代码：

[python]view plaincopy 
   
print?
 from sklearn.datasets.samples_generator import make_blobs  
 import matplotlib.pyplot as plt  
   
 X, y = make_blobs(n_samples=100, centers=3, n_features=2,random_state=0)  
 y=y+1;  
   
 # label  
 plt.figure(1)  
 ax=plt.subplot(121)  
 plt.scatter(X[:,0],X[:,1])  
 ax.set_title('No lable')  
 ax=plt.subplot(122)  
 plt.scatter(X[:,0],X[:,1],y*30,y*30)  
 ax.set_title('Have lable')  
   
 #  
 plt.figure(2)  
 ax=plt.subplot(111)  
 id=(y==1)  
 plt.scatter(X[id,0],X[id,1],s=20,color='b')  
 id=(y==2)  
 plt.scatter(X[id,0],X[id,1],s=50,color='r')  
 id=(y==3)  
 plt.scatter(X[id,0],X[id,1],s=70,color='g')  
 plt.show()  

显示结果：

fiugre1

figure2

用matplotlib的scatter绘制散点图，legend和matlab中稍有不同，详见代码。

[python]view plaincopy 
   
 x = rand(50,30)  
 from numpy import *  
 import matplotlib  
 import matplotlib.pyplot as plt  
   
 #basic  
 f1 = plt.figure(1)  
 plt.subplot(211)  
 plt.scatter(x[:,1],x[:,0])  
   
 # with label  
 plt.subplot(212)  
 label = list(ones(20))+list(2*ones(15))+list(3*ones(15))  
 label = array(label)  
 plt.scatter(x[:,1],x[:,0],15.0*label,15.0*label)  
   
 # with legend  
 f2 = plt.figure(2)  
 idx_1 = find(label==1)  
 p1 = plt.scatter(x[idx_1,1], x[idx_1,0], marker = 'x', color = 'm', label='1', s = 30)  
 idx_2 = find(label==2)  
 p2 = plt.scatter(x[idx_2,1], x[idx_2,0], marker = '+', color = 'c', label='2', s = 50)  
 idx_3 = find(label==3)  
 p3 = plt.scatter(x[idx_3,1], x[idx_3,0], marker = 'o', color = 'r', label='3', s = 15)  
 plt.legend(loc = 'upper right')  

result：

figure(1)：

figure(2)：

基本散列点绘制


from matplotlib import pyplot as plt
import numpy as np
 
# Generating a Gaussion dataset:
# creating random vectors from the multivariate normal distribution
# given mean and covariance
mu_vec1 = np.array([0,0])
cov_mat1 = np.array([[2,0],[0,2]])
 
x1_samples = np.random.multivariate_normal(mu_vec1, cov_mat1, 100)
x2_samples = np.random.multivariate_normal(mu_vec1+0.2, cov_mat1+0.2, 100)
x3_samples = np.random.multivariate_normal(mu_vec1+0.4, cov_mat1+0.4, 100)
 
# x1_samples.shape -> (100, 2), 100 rows, 2 columns
 
plt.figure(figsize=(8,6))
 
plt.scatter(x1_samples[:,0], x1_samples[:,1], marker='x',
            color='blue', alpha=0.7, label='x1 samples')
plt.scatter(x2_samples[:,0], x1_samples[:,1], marker='o',
            color='green', alpha=0.7, label='x2 samples')
plt.scatter(x3_samples[:,0], x1_samples[:,1], marker='^',
            color='red', alpha=0.7, label='x3 samples')
plt.title('Basic scatter plot')
plt.ylabel('variable X')
plt.xlabel('Variable Y')
plt.legend(loc='upper right')
 
plt.show()

带标签


import matplotlib.pyplot as plt
 
x_coords = [0.13, 0.22, 0.39, 0.59, 0.68, 0.74, 0.93]
y_coords = [0.75, 0.34, 0.44, 0.52, 0.80, 0.25, 0.55]
 
fig = plt.figure(figsize=(8,5))
plt.scatter(x_coords, y_coords, marker='s', s=50)
 
for x, y in zip(x_coords, y_coords):
    plt.annotate(
        '(%s, %s)' %(x, y),
        xy=(x, y),
        xytext=(0, -10),
        textcoords='offset points',
        ha='center',
        va='top')
 
plt.xlim([0,1])
plt.ylim([0,1])
plt.show()

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家自动化/article/detail/97960?site