Matplotlib står som ett omfattande bibliotek i Python, som erbjuder möjligheten att generera statiska, animerade och interaktiva visualiseringar. Matplotlib.pyplot.scatter() i Python sträcker sig till att skapa olika plotter såsom punktdiagram, stapeldiagram, cirkeldiagram, linjediagram, histogram, 3D-plots och mer.
För en mer djupgående förståelse finns ytterligare information i guiden med titeln Python Matplotlib – En översikt .
Vad är Matplotlib.pyplot.scatter()?
De matplotlib.pyplot.scatter() plotter fungerar som ett visuellt verktyg för att utforska och analysera sambanden mellan variabler, med hjälp av punkter för att skildra sambandet mellan dem. Matplotlib-biblioteket tillhandahåller sprida ut() metod, speciellt utformad för att skapa spridningsdiagram. Dessa plotter är avgörande för att illustrera det ömsesidiga beroendet mellan variabler och hur förändringar i en variabel kan påverka en annan
ternär operatör java
Syntax : matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=Ingen, c=Ingen, markör=Ingen, cmap=Ingen, vmin=Ingen, vmax=Ingen, alpha=Ingen, linjebredder=Ingen, kantfärger=Inga)
Parametrar:
x_axis_data>: En array som innehåller data för x-axis.matplotlibs>: Markörstorlek, som kan vara en skalär eller en matris med storlek lika med storleken på x eller y.c>: Färg på sekvensen av färger för markörer.marker>: Markörstil.cmap>: Färgkartans namn.linewidths>: Bredd på markörkanten.edgecolor>: Markör kantfärg.alpha>: Blandningsvärde, mellan 0 (transparent) och 1 (opak).
Förutom x_axis_data> och y_axis_data> , alla andra parametrar är valfria, med deras standardvärden inställda på Ingen. Scatterplotsexemplen nedan visar mångsidigheten hos scatter()-metoden genom att visa olika kombinationer av dessa valfria parametrar.
Matplotlib.pyplot.scatter() i Python
Det finns olika sätt att skapa plotter med matplotlib.pyplot.scatter() i Python. Det finns några exempel som illustrerar matplotlib. pyplot.scatter() fungera i matplotlib.plot:
- Grundläggande spridningsdiagram
- Scatterplot med flera datamängder
- Bubbeldiagram plot
- Anpassad spridningsdiagram
Scatter Plot i Matplotlib
Genom att importera matpltlib. plot () vi skapade en scatter plot. Den definierar x- och y-koordinater, plottar sedan punkterna i blått och visar plotten.
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()> |
>
>
Produktion :
Grundläggande spridningsdiagram
Rita flera datamängder på en scatterplot
Koden nedan genererar ett spridningsdiagram som visar två distinkta datauppsättningar, var och en med sin uppsättning x- och y-koordinater. Koden använder olika markörer, färger och stilalternativ för förbättrad 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()> |
>
>
Produktion :
Scatterplot med flera datamängder
Bubble Plots i Matplotlib
Den här koden genererar ett bubbeldiagram med Matplotlib. Den plottar punkter med specificerade x- och y-koordinater, var och en representerad av en bubbla med en storlek som bestäms av bubble_sizes> lista. Diagrammet har anpassning för transparens, kantfärg och linjebredd. Slutligen visar den plottet med en titel och axeletiketter.
Python3
java uttalande
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()> |
>
>
Utgång:
Bubbeldiagram
Anpassa en Matplotlib Scatterplot
Genom att importera Matplotlib skapar vi en anpassad scatterplot med hjälp av Matplotlib och NumPy . Den genererar slumpmässiga data för x- och y-koordinater, färger och storlekar. Spridningsdiagrammet skapas sedan med anpassade egenskaper som färg, storlek, transparens och färgkarta. Handlingen innehåller en titel, axeletiketter och en färgintensitetsskala. Slutligen visas handlingen
Python3
char och int java
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()> |
>
>
Produktion :
Anpassad spridningsplot
Slutsats
Sammanfattningsvis, matplotlib.pyplot.scatter()> Python är ett mångsidigt och kraftfullt verktyg för att visualisera relationer mellan variabler genom spridningsdiagram. Dess flexibilitet möjliggör anpassning av markörer, färger, storlekar och andra egenskaper, vilket ger ett dynamiskt sätt att representera komplexa datamönster. Oavsett om det gäller grundläggande utforskande analys eller detaljerad datatolkning, spelar den här funktionen en avgörande roll för att skapa informativa och visuellt tilltalande spridningsdiagram inom Python-programmeringsmiljön.