MATPLOTLIB.PYPLOT.SCATTER() I PYTHON

Matplotlib står som et omfattende bibliotek i Python, der tilbyder muligheden for at generere statiske, animerede og interaktive visualiseringer. Matplotlib.pyplot.scatter() i Python udvider til at skabe forskellige plots såsom punktplot, søjlediagrammer, cirkeldiagrammer, linjeplot, histogrammer, 3-D plots og mere.

For en mere dybdegående forståelse kan yderligere information findes i vejledningen med titlen Python Matplotlib – En oversigt .

Hvad er Matplotlib.pyplot.scatter()?

Det matplotlib.pyplot.scatter() plots tjener som et visuelt værktøj til at udforske og analysere forholdet mellem variabler ved at bruge prikker til at skildre forbindelsen mellem dem. Matplotlib-biblioteket giver sprede() metode, specielt designet til at skabe scatter plots. Disse plots er medvirkende til at illustrere den indbyrdes afhængighed mellem variabler, og hvordan ændringer i en variabel kan påvirke en anden

Syntaks : matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=Ingen, c=Ingen, markør=Ingen, cmap=Ingen, vmin=Ingen, vmax=Ingen, alpha=Ingen, linjebredder=Ingen, kantfarver=Ingen)

Parametre:

x_axis_data> : Et array, der indeholder data for x-axis.matplotlib

s> : Markørstørrelse, som kan være en skalar eller en matrix af størrelse svarende til størrelsen af x eller y.

c> : Farve på rækkefølgen af farver til markører.

marker> : Markør stil.

cmap> : Farvekortnavn.

linewidths> : Markeringskantens bredde.

edgecolor> : Markeringskantfarve.

alpha> : Blandingsværdi, der går mellem 0 (gennemsigtig) og 1 (ugennemsigtig).

Med undtagelse af x_axis_data> og y_axis_data> , alle andre parametre er valgfrie, med deres standardværdier sat til Ingen. Scatterplot-eksemplerne nedenfor demonstrerer alsidigheden af scatter()-metoden ved at vise forskellige kombinationer af disse valgfrie parametre.

Der er forskellige måder at oprette plots ved hjælp af matplotlib.pyplot.scatter() i Python. Der er nogle eksempler, der illustrerer matplotlib. pyplot.scatter() fungere i matplotlib.plot:

Grundlæggende scatter plot
Spredningsplot med flere datasæt
Boblediagram plot
Tilpasset scatter plot

Scatter Plot i Matplotlib

Ved at importere matpltlib. plot () vi oprettede et scatter plot. Den definerer x- og y-koordinater, plotter derefter punkterne i blåt og viser plottet.

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()>

hvordan man sorterer arraylist i java

Produktion :

Grundlæggende scatter plot

Plot flere datasæt på et scatterplot

Nedenstående kode genererer et scatterplot, der viser to forskellige datasæt, hver med sit sæt af x- og y-koordinater. Koden anvender forskellige markører, farver og stylingmuligheder for forbedret 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 :

Spredningsplot med flere datasæt

Bobleplot i Matplotlib

Denne kode genererer et boblediagram ved hjælp af Matplotlib. Den plotter punkter med specificerede x- og y-koordinater, hver repræsenteret af en boble med en størrelse bestemt af bubble_sizes> liste. Diagrammet har tilpasning til gennemsigtighed, kantfarve og linjebredde. Til sidst viser den plottet med en titel og akselabels.

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()>

Output:

Boblediagram

Tilpas et Matplotlib Scatterplot

Ved at importere Matplotlib skaber vi et tilpasset scatter plot vha Matplotlib og NumPy . Det genererer tilfældige data for x- og y-koordinater, farver og størrelser. Spredningsplottet oprettes derefter med tilpassede egenskaber såsom farve, størrelse, gennemsigtighed og farvekort. Plottet inkluderer en titel, aksemærkater og en farveintensitetsskala. Til sidst vises plottet

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()>

Produktion :

Tilpasset scatter plot

Konklusion

Afslutningsvis, matplotlib.pyplot.scatter()> Python er et alsidigt og kraftfuldt værktøj til at visualisere forhold mellem variabler gennem scatterplot. Dens fleksibilitet giver mulighed for tilpasning af markører, farver, størrelser og andre egenskaber, hvilket giver et dynamisk middel til at repræsentere komplekse datamønstre. Uanset om det er til grundlæggende udforskende analyse eller detaljeret datafortolkning, spiller denne funktion en afgørende rolle i at skabe informative og visuelt tiltalende scatterplot i Python-programmeringsmiljøet.

android process acore bliver ved med at stoppe