Python中scatter函数参数及用法详解

#Python中scatter函数参数及用法详解| 来源: 网络整理| 查看: 265

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：

#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

#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

#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

#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。

PS：下面举个示例

本文记录了python中的数据可视化——散点图scatter，令x作为数据（50个点，每个30维），我们仅可视化前两维。labels为其类别（假设有三类）。

这里的x就用random来了，具体数据具体分析。

label设定为[1:20]->1, [21:35]->2, [36:50]->3，（python中数组连接方法：先强制转为list，用+，再转回array）

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

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)：

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

您可能感兴趣的文章:Python函数参数定义及传递方式解析Python函数参数分类原理详解python+opencv边缘提取与各函数参数解析python-sys.stdout作为默认函数参数的实现Python 限定函数参数的类型及默认值方式python函数参数(必须参数、可变参数、关键字参数)Python OpenCV 使用滑动条来调整函数参数的方法Python函数参数操作详解python3中函数参数的四种简单用法详解Python 函数参数的拆解

【本文地址】

公司简介

联系我们