MATPLOTLIB.PYPLOT.SCATTER() I PYTHON

Matplotlib står som et omfattende bibliotek i Python, og tilbyr muligheten til å generere statiske, animerte og interaktive visualiseringer. Matplotlib.pyplot.scatter() i Python strekker seg til å lage ulike plott som spredningsplott, stolpediagram, sektordiagram, linjeplott, histogrammer, 3D-plott og mer.

For en mer dyptgående forståelse, kan du finne tilleggsinformasjon i veiledningen med tittelen Python Matplotlib – En oversikt .

Hva er Matplotlib.pyplot.scatter()?

De matplotlib.pyplot.scatter() plott fungerer som et visuelt verktøy for å utforske og analysere forholdet mellom variabler, ved å bruke prikker for å skildre sammenhengen mellom dem. Matplotlib-biblioteket gir spre() metode, spesielt utviklet for å lage spredningsplott. Disse plottene er medvirkende til å illustrere de gjensidige avhengighetene mellom variabler og hvordan endringer i en variabel kan påvirke en annen

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, kantfarger=Ingen)

Parametere:

x_axis_data> : En matrise som inneholder data for x-axis.matplotlib

s> : Markørstørrelse, som kan være en skalar eller en matrise med størrelse lik størrelsen på x eller y.

c> : Farge på sekvensen av farger for markører.

marker> : Markørstil.

cmap> : Navn på fargekart.

linewidths> : Bredde på markeringskanten.

edgecolor> : Markeringskantfarge.

alpha> : Blandingsverdi, varierer mellom 0 (gjennomsiktig) og 1 (ugjennomsiktig).

Utenom x_axis_data> og y_axis_data> , alle andre parametere er valgfrie, med standardverdiene satt til Ingen. Eksemplene med spredningsplott nedenfor demonstrerer allsidigheten til scatter()-metoden ved å vise frem ulike kombinasjoner av disse valgfrie parameterne.

Det er forskjellige måter å lage plott ved å bruke matplotlib.pyplot.scatter() i Python. Det er noen eksempler som illustrerer matplotlib. pyplot.scatter() fungere i matplotlib.plot:

Grunnleggende spredningsplott
Spredningsplott med flere datasett
Boblediagramplott
Tilpasset spredningsplott

Scatter Plot i Matplotlib

Ved å importere matpltlib. plot () vi laget et spredningsplott. Den definerer x- og y-koordinater, plotter deretter punktene i blått 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()>

python chr funksjon

Produksjon :

Grunnleggende spredningsplott

Plott flere datasett på et scatterplot

Koden nedenfor genererer et spredningsplott som viser to distinkte datasett, hver med sitt sett med x- og y-koordinater. Koden bruker forskjellige markører, farger og stilalternativer 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()>

Produksjon :

Spredningsplott med flere datasett

Bobleplott i Matplotlib

Denne koden genererer et boblediagram ved hjelp av Matplotlib. Den plotter punkter med spesifiserte x- og y-koordinater, hver representert av en boble med en størrelse bestemt av bubble_sizes> liste. Diagrammet har tilpasning for gjennomsiktighet, kantfarge og linjebredde. Til slutt viser den plottet med en tittel og akseetiketter.

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()>

Utgang:

Boblediagram

Tilpass et Matplotlib Scatterplot

Ved å importere Matplotlib lager vi et tilpasset spredningsplott ved hjelp av Matplotlib og NumPy . Den genererer tilfeldige data for x- og y-koordinater, farger og størrelser. Spredningsplottet lages deretter med tilpassede egenskaper som farge, størrelse, gjennomsiktighet og fargekart. Plottet inkluderer en tittel, akseetiketter og en fargeintensitetsskala. Til slutt 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()>

Produksjon :

Tilpasset spredningsplott

Konklusjon

For å konkludere, matplotlib.pyplot.scatter()> Python er et allsidig og kraftig verktøy for å visualisere forhold mellom variabler gjennom spredningsplott. Dens fleksibilitet gir mulighet for tilpasning av markører, farger, størrelser og andre egenskaper, og gir en dynamisk måte å representere komplekse datamønstre på. Enten for grunnleggende utforskende analyse eller detaljert datatolkning, spiller denne funksjonen en avgjørende rolle i å lage informative og visuelt tiltalende spredningsplott i Python-programmeringsmiljøet.

android prosess acore fortsetter å stoppe