Python中scatter函数详解

Python技术博文 · 公众号 · Python · 2017-06-23 08:14

正文

做数据可视化必不可少的要了解一些绘图包和相关函数的使用，Python中scatter函数就是一个很好的工具。scatter函数参数众多，为了方便使用，小编这里整理了其参数说明，并且以实例来增加可读性让读者朋友们有一目了然的感觉。

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 plain copy

#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 plain copy

#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 plain copy

#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 plain copy

#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()

（4)

# -*- coding: utf-8 -*-
#导入模块
from matplotlib import pyplot as plt
import numpy as np
#定义两个矩阵
A1=np.array([0,0])
B1=np.array(([2,0],[0,2]))
#以 A1为均值，B1为协方差矩阵，生成正态分布的随机数
C1=np.random.multivariate_normal(A1,B1,10)
C2=np.random.multivariate_normal(A1+0.2,B1+0.2,10)
#画布的大小为长8cm高6cm
plt.figure(figsize=(8,6))
#画图吧，s表示点点的大小，c就是color，marker就是点点的形状o,x,*>#alpha,点点的亮度，label，标签
plt.scatter(C1[:,0],C1[:,1],s=30,c='red',marker='o',alpha=0.5,label='C1')
plt.scatter(C2[:,0],C2[:,1],s=30,c='blue',marker='x',alpha=0.5,label='C2')

plt.title('basic scatter plot ')
plt.xlabel('variables x')
plt.ylabel('variables y')

plt.legend(loc='upper right')#这个必须有，没有你试试看
plt.show()#这个可以没有

结果：

（5）：

【Python】
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()

【结果：】