Matplotlib散射如何绘制散点图

2。运行结果

3。注释

<代码> np.random.normal (0, 1, n) 的作用是产生一个符合正太分布的数据样本,听起来可能有点专业化了,我们目前只需要知道它的作用是产生一组样本数据就ok了。

(下面的内容了解即可无需深入,后面再进行深入学习)
np.random.normal(规模大小、loc)
参数含义:
loc:此概率分布的均值(对应着整个分布的中心中心)
:此概率分布的标准差(对应于分布的宽度,规模越大越矮胖,规模越小,越瘦高)
大小:输出的形状,默认为,只输出一个值

<强>二、复杂的散点图

<强>较上一次散点图所做出的变动:

1。修改散点的颜色
2。将三组散点数据放到一张图上
3。添加散点图图例

1。代码

import  numpy  as  np 　　import  matplotlib.pyplot  as  plt 　　 　　无花果,ax =, plt.subplots () 　　 　　for  color 拷贝(& # 39;红色# 39;,,& # 39;绿色# 39;,,& # 39;紫色# 39;]:,,,,,,#每一次循环都会产生一组散点数据 　　n 才能=400 　　时间=x 才能;np.random.normal (0, 1, n) 　　时间=y 才能;np.random.normal (0, 1, n) 　　ax.scatter才能(x, y), c=颜色,,标签=color ,α=0.5) 　　 　　ax.legend(),,,,,,,,,,,,,,,,,,,,, #显示图例 　　 　　plt.show ()

2。运行结果

3。注释

1。<代码>无花果,ax=plt.subplots() 是一个将多组数据放到一张图显示的操作,可以简单理解为多图合一操作。

其返回值
无花果:matplotlib.figure。图对象
ax:子图对象(matplotlib.axes。轴)或者是他的数组

#函数定义看看就好了 　　def 次要情节(nrows=1, ncols=1, sharex=False, sharey=False,挤压=True, 　　,,,,,,subplot_kw=没有,gridspec_kw=没有,,* * fig_kw): 　　时间=fig 才能;图(* * fig_kw) 　　axs 才能=,fig.subplots (nrows=nrows, ncols=ncols, sharex=sharex, sharey=sharey, 　　,,,,,,,,,,,挤压=挤压,subplot_kw=subplot_kw, 　　,,,,,,,,,,,gridspec_kw=gridspec_kw) 　　return 才能,无花果,中心——axs

2。<代码> ax。散射(x, y, c=颜色,标签=颜色,α=0.5)> c> 标签> 是散点的透明度,通过给α值介于0和1之间来调整散点的透明度。

<强>四,散点图参数讲解

这部分还是先通过代码来直观了解一下<代码> 分散常用的参数

1。代码

import  numpy  as  np 　　import  matplotlib.pyplot  as  plt 　　 　　n =30 　　 　　时间=x  np.random.normal (0, 1, n) 　　时间=y  np.random.normal (0, 1, n) 　　 　　plt.subplot (321) 　　plt.scatter (x, y,,=80,, c=& # 39;红色# 39;,,标志=& # 39;^ & # 39;) 　　 　　plt.subplot (322) 　　plt.scatter (x, y,,=80,, c=& # 39;绿色# 39;,,标志=(7,,1)) 　　 　　plt.subplot (323) 　　plt.scatter (x, y), s=1), c=& # 39;紫色# 39;,,标志=(6,1)) 　　 　　plt.subplot (324) 　　plt.scatter (x, y,,=400,, c=& # 39;红色# 39;,,标志=(5,1)) 　　 　　plt.subplot (325) 　　plt.scatter (x, y,,=80,, c=& # 39;绿色# 39;,,标志=& # 39;+ & # 39;) 　　 　　plt.subplot (326) 　　plt.scatter (x, y,,=80,, c=& # 39;紫色# 39;,,标志=(5,2)) 　　 　　plt.show ()

Matplotlib散射如何绘制散点图