当前位置：首页 > 资讯 > 技术文档

Python中scatter函数参数及用法详解

时间：2021-06-03 11:46 编辑：来源：阅读：
扫一扫，手机访问

摘要：Python中scatter函数参数及用法详解

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 [img]http://files.jb51.net/file_images/article/201711/201711081604306.jpg[/img] 2、其中散点的形状参数marker如下： [img]http://files.jb51.net/file_images/article/201711/201711081604307.jpg[/img] 3、其中颜色参数c如下: [img]http://files.jb51.net/file_images/article/201711/201711081604308.jpg[/img] 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： [img]http://files.jb51.net/file_images/article/201711/201711081604309.jpg[/img] 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()

[img]http://files.jb51.net/file_images/article/201711/2017110816043010.jpg[/img] （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： [img]http://files.jb51.net/file_images/article/201711/2017110816043011.jpg[/img] （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()

[img]http://files.jb51.net/file_images/article/201711/2017110816043012.jpg[/img] 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)： [img]http://files.jb51.net/file_images/article/201711/2017110816252313.png[/img] figure(2)： [img]http://files.jb51.net/file_images/article/201711/2017110816252314.png[/img] 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编程素材网。

全部评论(0)

上一篇：macOS安装Solr并索引MySQL
下一篇：在IIS服务器上以CGI方式运行Python脚本的教程

资讯排行榜
更多>>