Matplotlib 系列文章:

专栏:

NumPy 专栏】【Pandas 专栏】【Matplotlib 专栏

推荐学习资料与网站:

NumPy 中文网】【Pandas 中文网】【Matplotlib 中文网】【NumPy、Matplotlib、Pandas 速查表


1
2
3
4
5
这里是一段防爬虫文本,请读者忽略。
本文原创首发于 CSDN,作者 TRHX。
博客首页:https://itrhx.blog.csdn.net/
本文链接:https://itrhx.blog.csdn.net/article/details/105914929
未经授权,禁止转载!恶意转载,后果自负!尊重原创,远离剽窃!

【1x00】方法描述

matplotlib.pyplot.scatter() 方法可用于绘制散点图。

本文用到的其他图像属性可参考前面的两篇文章:

《Python 数据分析三剑客之 Matplotlib(二):文本描述 / 中文支持 / 画布 / 网格等基本图像属性》
《Python 数据分析三剑客之 Matplotlib(三):图例 / LaTeX / 刻度 / 子图等基本图像属性》

基本语法:matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, alpha=None, linewidths=None, edgecolors=None, \*\*kwargs)

参数 描述
x,y 数据位置,标量或类似数组的形式
s 标记的大小,以磅为单位,默认 rcParams['lines.markersize'] ** 2,即 6**2=36
color / c 标记的颜色,可以是单个颜色或者一个颜色列表
支持英文颜色名称及其简写、十六进制颜色码等,更多颜色示例参见官网 Color Demo
marker 标记的样式,默认为 rcParams["scatter.marker"] = 'o',更多样式参见表一
cmap 将浮点数映射成颜色的颜色映射表,即一个 Colormap 实例或注册的颜色表名,仅当 c 是浮点数数组时才使用 cmap
alpha 标记的透明度,float 类型,取值范围:[0, 1],默认为 1.0,即不透明
linewidths 标记边缘的线宽,默认为 rcParams["lines.linewidth"] = 1.5
edgecolors 标记边缘的颜色,可以是单个颜色或者一个颜色列表
支持英文颜色名称及其简写、十六进制颜色码等,更多颜色示例参见官网 Color Demo
表一:marker 标记的样式
标记 描述
"."
"," 像素点
"o" 圆圈
"v" 倒三角
"^" 正三角
"<" 左三角
">" 右三角
"1" 倒三叉星
"2" 正三叉星(类似奔驰车标形状)
"3" 左三叉星
"4" 右三叉星
"8" 八边形
"s" 正方形
"p" 五边形
"P" 填充的加号(粗加号)
"+" 加号
"*" 星形
"h" 六边形(底部是角)
"H" 六边形(底部是边)
"x" x 号
"X" 填充的 x 号(粗 x 号)
"D" 粗菱形(对角线相等)
"d" 细菱形(对角线不等)
`” “` 垂直线
"_" 水平线
0 水平线靠左
1 水平线靠右
2 垂直线靠上
3 垂直线靠下
4 左三角(比 "<" 更细)
5 右三角(比 ">" 更细)
6 正三角(比 "^" 更细)
7 倒三角(比 "v" 更细)
8 左三角(比 "<" 更细,靠左显示)
9 右三角(比 ">" 更细,靠右显示)
10 正三角(比 "^" 更细,靠上显示)
11 倒三角(比 "v" 更细,靠下显示)
"None" / " " / "" 无样式
'$...$' 支持 LaTeX 数学公式,表达式用美元符号包围起来

【2x00】简单示例

1
2
3
4
5
6
7
8
import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 10, 1)
y = np.array([3, 8, 1, 5, 7, 2, 3, 4, 5, 7])
plt.scatter(x, y)

plt.show()

01

【3x00】多条数据

绘制多条数据,设置不同数据,然后多次调用 plt.scatter() 函数即可,不同数据的线条颜色会不同,系统随机,可单独指定不同颜色。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

x = np.arange(-2*np.pi, 2*np.pi, 1)
y1 = np.sin(3*x)/x
y2 = np.sin(2*x)/x
y3 = np.sin(1*x)/x
plt.title('多数据散点图示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')

plt.scatter(x, y1)
plt.scatter(x, y2)
plt.scatter(x, y3)

plt.show()

02

【4x00】设置颜色 / 样式 / 图例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

x = np.arange(-2*np.pi, 2*np.pi, 1)
y1 = np.sin(3*x)/x
y2 = np.sin(2*x)/x
y3 = np.sin(1*x)/x
plt.title('散点图自定义样式示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')

plt.scatter(x, y1, color='g', s=30, label='(x, y1)') # 默认绿色样式
plt.scatter(x, y2, color='r', s=40, marker='d', label='(x, y2)') # 红色菱形
plt.scatter(x, y3, color='b', s=50, marker='2', label='(x, y3)') # 蓝色正三叉星

plt.legend(framealpha=0) # 显示图例,设置为全透明

plt.show()

03

【5x00】指定位置显示文本注释

matplotlib.pyplot.annotate() 方法可以在指定位置显示文本注释,参数解释常见前文:
《Python 数据分析三剑客之 Matplotlib(二):文本描述 / 中文支持 / 画布 / 网格等基本图像属性》

应用举例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

x = [0.13, 0.22, 0.39, 0.59, 0.68, 0.74, 0.93]
y = [0.75, 0.34, 0.44, 0.52, 0.80, 0.25, 0.55]

plt.title('散点图添加文本注释示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')
plt.xlim([0, 1]) # 设置 x 轴刻度的范围
plt.ylim([0, 1]) # 设置 y 轴刻度的范围

plt.scatter(x, y, marker='o', s=50)
for m, n in zip(x, y):
plt.annotate('(%s,%s)' % (m, n),
xy=(m, n),
xytext=(0, -10),
textcoords='offset points',
ha='center', # 点在注释文本的中心
va='top') # 点在注释文本的上方

plt.show()

04

1
2
3
4
5
这里是一段防爬虫文本,请读者忽略。
本文原创首发于 CSDN,作者 TRHX。
博客首页:https://itrhx.blog.csdn.net/
本文链接:https://itrhx.blog.csdn.net/article/details/105914929
未经授权,禁止转载!恶意转载,后果自负!尊重原创,远离剽窃!

【6x00】随机数据散点图

随机数据可以用 numpy 的 random 模块来实现。

numpy.random.rand(d0, d1, …, dn):根据给定维度生成 [0,1) 之间的数据。

numpy.random.randn(d0, d1, …, dn) :返回一个或一组具有标准正态分布的样本。

numpy.random.randint(low, high, size):返回随机整数,范围区间为 [low,high),size 为数组维度大小

应用举例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

N = 1000
x = np.random.randn(N)
y = np.random.randn(N)

plt.title('散点图随机数据示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')
plt.scatter(x, y, alpha=0.5)

plt.show()

05

【7x00】随机颜色与色条

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

N = 1000
x = np.random.randn(N)
y = np.random.randn(N)

color = np.random.rand(N)
size = np.random.rand(N) * 1000

plt.figure(figsize=(8.4, 5.8)) # 设置画布大小 840x580
plt.title('散点图随机大小颜色示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')
plt.scatter(x, y, c=color, s=size, alpha=0.5)

plt.show()

06

可以用 pyplot.colorbar() 方法绘制颜色对照条。

基本语法:matplotlib.pyplot.colorbar([mappable=None, cax=None, ax=None, **kw])

部分参数解释如下表,其他参数,如长度,宽度等请参考官方文档

参数 描述
mappable 要设置色条的图像对象,该参数对于 Figure.colorbar 方法是必需的,但对于 pyplot.colorbar 函数是可选的
cax 可选项,要绘制色条的轴
ax 可选项,设置色条的显示位置,通常在一个画布上有多个子图时使用
**kw 可选项,其他关键字参数,参考官方文档
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

N = 1000
x = np.random.randn(N)
y = np.random.randn(N)

color = np.random.rand(N)
size = np.random.rand(N) * 1000

plt.figure(figsize=(8.4, 5.8))
plt.title('散点图颜色对照条示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')
plt.scatter(x, y, c=color, s=size, alpha=0.5)
plt.colorbar()

plt.show()

07

【8x00】不同图像之间的层级调整

zorder 参数用于设置不同图像之间的层级关系,数字越大,所处的层级越大,即显示越靠上。

未设置 zorder 参数前:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

x1 = np.arange(-2*np.pi, 2*np.pi, 0.01)
y1 = np.sin(3*x1)/x1
x2 = np.arange(-2*np.pi, 2*np.pi, 1)
y2 = np.sin(3*x2)/x2

plt.title('不同图像之间层级调整示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')

plt.plot(x1, y1, c='b', linewidth=3.5, label='线性图')
plt.scatter(x2, y2, c='r', s=40, label='散点图')
plt.legend()

plt.show()

08

设置 zorder 参数后:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

x1 = np.arange(-2*np.pi, 2*np.pi, 0.01)
y1 = np.sin(3*x1)/x1
x2 = np.arange(-2*np.pi, 2*np.pi, 1)
y2 = np.sin(3*x2)/x2

plt.title('不同图像之间层级调整示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')

plt.plot(x1, y1, zorder=1, c='b', linewidth=3.5, label='线性图')
plt.scatter(x2, y2, zorder=2, c='r', s=40, label='散点图')
plt.legend()

plt.show()

09

【9x00】框选部分数据

有时候我们希望能够框选一部分数据来强调其重要性,matplotlib.patches.Polygon() 方法的作用是生成不规则的多边形补丁,matplotlib.patches 还有另外的方法可以生成矩形、圆形等其他图形,具体参见前面的文章《Python 数据分析三剑客之 Matplotlib(三):图例 / LaTeX / 刻度 / 子图 / 补丁等基本图像属性》,生成补丁之后,通过 axes.add_patch() 方法将其添加到绘图区(axes)即可。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathes

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

plt.figure(figsize=(8.4, 5.8))

x1 = np.arange(0, 1000, 10)
y1 = np.random.randint(0, 1000, 100)
x2 = np.arange(0, 500, 10)
y2 = np.random.randint(200, 800, 50)
x3 = np.random.randint(50, 800, 80)
y3 = np.random.randint(50, 800, 80)
x4 = np.array([0, 100, 300, 400, 350, 500, 450, 367, 420, 490])
y4 = np.array([267, 800, 453, 500, 600, 420, 380, 503, 390, 600])

plt.title('散点图数据框选示例', fontsize=15)
plt.xlabel('x 轴', fontsize=15)
plt.ylabel('y 轴', fontsize=15)
plt.scatter(x1, y1, c='r', s=50, alpha=0.7, label='RED')
plt.scatter(x2, y2, c='b', s=100, alpha=0.7, label='BLUE')
plt.scatter(x3, y3, c='g', s=150, alpha=0.7, label='GREEN')
plt.scatter(x4, y4, c='y', s=250, alpha=0.7, label='YELLOW')
plt.legend(loc='upper right', borderpad=1, edgecolor='k', framealpha=1, labelspacing=1)

Polygon_point = [[100, 800], [0, 267], [500, 420], [490, 600]] # 多边形补丁的顶点坐标
polygon = mpathes.Polygon(Polygon_point, color='#FF69B4', alpha=0.3) # 绘制补丁,框选部分数据
ax = plt.gca() # 获取当前绘图区(gca = Get Current Axes)
ax.add_patch(polygon) # 将补丁添加到当前绘图区

plt.show()

10

1
2
3
4
5
这里是一段防爬虫文本,请读者忽略。
本文原创首发于 CSDN,作者 TRHX。
博客首页:https://itrhx.blog.csdn.net/
本文链接:https://itrhx.blog.csdn.net/article/details/105914929
未经授权,禁止转载!恶意转载,后果自负!尊重原创,远离剽窃!


您的喜欢是作者写作最大的动力!❤️
  • PayPal
  • AliPay
  • WeChatPay
  • QQPay
Donate

 评论


Copyright 2018-2021 TRHX'S BLOG ICP 鄂ICP备19003281号-4 MOE ICP 萌ICP备20202022号 正在载入... 百度统计

UV
PV
WordCount299.2k