Python matplotlib繪制散點圖的實例代碼
前言
前面說到的主要是matplotlib對於圖像的基礎操作,然後從這篇開始,主要說一下點圖,分析點圖在實際問題的數據處理中應用非常廣泛,比如說邏輯回歸是利用現有的數據點通過擬合得到一定的函數關系,甚至生活中,物體運動的軌跡,也可以看做是連續的點繪制而成,還有圖像,也是很多個像素點堆砌而成的,在圖像處理中經常會針對單個像素點進行處理。
現在的深度學習或者機器學習,模型都是固定的,大多 不需要怎麼改動,而能提升訓練效果的,最重要的就是能更好的處理數據,而很多數據本身就是點集,利用matplotlib將點繪制成可視化的圖像,也方便人工智能工程師的分析理解,畢竟可視化的效果,總比看著枯燥的數據想象要來的更好。
在python中畫散點圖主要是用matplotlib模塊中的scatter函數,先來看一下scatter函數的基本信息。
可以看到scatter中有很多參數,經常使用的參數主要有以下幾個:
散點圖
以下是一個散點圖的簡單演示,利用numpy的random函數生成隨機數,然後將這些點畫出來。如圖安裝圖中API設置窗口的參數,這裡簡單說一下cmap=’jet_r’這個,jet_r是一個顏色映射算法,就是系統會根據圖像中的信息自動配置顏色,這裡也可以自己設置顏色,也可以用其他的顏色映射表示。
繪制散點圖相關API:
mp.scatter( xarray, yarray, # 給出點的坐標 marker='', # 點型 s = 60, # 點的大小 edgecolor='', # 邊緣色 facecolor='', # 填充色 zorder=3, # 繪制圖層編號 c=d, # 設置過渡性顏色 cmap='jet' # 顏色映射 )
隨機生成符合 正態分佈 的隨機數:
n = 500 # 隨機生成n個數 # 172: 數學期望 # 20: 標準差 x = np.random.normal(172, 20, n)
import numpy as np import matplotlib.pyplot as mp n = 500 # 隨機生成500個樣本身高 x = np.random.normal(172, 10, n) # 隨機生成500個樣本體重 y = np.random.normal(65, 10, n) mp.figure('Persons', facecolor='lightgray') mp.title('Person Points', fontsize=16) mp.xlabel('Height', fontsize=12) mp.ylabel('Weight', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=':') d = (x-172)**2 + (y-65)**2 mp.scatter(x, y, c=d, cmap='jet_r', alpha=0.6, label='Person', s=50) mp.legend() mp.show()
總結
到此這篇關於Python matplotlib繪制散點圖的文章就介紹到這瞭,更多相關Python matplotlib繪制散點圖內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Python Matplotlib繪圖基礎詳細教程
- Python繪圖之詳解matplotlib
- python數據可視化之matplotlib.pyplot基礎以及折線圖
- Python Matplotlib數據可視化模塊使用詳解
- python matplotlib各種畫圖