这篇教程Python写得很实用，希望能帮到您。
散点图散点图是指在 回归分析中，数据点在直角坐标系平面上的 分布图，散点图表示因变量随 自变量而 变化的大致趋势，据此可以选择合适的函数 对数据点进行 拟合。 用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点。值由点在 图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。 下面给出一个散点图的具体代码案例 import matplotlib.pyplot as pltimport pandas as pdimport numpy as npplt.figure(figsize=(9,5), # (宽度 , 高度) 单位inchdpi=120, # 清晰度 dot-per-inch# facecolor='#CCCCCC', # 画布底色# edgecolor='black',linewidth=0.2,frameon=True, # 画布边框#frameon=False # 不要画布边框)# 设置全局中文字体plt.rcParams['font.sans-serif'] = 'KaiTi' # 设置全局字体为中文 楷体plt.rcParams['axes.unicode_minus'] = False # 不使用中文减号#读取数据crime=pd.read_csv("crimeRatesByState2005.csv")print (list(crime.murder))#转化成列表#删除state为United States的数据crime2 = crime[crime.state != "United States"]#删除state为District of Columbia的数据crime2 = crime2[crime2.state != "District of Columbia" ]z = list(crime2.population/10000)#取人口数据#colors = np.random.rand(len(list(crime2.murder)))#根据谋杀率随机去颜色cm = plt.cm.get_cmap('RdYlBu')#使用色谱RdYlBuplt.scatter(list(crime2.murder), list(crime2.burglary), s=z,c=z,cmap = cm, linewidth = 0.5, alpha = 0.5)#绘制散点图plt.xlabel("murder")plt.ylabel("burglary")plt.show()
散点图一行代码显示# 读取数据df = pd.read_csv('iris.csv')# 平面坐标系的位置只能表示2维数据x = df['sepal_length']y = df['sepal_width']# 根据X，Y值画散点图plt.scatter(x,y)
加颜色的散点图# 读取数据df = pd.read_csv('iris.csv')# 平面坐标系的位置只能表示2维数据x = df['sepal_length']y = df['sepal_width']c = df['species'].map({'setosa':'r','versicolor':'g','virginica':'b'})# 根据X，Y值画散点图, 用不同的颜色标识不同的分类plt.scatter(x,y, c=c)
颜色深浅表示数值大小# 读取数据df = pd.read_csv('iris.csv')# 平面坐标系的位置只能表示2维数据x = df['sepal_length']y = df['sepal_width']c = df['petal_length']# 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度plt.scatter(x,y, c=c, cmap=plt.cm.RdYlBu)
散点图显示颜色和大小# 读取数据df = pd.read_csv('iris.csv')# 平面坐标系的位置只能表示2维数据x = df['sepal_length'] # x 轴坐标y = df['sepal_width'] # y 轴坐标c = df['petal_length'] # 颜色colors = df['petal_width'] # 大小size# 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度，用大小表示花萼的宽度plt.figure(figsize=(5,5),dpi=100)#plt.scatter(x,y, c=c, s=50) # 可以是标量，那么所有的点都一样plt.scatter(x,y, c=c, s=s*30)
自定义图表散点图# 读取数据df = pd.read_csv('iris.csv')def get_xycs(df):# 平面坐标系的位置只能表示2维数据x = df['sepal_length'] # x 轴坐标y = df['sepal_width'] # y 轴坐标c = df['petal_length'] # 颜色colors = df['petal_width'] # 大小sizereturn x,y,c,smarkers = {'setosa':'o', 'versicolor':'D', 'virginica':'*'}# 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度，用大小表示花萼的宽度, 每组数据只能是一种点样式plt.figure(figsize=(5,5),dpi=100)#plt.scatter(x,y, c=c, s=50) # 可以是标量，那么所有的点都一样for sp in df['species'].unique():x,y,c,s = get_xycs(df[df['species']==sp])plt.scatter(x,y, c=c, s=s*30, cmap=plt.cm.seismic, marker=markers[sp],label=sp)plt.legend()
散点图万能模板# 读取数据df = pd.read_csv('iris.csv')def get_xycs(df):# 平面坐标系的位置只能表示2维数据x = df['sepal_length'] # x 轴坐标y = df['sepal_width'] # y 轴坐标c = df['petal_length'] # 颜色colors = df['petal_width'] # 大小sizereturn x,y,c,smarkers = {'setosa':'o', 'versicolor':'D', 'virginica':'*'}# 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度，用大小表示花萼的宽度, 每组数据只能是一种点样式plt.figure(figsize=(5,5),dpi=100)#plt.scatter(x,y, c=c, s=50) # 可以是标量，那么所有的点都一样for sp in df['species'].unique():x,y,c,s = get_xycs(df[df['species']==sp])plt.scatter(x,y, s=s*30, cmap=plt.cm.seismic, marker=markers[sp],label=sp)plt.legend()
其他模板### 在二维坐标系上，位置表示(x,y)二维数据x = df.sepal_length # x 表示花瓣长y = df.sepal_width # y 表示花瓣宽s = (df.petal_length * df.petal_width)*np.pi # s(size) 表示花萼面积c = (df.petal_length * df.petal_width)*np.piplt.scatter(x,y,s=s*5, c=c,cmap=plt.cm.RdYlBu_r)plt.xlabel('sepal_length')plt.ylabel('sepal_width')
# 在二维坐标系上，位置表示(x,y)二维数据x = df.sepal_length # x 表示花瓣长y = df.sepal_width # y 表示花瓣宽s = (df.petal_length * df.petal_width)*np.pi # s(size) 表示花萼面积#print(df.species)#colormap = {"setosa":"#FF0000", "versicolor":"green", "virginica":"b"} # 定义一个字典将species字符串映射到颜色字符串上colormap = {"setosa":1, "versicolor":5, "virginica":6} # 定义一个字典将species字符串映射到颜色字符串上c = df.species.map(colormap)#print(c)plt.scatter(x,y,s=s*5, c=c,cmap=plt.cm.coolwarm, alpha=0.7, edgecolors='face')plt.xlabel('sepal_length')plt.ylabel('sepal_width')
plt.scatter(df['burglary'], df['larceny_theft'],s=df['population']*2e-5,c=df['motor_vehicle_theft'], cmap=plt.cm.coolwarm,edgecolors='b',alpha=0.75)for idx,statename in df['state'].items():plt.text(x=df['burglary'][idx],y=df['larceny_theft'][idx]-df['population'][idx]*2e-5*0.5,s=statename,fontsize=6,ha='center',va='top') 
df.plot.scatter(x='burglary',y='larceny_theft',c='motor_vehicle_theft',cmap=plt.cm.coolwarm,s=df['population']*2e-5)for i in df.index:if i in top5_motor_theft_index: # 偷车贼最多的5个州plt.text(df.loc[i,'burglary']+10, df.loc[i,'larceny_theft']-10, df.loc[i,'state'], color='red') # 一个文本框 
到此这篇关于Python matplotlib绘制散点图配置(万能模板案例)的文章就介绍到这了,更多相关python matplotlib绘制散点图 内容请搜索wanshiok.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持wanshiok.com！
Python Opencv使用ann神经网络识别手写数字功能
Python |
