发布时间:2024-01-28 10:00
Matplotlib
绘制散点图主要使用matplotlib.pyplot
类中的scatter
函数,其详细的用法参考官方文档,这里附上链接:Matplotlib官方文档。接下来将介绍如何利用scatter
函数绘制散点图。首先来一个示例:
# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt
# 初始化测试数据
a=range(10)
b=range(10)
# 使用scatter函数绘制散点图
plt.scatter(a,b)
# 保存图片
plt.savefig(\"./demo-1.svg\",dpi=400,bbox_inches=\'tight\') # dpi表示分辨率
# 展示图片(在jupyter中可以不使用plt.show())
plt.show()
运行结果:
基本的散点图已经绘制成功了,但是不够美观,也不够丰满,因此我们需要做一些“微调”:
# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt
# 初始化测试数据
a = range(10)
b = range(10)
# 使用scatter函数绘制散点图
plt.scatter(a, b, s=100.0, marker=\".\", color=\"b\") # 这里的s必须为浮点数
# 添加标题
plt.title(\"My first scatter demo\", fontsize=19, weight=\"bold\")
# 修改一下x轴和y轴的坐标
## lables表示为坐标轴上的数字填上标签,rotatio表示旋转
plt.xticks(a, labels=[\"No.%s\" % i for i in a], rotation=45)
plt.yticks(b)
# 设置坐标轴标签
plt.xlabel(\"This is x axis\", fontsize=20, weight=\"bold\")
plt.ylabel(\"This is y axis\")
# 添加网格
plt.grid(True)
# 保存图片
## dpi表示分辨率,bbox_inches=\"tight\"可以删掉空白边框
plt.savefig(\"./demo-2.svg\", dpi=400, bbox_inches=\"tight\")
# 展示图片
plt.show()
运行结果:
可以看到,相比于Figure 1,Figure 2多了很多样式,但碍于笔者审美障碍以及案例展示需要,绝对称不上美观。这里使用的一些设置,如xlabel
,plt.title
,plt.xticks
等,其用法非常丰富,代码中做了一定的注释,在这里不再赘述,读者可以尝试进行参数的修改,观察图形的变化,以获得启示。但是这里笔者更加推荐读者查阅Matplotlib官方文档。相信我,再结合官方提供的案例,这份文档绝对不辱使命。另外,细心的读者会发现,这里我们均使用的是英文设置标题等,这是因为直接使用中文无法显示,关于这个问题的解决措施我们日后再谈。
Matplotlib
绘制折现图主要使用matplotlib.pyplot
类中的plot
函数,还是那句话:其详细的用法参考官方文档,这里再附上链接:Matplotlib官方文档。接下来将介绍如何利用plot
函数绘制折现图。首先来一个示例:
# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt
# 初始化测试数据
a=range(10)
b=range(10)
# 使用plot函数绘制折线图
plt.plot(a,b)
# 保存图片
## dpi表示分辨率,bbox_inches=\"tight\"可以删掉空白边框
plt.savefig(\"./demo-3.svg\",dpi=400,bbox_inches=\'tight\')
# 展示图片(在jupyter中可以不使用plt.show())
plt.show()
运行结果:
我们可以惊喜的发现,只需要将scatter
改为plot
即能实现我们的目标。接下来再添加一些样式:
# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt
# 初始化测试数据
a = range(10)
b = range(10)
# 使用plot函数绘制折线图
plt.plot(a, b, marker=\"*\", color=\"b\", markersize=15)
# 添加标题
plt.title(\"My second scatter demo\", fontsize=19, weight=\"bold\")
# 修改一下x轴和y轴的坐标
## lables表示为坐标轴上的数字填上标签,rotatio表示旋转
plt.xticks(a, labels=[\"No.%s\" % i for i in a], rotation=45)
plt.yticks(b)
# 设置坐标轴标签
plt.xlabel(\"This is x axis\", fontsize=20, weight=\"bold\")
plt.ylabel(\"This is y axis\")
# 添加网格
plt.grid(True)
# 保存图片
## dpi表示分辨率,bbox_inches=\"tight\"可以删掉空白边框
plt.savefig(\"./demo-4.svg\", dpi=400, bbox_inches=\"tight\")
# 展示图片
plt.show()
运行结果:
在这里我们要注意代码第10行中的:marker
,这个参数顾名思义指的是标记,如果我们设置标记的符号为*
,那么在每个点上就会有这么一个标记,读者可以尝试设置其它的符号,如:o
,^
,等看看效果如何。这里我们列出一些可能用到的标记符号,见Table 1
字符 | 类型 | 字符 | 类型 |
---|---|---|---|
‘-’ | 实线 | ‘–’ | 虚线 |
‘-.’ | 虚点线 | ‘:’ | 点线 |
‘.’ | 点 | ‘,’ | 像素点 |
‘o’ | 圆点 | ‘v’ | 下三角点 |
‘^’ | 上三角点 | ‘<’ | 左三角点 |
‘>’ | 右三角点 | ‘1’ | 下三叉点 |
‘2’ | 上三叉点 | ‘3’ | 左三叉点 |
‘4’ | 右三叉点 | ‘s’ | 正方点 |
‘p’ | 五角点 | ‘*’ | 星形点 |
‘h’ | 六边形点1 | ‘H’ | 六边形点2 |
‘+’ | 加号点 | ‘x’ | 乘号点 |
‘D’ | 实心菱形点 | ‘d’ | 瘦菱形点 |
‘_’ | 横线点 |
另外的markersize
顾名思义指的就是标记的尺寸,读者在学习的时候也要有一定的想象力,可以先猜测再验证,这个过程也是非常有趣的!
此外,plot
函数其实也能绘制散点图,这里给个示例:
# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt
# 初始化测试数据
a = range(10)
b = range(10)
# 使用plot函数绘制散点图
plt.plot(a, b, \"H\") #只需添加点型,即可绘制
# 保存图片
## dpi表示分辨率,bbox_inches=\"tight\"可以删掉空白边框
plt.savefig(\"./demo-5.svg\", dpi=400, bbox_inches=\"tight\")
# 展示图片(在jupyter中可以不使用plt.show())
plt.show()
运行结果:
可以看到,只需在第10行设置一个点型即可,但此时无法设置markersize
属性,因为发生了冲突,读者可以自行尝试。另外,读者也可以尝试将第10行的\"H\"
改为\"rH\"
看一下点的颜色如何变化,答案是会变成红色,这是因为r
是red
的缩写,关于Matplotlib
中颜色的设置,这里不再赘述,请读者们参考一下官方文档,笔者推荐大家使用颜色缩写和十六进制法表示颜色。
这一节主要以示例为主,会告诉大家核心语句,请读者自行查阅官方文档。
核心语句:
# coding=utf-8
import matplotlib.pyplot as plt
import numpy as np
# 10个点
N = 10
x = np.random.rand(N)
y = np.random.rand(N)
# 每个点随机大小
s = (30 * np.random.rand(N)) ** 2
# 随机颜色
c = np.random.rand(N)
plt.scatter(x, y, s=s, c=c, alpha=0.4)
plt.show()
核心代码:
import matplotlib.pyplot as plt
import numpy as np
# 10个点
N = 10
x1 = np.random.rand(N)
y1 = np.random.rand(N)
x2 = np.random.rand(N)
y2 = np.random.rand(N)
plt.scatter(x1, y1, marker=\"o\")
plt.scatter(x2, y2, marker=\"^\")
plt.savefig(\"test-2.svg\", dpi=400, bbox_inches=\"tight\")
plt.show()
核心代码:
import matplotlib.pyplot as plt
import numpy as np
# 10个点
N = 10
x1 = np.random.rand(N)
y1 = np.random.rand(N)
x2 = np.random.rand(N)
y2 = np.random.rand(N)
plt.scatter(x1, y1, marker=\"o\", label=\"circle\")
plt.scatter(x2, y2, marker=\"^\", label=\"triangle\")
plt.legend(loc=\"best\") # loc参数可以设置,best表示放在最合适的位置
plt.savefig(\"test-1.svg\", dpi=400, bbox_inches=\"tight\")
plt.show()