Matplotlib绘制炫酷散点图:从二维到三维,再到散点图矩阵的完整指南与实战【第58篇—python:Matplotlib绘制炫酷散点图】

news2024/11/14 13:42:53

文章目录

  • Matplotlib绘制炫酷散点图:二维、三维和散点图矩阵的参数说明与实战
    • 引言
    • 二维散点图
    • 三维散点图
    • 散点图矩阵
    • 二维散点图进阶:辅助线、注释和子图
    • 三维散点图进阶:动画效果和交互性
    • 散点图矩阵进阶:调整样式和添加密度图
    • 总结与展望
    • 附录:Matplotlib常用散点图参数说明
      • 二维散点图参数说明
      • 三维散点图参数说明
      • 散点图矩阵参数说明
      • 通用参数说明

Matplotlib绘制炫酷散点图:二维、三维和散点图矩阵的参数说明与实战

引言

Matplotlib是Python中常用的数据可视化库之一,广泛应用于科学计算、数据分析和机器学习等领域。在本文中,我们将探讨Matplotlib如何绘制炫酷的散点图,包括二维散点图、三维散点图以及散点图矩阵。我们将深入了解每种散点图的参数说明,并通过实战代码演示它们的应用。

二维散点图

Matplotlib中的scatter函数可用于绘制二维散点图。以下是一些常用参数说明:

  • xy:指定散点图的x和y坐标。
  • s:指定散点的大小。
  • c:指定散点的颜色。
  • marker:指定散点的标记样式。
import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)
sizes = 1000 * np.random.rand(50)

# 绘制二维散点图
plt.scatter(x, y, s=sizes, c=colors, marker='o', alpha=0.7, cmap='viridis')
plt.title('二维散点图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.colorbar(label='颜色深浅')
plt.show()

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

三维散点图

如果想要绘制三维散点图,可以使用mplot3d模块。以下是一些关键参数:

  • xsyszs:指定散点的x、y和z坐标。
  • c:指定散点的颜色。
  • marker:指定散点的标记样式。
from mpl_toolkits import mplot3d

# 生成随机数据
np.random.seed(42)
xs = np.random.rand(50)
ys = np.random.rand(50)
zs = np.random.rand(50)
colors = np.random.rand(50)
sizes = 100 * np.random.rand(50)

# 绘制三维散点图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(xs, ys, zs, s=sizes, c=colors, marker='o', alpha=0.7, cmap='viridis')
ax.set_title('三维散点图')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('Z轴')
plt.show()

image-20240204134507304

散点图矩阵

散点图矩阵是一种同时显示多个变量之间关系的图表,可通过scatter_matrix函数实现。以下是一些关键参数:

  • diagonal:指定对角线上绘制的图表类型。
  • marker:指定散点的标记样式。
  • c:指定散点的颜色。
from pandas.plotting import scatter_matrix
import pandas as pd

# 生成随机数据
np.random.seed(42)
data = pd.DataFrame(np.random.rand(100, 4), columns=['A', 'B', 'C', 'D'])

# 绘制散点图矩阵
scatter_matrix(data, alpha=0.8, figsize=(10, 10), marker='o', diagonal='kde', c='r')
plt.suptitle('散点图矩阵')
plt.show()

二维散点图进阶:辅助线、注释和子图

在绘制二维散点图时,我们可以进一步优化图表,增加辅助线、注释和子图,以提高可读性和信息传达。

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)
sizes = 1000 * np.random.rand(50)

# 绘制二维散点图
fig, ax = plt.subplots()
sc = ax.scatter(x, y, s=sizes, c=colors, marker='o', alpha=0.7, cmap='viridis')

# 添加辅助线和注释
ax.axhline(0.5, color='gray', linestyle='--', linewidth=1)
ax.axvline(0.5, color='gray', linestyle='--', linewidth=1)
ax.annotate('中心点', xy=(0.5, 0.5), xytext=(0.6, 0.7),
            arrowprops=dict(facecolor='black', shrink=0.05))

# 设置标题和坐标轴标签
ax.set_title('二维散点图(进阶)')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')

# 添加颜色条
cbar = plt.colorbar(sc, label='颜色深浅')

plt.show()

image-20240204134618271

三维散点图进阶:动画效果和交互性

对于三维散点图,我们可以通过添加动画效果和交互性来增强用户体验。

from mpl_toolkits import mplot3d
from matplotlib.animation import FuncAnimation

# 生成随机数据
np.random.seed(42)
xs = np.random.rand(50)
ys = np.random.rand(50)
zs = np.random.rand(50)
colors = np.random.rand(50)
sizes = 100 * np.random.rand(50)

# 绘制动态的三维散点图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

def update(frame):
    ax.cla()
    ax.scatter(xs, ys, zs, s=sizes, c=colors, marker='o', alpha=0.7, cmap='viridis')
    ax.set_title(f'三维散点图 - 帧 {frame}')
    ax.set_xlabel('X轴')
    ax.set_ylabel('Y轴')
    ax.set_zlabel('Z轴')

ani = FuncAnimation(fig, update, frames=range(50), interval=200)
plt.show()

散点图矩阵进阶:调整样式和添加密度图

在散点图矩阵中,我们可以调整样式,并添加密度图以更全面地呈现变量之间的关系。

from pandas.plotting import scatter_matrix
import pandas as pd

# 生成随机数据
np.random.seed(42)
data = pd.DataFrame(np.random.rand(100, 4), columns=['A', 'B', 'C', 'D'])

# 绘制散点图矩阵(进阶)
scatter_matrix(data, alpha=0.8, figsize=(10, 10), marker='o', diagonal='kde', c='r', grid=True)
plt.suptitle('散点图矩阵(进阶)')
plt.show()

通过以上实例,我们了解了如何进一步优化二维散点图、三维散点图和散点图矩阵,使其更具信息密度和视觉吸引力。这些技巧在实际应用中能够提高图表的可解释性和交互性。希望这篇文章对你在使用Matplotlib进行数据可视化时有所帮助。

总结与展望

在本文中,我们深入探讨了Matplotlib库中绘制不同种类炫酷散点图的参数说明与实战应用。从基础的二维散点图到三维散点图,再到散点图矩阵,我们逐步学习了如何利用Matplotlib强大的功能创建多样化的散点图。

在二维散点图中,我们学习了如何设置散点的大小、颜色、标记样式,以及如何添加辅助线和注释。这些技巧可以提高图表的可读性和信息传达效果。

在三维散点图中,我们引入了mplot3d模块,学习了如何绘制动态的三维散点图。动画效果和交互性的加入能够使数据更生动,更直观地展示变化趋势。

最后,我们探讨了散点图矩阵的应用,通过调整样式和添加密度图,使图表更具吸引力和信息密度。

未来,Matplotlib仍然是数据可视化领域的热门工具之一。随着Python生态系统的发展,我们可以期待更多关于数据可视化的新工具和技术的涌现。无论是在科学研究、数据分析还是机器学习领域,熟练使用数据可视化工具将成为数据科学家和工程师的重要技能之一。

希望本文的内容对你在使用Matplotlib进行数据可视化时提供了帮助,并激发了你进一步深入学习和实践的兴趣。祝愿你在数据可视化的旅程中取得更多的成就!

附录:Matplotlib常用散点图参数说明

在本附录中,我们将总结Matplotlib中常用于绘制散点图的重要参数说明,以供读者参考。

二维散点图参数说明

  • xy:指定散点图的x和y坐标。
  • s:指定散点的大小。
  • c:指定散点的颜色。
  • marker:指定散点的标记样式。
  • alpha:指定散点的透明度。
  • cmap:指定颜色映射。

三维散点图参数说明

  • xsyszs:指定散点的x、y和z坐标。
  • s:指定散点的大小。
  • c:指定散点的颜色。
  • marker:指定散点的标记样式。
  • alpha:指定散点的透明度。
  • cmap:指定颜色映射。

散点图矩阵参数说明

  • alpha:指定散点的透明度。
  • marker:指定散点的标记样式。
  • diagonal:指定对角线上绘制的图表类型。
  • c:指定散点的颜色。
  • grid:是否显示网格。

通用参数说明

  • title:图表的标题。
  • xlabelylabel:x和y轴的标签。
  • colorbar:添加颜色条。

以上参数说明仅为常用参数,Matplotlib提供了更多可供调整的参数,读者可根据具体需求查阅官方文档。

希望这份附录能够帮助读者更好地理解Matplotlib中散点图绘制函数的使用方法,进一步发挥数据可视化的强大功能。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1431588.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

创建自己的Hexo博客

目录 一、Github新建仓库二、支持环境安装Git安装Node.js安装Hexo安装 三、博客本地运行本地hexo文件初始化本地启动Hexo服务 四、博客与Github绑定建立SSH密钥,并将公钥配置到github配置Hexo与Github的联系检查github链接访问hexo生成的博客 一、Github新建仓库 登…

Redis核心技术与实战【学习笔记】 - 21.Redis实现分布式锁

概述 在《20.Redis原子操作》我们提到了应对并发问题时,除了原子操作,还可以通过加锁的方式,来控制并发写操作对共享数据的修改,从而保证数据的正确性。 但是,Redis 属于分布式系统,当有多个客户端需要争…

vue3 之 组合式API—watch函数

watch函数 作用:侦听一个或者多个数据的变化,数据变化时执行回调函数 两个额外参数: 1.immediate(立即执行)2.deep(深度侦听) 场景:比如选择不同的内容请求后端不同数据时 如下图 …

[C++]:15.继承

继承 一.继承:1.继承的概念和基本操作:1.概念:2.基本操作: 2.继承格式和多种继承方法:1.基本继承格式:2.继承关系访问限定符 3.子类对象和父类对象之间的赋值:1.为什么存在赋值兼容转换&#xf…

基于Spring Boot的校友录管理系统

基于Spring Boot的校友录管理系统 1、绪论1.1 研究背景及意义1.2 研究内容 2、系统设计2.1 系统架构设计2.2 系统功能设计2.3 数据库设计2.3.1 系统实体类2.3.2 实体之间的联系 3、系统实现3.1 系统登录页3.2 系统首页3.3 校友信息实现3.3.1 校友批量上传 3.4 活动中心实现3.4.…

DS:经典算法OJ题(2)

创作不易,友友们给个三连吧!! 一、旋转数组(力扣) 经典算法OJ题:旋转数组 思路1:每次挪动1位,右旋k次 时间复杂度:o(N^2) 右旋最好情况:k是n的倍数…

‘begin_code.h‘ file not found 问题解决办法

/usr/include/x86_64-linux-gnu/SDL2/SDL_platform.h:179:10: fatal error: ‘begin_code.h’ file not found 问题解决办法 问题 在使用SDL2库时编译程序出现如下问题: 解决办法 在Google搜索未果后,考虑到对于头文件找不到问题,可以通…

clickhouse在MES中的应用-跟踪扫描

开发的MES,往往都要做生产执行跟踪扫描,这样会产生大量的扫描数据,用关系型数据库,很容易造成查询冲突的问题。 生产跟踪扫描就发生的密度是非常高的,每个零部件的加工过程,都要被记录下来,特别…

老师没收学生东西违法吗怎么处理

身为一名老师,面对没收学生东西这个话题,确实让人感到有些尴尬和无奈。毕竟,我们教育的初衷是为了引导学生健康成长,而不是与他们产生矛盾和冲突。 老师在未经允许的情况下没收学生的物品,是违法的。学生的个人财物&a…

python+flask人口普查数据的应用研究及实现django

作为一款人口普查数据的应用研究及实现,面向的是大多数学者,软件的界面设计简洁清晰,用户可轻松掌握使用技巧。在调查之后,获得用户以下需求: (1)用户注册登录后,可进入系统解锁更多…

微服务的幂等性

微服务架构设计的中心思想是将服务进行拆分,但是在这个过程中,如果被依赖的服务发生奔溃,就会引起一系列问题。为了解决这个问题,就会引入重试的机制,重试又会引入幂等性的问题,下面我们就分析这个过程&…

面试150 颠倒二进制位 位运算分治 逻辑右移

Problem: 190. 颠倒二进制位 文章目录 思路复杂度位运算分治法 思路 👨‍🏫 参考题解 >>>:逻辑右移(符号位一起移动,高位补零) 复杂度 时间复杂度: O ( log ⁡ n ) O(\log{n}) O(logn) 空间…

Quartus IP学习之ISSP(In-System Sources Probes)

一、ISSP IP概要: ISSP:In-System Sources & Probes Intel FPGA IP 作用: 分为In-System Sources与In-System Probesn-System Sources,输入端,等价于拨码开关,通过输入板载FPGA上的拨码开关状态改变…

如何结合ChatGPT生成个人魔法咒语词库

3.6.1 ChatGPT辅助力AI绘画 3.6.1.1 给定主题让ChatGPT直接描述 上面给了一个简易主题演示一下,这是完全我没有细化的提问,然后把直接把这些关键词组合在一起。 关键词: 黄山的美景,生机勃勃,湛蓝天空,青…

鲜花销售|鲜花销售小程序|基于微信小程序的鲜花销售系统设计与实现(源码+数据库+文档)

鲜花销售小程序目录 目录 基于微信小程序的鲜花销售系统设计与实现 一、前言 二、系统功能设计 三、系统实现 1、前台功能模块 2、后台功能模块 (1) 后台登录 (2) 管理员功能模块 用户管理 商家管理 鲜花信息管理 鲜花分类管理 管理员管理 系统管理 (3) 商家功…

SerDes PoC 电感网络工作原理详解

如下图所示,PoC的工作原理可以描述如下: 1. 直流状态时,电感处于短路状态,电容处于开路状态,因此,接收端的电源能够通过电感注入到信号传输系统中,并在另一端通过电感为本地电路供电,而不会透过电容影响到两端的高速收发器; 2. 交流状态时,即高频信号注入时,电容器是…

华为机考入门python3--(5)牛客5-进制转换

分类:数字 知识点: 十六进制转int num int(hex_num, 16) int转十六进制 hex_num hex(num) 题目来自【牛客】 hex_num input().strip() dec_num int(hex_num, 16) print(dec_num) by 软件工程小施同学

【OpenCV学习笔记28】- OpenCV 中的直方图 - 直方图 - 2:直方图均衡

这是对于 OpenCV 官方文档中 图像处理 的学习笔记。学习笔记中会记录官方给出的例子,也会给出自己根据官方的例子完成的更改代码,同样彩蛋的实现也会结合多个知识点一起实现一些小功能,来帮助我们对学会的知识点进行结合应用。 如果有喜欢我笔…

【Java并发】聊聊Disruptor背后高性能的原理

为什么需要Disruptor 对于单机生产者消费者来说,JUC本身提供了阻塞队列,ArrayBlockingQueue、LinkedBlockingQueue 等,但是为了保证数据安全,使用了reentrantLock进行加锁操作会影响性能,另一方面,本身如果…

Kafka相关内容复习

为什么要用消息队列 解耦 允许你独立的扩展或修改两边的处理过程,只要确保它们遵守同样的接口约束。 可恢复性 系统的一部分组件失效时,不会影响到整个系统。消息队列降低了进程间的耦合度,所以即使一个处理消息的进程挂掉,加入队…