前言

散點(diǎn)圖是Matplotlib常用圖形之一，與線形圖類似。但是這種圖形不再由線段連接，而是由獨(dú)立的點(diǎn)、圓圈或其他形狀構(gòu)成。那么怎么畫散點(diǎn)圖呢？Matplotlib給出了兩種不同的方法，去畫散點(diǎn)圖。如何在不同的情況下，合理的使用這兩種方法？

用plt.plot畫散點(diǎn)圖

import numpy as npimport matplotlib.pyplot as pltx= np.linspace(0, 10, 30)y= np.sin(x)plt.plot(x, y, 'o', color='black');

plt.plot()函數(shù)的第三個(gè)參數(shù)是一個(gè)字符，表示圖形符號的類型。與你之前用 '-' 和 '--' 設(shè)置線條屬性類似，對應(yīng)的圖形標(biāo)記也有縮寫形式。

1.部分圖形標(biāo)記展示

rng= np.random.RandomState(0)formarkerin['o', '.', ',', 'x', '+', 'v', '^', '', 's', 'd']: plt.plot(rng.rand(5), rng.rand(5), marker, label="marker='{0}'".format(marker))plt.legend(numpoints=1)plt.xlim(0, 1.8);

2.連接每一個(gè)點(diǎn)

plt.plot(x, y, '-ok')# 直線(-)、圓圈(o)、黑色(k)

用圖形標(biāo)記的縮寫形式，跟線段組合成一給新的字符，傳給plt.plot()函數(shù)

3.自定義線條和散點(diǎn)屬性

plt.plot(x, y, '-p', color='gray', markersize=15, linewidth=4, markerfacecolor='white', markeredgecolor='gray', markeredgewidth=2)plt.ylim(-1.2, 1.2)

plt.plot函數(shù)非常靈活，可以滿足各種不同的可視化配置需求。

用plt.scatter畫散點(diǎn)圖

這是另一個(gè)創(chuàng)建散點(diǎn)圖的函數(shù)是plt.scatter。它的功能非常強(qiáng)大，其用法與plt.plot函數(shù)類似。

plt.scatter(x, y, marker='o')

plot與scatter的區(qū)別

plt.scatter與plt.plot的主要差別在于，前者在創(chuàng)建散點(diǎn)圖時(shí)具有更高的靈活性，可以 單獨(dú)控制每個(gè)散點(diǎn)與數(shù)據(jù)匹配，也可以讓每個(gè)散點(diǎn)具有不同的屬性(大小、表面顏色、邊 框顏色等)。

1.隨機(jī)散點(diǎn)圖

創(chuàng)建一個(gè)隨機(jī)散點(diǎn)圖，里面有各種顏色和大小的散點(diǎn)。為了能更好地顯示重疊部分，用alpha參數(shù)來調(diào)整透明度。

rng= np.random.RandomState(0)x= rng.randn(100)y= rng.randn(100)colors= rng.rand(100)sizes= 1000*rng.rand(100)plt.scatter(x, y, c=colors, s=sizes, alpha=0.3, cmap='viridis')plt.colorbar(); # 顯示顏色條

注意點(diǎn)，顏色自動(dòng)映射成顏色條(color scale，通過colorbar()顯示)，散點(diǎn)的大小以像素為單位。這樣，散點(diǎn)的顏色與大小就可以在可視化圖中顯示多維數(shù)據(jù)的信息了。

plot與scatter:效率對比

plt.plot 與 plt.scatter 除了特征上的差異之外，還有什么影響我們選擇的因素呢?在數(shù) 據(jù)量較小的時(shí)候，兩者在效率上的差異不大。但是當(dāng)數(shù)據(jù)變大到幾千個(gè)散點(diǎn)時(shí)，plt.plot 的效率將大大高于 plt.scatter。這是由于 plt.scatter 會(huì)對每個(gè)散點(diǎn)進(jìn)行單獨(dú)的大小與顏 色的渲染，因此渲染器會(huì)消耗更多的資源。而在 plt.plot 中，散點(diǎn)基本都彼此復(fù)制，因此整個(gè)數(shù)據(jù)集中所有點(diǎn)的顏色、尺寸只需要配置一次。由于這兩種方法在處理大型數(shù)據(jù)集時(shí)有很大的性能差異，因此面對大型數(shù)據(jù)集時(shí)，plt.plot 方法比 plt.scatter 方法好。

總結(jié)

以上是生活随笔為你收集整理的c++ 显示三维散点图_Python数据可视化，Matplotlib绘制“散点图”的两种方法！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。