Python數據處理從零開始----第四章（可視化）（3）目錄正文

散點圖

本節開始介紹用plt.plot和ax.plot畫散點圖

# In[*]
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
# In[*]
x = np.linspace(0,10,30)
y = np.sin(x)
plt.plot(x,y,'o',color='black')

第三個參數‘o'是代表散點圖中散點的形狀，可以修改。

rng = np.random.RandomState(1234)
for marker in ['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)

可以擬合成一條曲線，其中’-ok‘中直線（-），圓圈（o），黑色（k）

rng = np.random.RandomState(1234)
for marker in ['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)
    plt.plot(x,y,'-ok')

用plt.scatter畫散點圖

plt.scatter相對於plt.plot的主要優勢在於，前者在創建散點圖時具有更高的靈活性，可以單獨控制每個散點與數據匹配，也可以讓每個散點具有不同的屬性（大小，表面顏色，邊框顏色等）

rng = np.random.RandomState(1234)
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()

# In[*]
from sklearn.datasets import load_iris
iris = load_iris()
features = iris.data.T
plt.scatter(features[0],features[1],alpha=0.2,
            s=100*features[3],c=iris.target,cmap='viridis')
plt.xlabel(iris.feature_names[0])
plt.ylab(iris.feature_names[1])

當面對大型數據集時，plt.plot會在效率方面優於plt.scatter，這是因爲plt.scatter會對每一個單獨的散點進行大小或者顏色的設置，而plt.plot是一次性複製所有的設置。

繪製基本誤差線

%reset -f
%clear
# In[*]
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

# In[*]
plt.style.use('seaborn-whitegrid')
x = np.linspace(0,10,50)
dy = np.linspace(0,1,50)
y = np.sin(x) + dy*np.random.randn(50)
plt.errorbar(x,y,yerr=dy,fmt='.k')

一般來說，誤差棒的顏色最好比數據點的顏色稍淺一點比較好，尤其當你的數據點非常多時。

# In[*]
plt.style.use('seaborn-whitegrid')
x = np.linspace(0,10,50)
dy = np.linspace(0,1,50)
y = np.sin(x) + dy*np.random.randn(50)
plt.errorbar(x,y,yerr=dy,fmt='o',
             color='black',ecolor='gray',elinewidth=3,capsize=0)

誤差棒還有一些比較少用的參數，例如水平方向的誤差線(xerr)，單側誤差線（one-sidederrorbar）。