小黃人番外短片合集 — 第11集【Evil Minion Animation Test 邪惡小黃人的憤怒測試】
Matplotlib 系列文章(持續更新中):
- 《Python 數據分析三劍客之 Matplotlib(一):初識 Matplotlib 與其 matplotibrc 配置文件》
- 《Python 數據分析三劍客之 Matplotlib(二):文本描述 / 中文支持 / 畫布 / 網格等基本圖像屬性》
- 《Python 數據分析三劍客之 Matplotlib(三):圖例 / LaTeX / 刻度 / 子圖 / 補丁等基本圖像屬性》
- 《Python 數據分析三劍客之 Matplotlib(四):線性圖的繪製》
- 《Python 數據分析三劍客之 Matplotlib(五):散點圖的繪製》
文章目錄
這裏是一段防爬蟲文本,請讀者忽略。
本文原創首發於 CSDN,作者 TRHX。
博客首頁:https://itrhx.blog.csdn.net/
本文鏈接:https://itrhx.blog.csdn.net/article/details/105914929
【1x00】方法描述
matplotlib.pyplot.scatter()
方法可用於繪製散點圖。
本文用到的其他圖像屬性可參考前面的兩篇文章:
《Python 數據分析三劍客之 Matplotlib(二):文本描述 / 中文支持 / 畫布 / 網格等基本圖像屬性》
《Python 數據分析三劍客之 Matplotlib(三):圖例 / LaTeX / 刻度 / 子圖等基本圖像屬性》
基本語法:matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, alpha=None, linewidths=None, edgecolors=None, \*\*kwargs)
參數 | 描述 |
---|---|
x,y | 數據位置,標量或類似數組的形式 |
s | 標記的大小,以磅爲單位,默認 rcParams['lines.markersize'] ** 2 ,即 6**2=36 |
color / c | 標記的顏色,可以是單個顏色或者一個顏色列表 支持英文顏色名稱及其簡寫、十六進制顏色碼等,更多顏色示例參見官網 Color Demo |
marker | 標記的樣式,默認爲 rcParams["scatter.marker"] = 'o' ,更多樣式參見表一 |
cmap | 將浮點數映射成顏色的顏色映射表,即一個 Colormap 實例或註冊的顏色表名,僅當 c 是浮點數數組時才使用 cmap |
alpha | 標記的透明度,float 類型,取值範圍:[0, 1],默認爲 1.0,即不透明 |
linewidths | 標記邊緣的線寬,默認爲 rcParams["lines.linewidth"] = 1.5 |
edgecolors | 標記邊緣的顏色,可以是單個顏色或者一個顏色列表 支持英文顏色名稱及其簡寫、十六進制顏色碼等,更多顏色示例參見官網 Color Demo |
表一:marker 標記的樣式 |
標記 | 描述 |
---|---|
"." |
點 |
"," |
像素點 |
"o" |
圓圈 |
"v" |
倒三角 |
"^" |
正三角 |
"<" |
左三角 |
">" |
右三角 |
"1" |
倒三叉星 |
"2" |
正三叉星(類似奔馳車標形狀) |
"3" |
左三叉星 |
"4" |
右三叉星 |
"8" |
八邊形 |
"s" |
正方形 |
"p" |
五邊形 |
"P" |
填充的加號(粗加號) |
"+" |
加號 |
"*" |
星形 |
"h" |
六邊形(底部是角) |
"H" |
六邊形(底部是邊) |
"x" |
x 號 |
"X" |
填充的 x 號(粗 x 號) |
"D" |
粗菱形(對角線相等) |
"d" |
細菱形(對角線不等) |
"|" |
垂直線 |
"_" |
水平線 |
0 |
水平線靠左 |
1 |
水平線靠右 |
2 |
垂直線靠上 |
3 |
垂直線靠下 |
4 |
左三角(比 "<" 更細) |
5 |
右三角(比 ">" 更細) |
6 |
正三角(比 "^" 更細) |
7 |
倒三角(比 "v" 更細) |
8 |
左三角(比 "<" 更細,靠左顯示) |
9 |
右三角(比 ">" 更細,靠右顯示) |
10 |
正三角(比 "^" 更細,靠上顯示) |
11 |
倒三角(比 "v" 更細,靠下顯示) |
"None" / " " / "" |
無樣式 |
'$...$' |
支持 LaTeX 數學公式,表達式用美元符號包圍起來 |
【2x00】簡單示例
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 10, 1)
y = np.array([3, 8, 1, 5, 7, 2, 3, 4, 5, 7])
plt.scatter(x, y)
plt.show()
【3x00】多條數據
繪製多條數據,設置不同數據,然後多次調用 plt.scatter()
函數即可,不同數據的線條顏色會不同,系統隨機,可單獨指定不同顏色。
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = np.arange(-2*np.pi, 2*np.pi, 1)
y1 = np.sin(3*x)/x
y2 = np.sin(2*x)/x
y3 = np.sin(1*x)/x
plt.title('多數據散點圖示例')
plt.xlabel('x 軸')
plt.ylabel('y 軸')
plt.scatter(x, y1)
plt.scatter(x, y2)
plt.scatter(x, y3)
plt.show()
【4x00】設置顏色 / 樣式 / 圖例
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = np.arange(-2*np.pi, 2*np.pi, 1)
y1 = np.sin(3*x)/x
y2 = np.sin(2*x)/x
y3 = np.sin(1*x)/x
plt.title('散點圖自定義樣式示例')
plt.xlabel('x 軸')
plt.ylabel('y 軸')
plt.scatter(x, y1, color='g', s=30, label='(x, y1)') # 默認綠色樣式
plt.scatter(x, y2, color='r', s=40, marker='d', label='(x, y2)') # 紅色菱形
plt.scatter(x, y3, color='b', s=50, marker='2', label='(x, y3)') # 藍色正三叉星
plt.legend(framealpha=0) # 顯示圖例,設置爲全透明
plt.show()
【5x00】指定位置顯示文本註釋
matplotlib.pyplot.annotate()
方法可以在指定位置顯示文本註釋,參數解釋常見前文:
《Python 數據分析三劍客之 Matplotlib(二):文本描述 / 中文支持 / 畫布 / 網格等基本圖像屬性》
應用舉例:
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = [0.13, 0.22, 0.39, 0.59, 0.68, 0.74, 0.93]
y = [0.75, 0.34, 0.44, 0.52, 0.80, 0.25, 0.55]
plt.title('散點圖添加文本註釋示例')
plt.xlabel('x 軸')
plt.ylabel('y 軸')
plt.xlim([0, 1]) # 設置 x 軸刻度的範圍
plt.ylim([0, 1]) # 設置 y 軸刻度的範圍
plt.scatter(x, y, marker='o', s=50)
for m, n in zip(x, y):
plt.annotate('(%s,%s)' % (m, n),
xy=(m, n),
xytext=(0, -10),
textcoords='offset points',
ha='center', # 點在註釋文本的中心
va='top') # 點在註釋文本的上方
plt.show()
【6x00】隨機數據散點圖
隨機數據可以用 numpy 的 random 模塊來實現。
numpy.random.rand(d0, d1, …, dn)
:根據給定維度生成 [0,1) 之間的數據。
numpy.random.randn(d0, d1, …, dn)
:返回一個或一組具有標準正態分佈的樣本。
numpy.random.randint(low, high, size)
:返回隨機整數,範圍區間爲 [low,high),size 爲數組維度大小
應用舉例:
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
plt.title('散點圖隨機數據示例')
plt.xlabel('x 軸')
plt.ylabel('y 軸')
plt.scatter(x, y, alpha=0.5)
plt.show()
【7x00】隨機顏色與色條
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
color = np.random.rand(N)
size = np.random.rand(N) * 1000
plt.figure(figsize=(8.4, 5.8)) # 設置畫布大小 840x580
plt.title('散點圖隨機大小顏色示例')
plt.xlabel('x 軸')
plt.ylabel('y 軸')
plt.scatter(x, y, c=color, s=size, alpha=0.5)
plt.show()
可以用 plt.colorbar()
方法繪製顏色對照條。
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
color = np.random.rand(N)
size = np.random.rand(N) * 1000
plt.figure(figsize=(8.4, 5.8))
plt.title('散點圖顏色對照條示例')
plt.xlabel('x 軸')
plt.ylabel('y 軸')
plt.scatter(x, y, c=color, s=size, alpha=0.5)
plt.colorbar()
plt.show()
【8x00】不同圖像之間的層級調整
zorder
參數用於設置不同圖像之間的層級關係,數字越大,所處的層級越大,即顯示越靠上。
未設置 zorder
參數前:
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x1 = np.arange(-2*np.pi, 2*np.pi, 0.01)
y1 = np.sin(3*x1)/x1
x2 = np.arange(-2*np.pi, 2*np.pi, 1)
y2 = np.sin(3*x2)/x2
plt.title('不同圖像之間層級調整示例')
plt.xlabel('x 軸')
plt.ylabel('y 軸')
plt.plot(x1, y1, c='b', linewidth=3.5, label='線性圖')
plt.scatter(x2, y2, c='r', s=40, label='散點圖')
plt.legend()
plt.show()
設置 zorder
參數後:
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x1 = np.arange(-2*np.pi, 2*np.pi, 0.01)
y1 = np.sin(3*x1)/x1
x2 = np.arange(-2*np.pi, 2*np.pi, 1)
y2 = np.sin(3*x2)/x2
plt.title('不同圖像之間層級調整示例')
plt.xlabel('x 軸')
plt.ylabel('y 軸')
plt.plot(x1, y1, zorder=1, c='b', linewidth=3.5, label='線性圖')
plt.scatter(x2, y2, zorder=2, c='r', s=40, label='散點圖')
plt.legend()
plt.show()
【9x00】框選部分數據
有時候我們希望能夠框選一部分數據來強調其重要性,matplotlib.patches.Polygon()
方法的作用是生成不規則的多邊形補丁,matplotlib.patches
還有另外的方法可以生成矩形、圓形等其他圖形,具體參見前面的文章《Python 數據分析三劍客之 Matplotlib(三):圖例 / LaTeX / 刻度 / 子圖 / 補丁等基本圖像屬性》,生成補丁之後,通過 axes.add_patch()
方法將其添加到繪圖區(axes)即可。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathes
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.figure(figsize=(8.4, 5.8))
x1 = np.arange(0, 1000, 10)
y1 = np.random.randint(0, 1000, 100)
x2 = np.arange(0, 500, 10)
y2 = np.random.randint(200, 800, 50)
x3 = np.random.randint(50, 800, 80)
y3 = np.random.randint(50, 800, 80)
x4 = np.array([0, 100, 300, 400, 350, 500, 450, 367, 420, 490])
y4 = np.array([267, 800, 453, 500, 600, 420, 380, 503, 390, 600])
plt.title('散點圖數據框選示例', fontsize=15)
plt.xlabel('x 軸', fontsize=15)
plt.ylabel('y 軸', fontsize=15)
plt.scatter(x1, y1, c='r', s=50, alpha=0.7, label='RED')
plt.scatter(x2, y2, c='b', s=100, alpha=0.7, label='BLUE')
plt.scatter(x3, y3, c='g', s=150, alpha=0.7, label='GREEN')
plt.scatter(x4, y4, c='y', s=250, alpha=0.7, label='YELLOW')
plt.legend(loc='upper right', borderpad=1, edgecolor='k', framealpha=1, labelspacing=1)
Polygon_point = [[100, 800], [0, 267], [500, 420], [490, 600]] # 多邊形補丁的頂點座標
polygon = mpathes.Polygon(Polygon_point, color='#FF69B4', alpha=0.3) # 繪製補丁,框選部分數據
ax = plt.gca() # 獲取當前繪圖區(gca = Get Current Axes)
ax.add_patch(polygon) # 將補丁添加到當前繪圖區
plt.show()