Python中scatter函数参数及用法详解

更新时间：2017年11月08日 16:26:28 作者：AnneQiQi

这篇文章主要介绍了Python中scatter函数参数及用法详解，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

最近开始学习Python编程，遇到scatter函数，感觉里面的参数不知道什么意思于是查资料,最后总结如下：

1、scatter函数原型

2、其中散点的形状参数marker如下：

3、其中颜色参数c如下:

4、基本的使用方法如下：

#导入必要的模块 
import numpy as np 
import matplotlib.pyplot as plt 
#产生测试数据 
x = np.arange(1,10) 
y = x 
fig = plt.figure() 
ax1 = fig.add_subplot(111) 
#设置标题 
ax1.set_title('Scatter Plot') 
#设置X轴标签 
plt.xlabel('X') 
#设置Y轴标签 
plt.ylabel('Y') 
#画散点图 
ax1.scatter(x,y,c = 'r',marker = 'o') 
#设置图标 
plt.legend('x1') 
#显示所画的图 
plt.show()

结果如下：

5、当scatter后面参数中数组的使用方法，如s，当s是同x大小的数组，表示x中的每个点对应s中一个大小，其他如c，等用法一样，如下：

（1）、不同大小

#导入必要的模块 
import numpy as np 
import matplotlib.pyplot as plt 
#产生测试数据 
x = np.arange(1,10) 
y = x 
fig = plt.figure() 
ax1 = fig.add_subplot(111) 
#设置标题 
ax1.set_title('Scatter Plot') 
#设置X轴标签 
plt.xlabel('X') 
#设置Y轴标签 
plt.ylabel('Y') 
#画散点图 
sValue = x*10 
ax1.scatter(x,y,s=sValue,c='r',marker='x') 
#设置图标 
plt.legend('x1') 
#显示所画的图 
plt.show()

（2）、不同颜色

#导入必要的模块 
import numpy as np 
import matplotlib.pyplot as plt 
#产生测试数据 
x = np.arange(1,10) 
y = x 
fig = plt.figure() 
ax1 = fig.add_subplot(111) 
#设置标题 
ax1.set_title('Scatter Plot') 
#设置X轴标签 
plt.xlabel('X') 
#设置Y轴标签 
plt.ylabel('Y') 
#画散点图 
cValue = ['r','y','g','b','r','y','g','b','r'] 
ax1.scatter(x,y,c=cValue,marker='s') 
#设置图标 
plt.legend('x1') 
#显示所画的图 
plt.show()

结果：

（3）、线宽linewidths

#导入必要的模块 
import numpy as np 
import matplotlib.pyplot as plt 
#产生测试数据 
x = np.arange(1,10) 
y = x 
fig = plt.figure() 
ax1 = fig.add_subplot(111) 
#设置标题 
ax1.set_title('Scatter Plot') 
#设置X轴标签 
plt.xlabel('X') 
#设置Y轴标签 
plt.ylabel('Y') 
#画散点图 
lValue = x 
ax1.scatter(x,y,c='r',s= 100,linewidths=lValue,marker='o') 
#设置图标 
plt.legend('x1') 
#显示所画的图 
plt.show()

注：这就是scatter基本的用法。

PS：下面举个示例

本文记录了python中的数据可视化——散点图scatter，令x作为数据（50个点，每个30维），我们仅可视化前两维。labels为其类别（假设有三类）。

这里的x就用random来了，具体数据具体分析。

label设定为[1:20]->1, [21:35]->2, [36:50]->3，（python中数组连接方法：先强制转为list，用+，再转回array）

用matplotlib的scatter绘制散点图，legend和matlab中稍有不同，详见代码。

x = rand(50,30) 
from numpy import * 
import matplotlib 
import matplotlib.pyplot as plt 
 
#basic 
f1 = plt.figure(1) 
plt.subplot(211) 
plt.scatter(x[:,1],x[:,0]) 
 
# with label 
plt.subplot(212) 
label = list(ones(20))+list(2*ones(15))+list(3*ones(15)) 
label = array(label) 
plt.scatter(x[:,1],x[:,0],15.0*label,15.0*label) 
 
# with legend 
f2 = plt.figure(2) 
idx_1 = find(label==1) 
p1 = plt.scatter(x[idx_1,1], x[idx_1,0], marker = 'x', color = 'm', label='1', s = 30) 
idx_2 = find(label==2) 
p2 = plt.scatter(x[idx_2,1], x[idx_2,0], marker = '+', color = 'c', label='2', s = 50) 
idx_3 = find(label==3) 
p3 = plt.scatter(x[idx_3,1], x[idx_3,0], marker = 'o', color = 'r', label='3', s = 15) 
plt.legend(loc = 'upper right')

result：

figure(1)：

figure(2)：

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

Django中session登录验证操作指南
本文介绍了如何使用Django中的session登录验证来保护网站的安全性。在此过程中，我们首先介绍了Django的认证架构和基本概念，然后我们深入探讨了如何使用session实现登录验证功能。最后，我们解释了如何创建一个Custom User Model，以及如何使用它来自定义用户对象。
2023-04-04
Django网络框架之HelloDjango项目创建教程
这篇文章主要介绍了Django网络框架之HelloDjango项目创建,结合实例形式详细分析了Django框架创建HelloDjango项目的具体步骤与详细实现技巧,需要的朋友可以参考下
2019-06-06
python super的使用方法及实例详解
这篇文章主要介绍了python super的使用方法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-09-09
Seaborn数据分析NBA球员信息数据集
这篇文章主要为大家介绍了Seaborn数据分析处理NBA球员信息数据集案例，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-09-09
Python selenium模拟网页点击爬虫交管12123违章数据
本次介绍怎么以模拟点击方式进入交管12123爬取车辆违章数据，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2021-05-05
PyCharm2020.1.2社区版安装,配置及使用教程详解（Windows)
这篇文章主要介绍了PyCharm2020.1.2社区版安装，配置及使用教程（Windows),本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2020-08-08
OpenCV 模板匹配
这篇文章主要介绍了OpenCV 模板匹配功能，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
2019-07-07
用 Python 连接 MySQL 的几种方式详解
这篇文章主要介绍了用 Python 连接 MySQL 的几种方式，大家可以根据实际情况选择合理的连接方式,需要的朋友可以参考下
2018-04-04
Python数据可视化之matplotlib.pyplot绘图的基本参数详解
matplotlib.pyplot模块是一个功能强大的画图模块,可以对画图的多个参数进行调整,下面这篇文章主要给大家介绍了关于Python数据可视化之matplotlib.pyplot绘图基本参数的相关资料,需要的朋友可以参考下
2022-04-04
Python黑魔法库安装及操作字典示例详解
这篇文章主要为大家介绍了Python中黑魔法库的安装及操作字典的示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
2021-10-10